Cuánto cuesta automatizar WhatsApp en Perú (2026)

Buscás “cuánto cuesta automatizar WhatsApp” y encontrás diez blogs con una tabla de precios fijos: “Plan Básico $299”, “Plan Pro $599”. Ningún desarrollador serio te puede dar esa cifra sin saber nada de tu operación. Es como pedir el precio de “una casa” sin decir cuántos metros cuadrados, en qué terreno, ni con qué materiales.

La cifra genérica te miente en los dos sentidos: te puede vender de más un MVP simple, o venderte de menos un sistema que en realidad necesita integraciones pesadas. Vamos a explicar qué mueve el costo de verdad, para que cuando alguien te tire un número puedas juzgar si tiene sentido.

Por qué “cuánto cuesta” no tiene una tarifa única

Automatizar WhatsApp no es un producto de catálogo, es un sistema con piezas que varían según tu negocio: el LLM que entiende y responde, la base de conocimiento que consulta (RAG), las integraciones con tus sistemas actuales, y la infraestructura que corre todo. Cada pieza escala distinto según tu caso.

Dos negocios que piden “un bot de WhatsApp” pueden terminar con proyectos que difieren en esfuerzo por un factor de 5x o más. Uno necesita responder 8 preguntas frecuentes con una base de conocimiento estática. El otro necesita consultar stock en tiempo real, cobrar dentro del chat y escalar a un vendedor humano con contexto completo. Mismo canal, proyectos completamente distintos.

Los factores que determinan el costo real

Hay cuatro variables que mueven la aguja, y ninguna es “cuántos mensajes mandás”:

Volumen de conversaciones. Con la Cloud API oficial de Meta, desde julio de 2025 el cobro es por mensaje, no por conversación de 24 horas. Y la categoría service — cuando el cliente te escribe primero y vos respondés dentro de la ventana de 24h — es gratis. Si tu bot es reactivo (atención al cliente clásica, no marketing proactivo), el costo de WhatsApp en sí puede ser prácticamente cero. El gasto real está en otro lado.

Integraciones con CRM/ERP. Acá es donde se va el tiempo de desarrollo. Un bot que solo lee un catálogo estático es un proyecto de días. Un bot que escribe pedidos en tu ERP, consulta inventario en tiempo real y sincroniza con tu CRM es un proyecto de semanas, porque cada sistema legacy tiene su propia lógica, su propia autenticación, sus propios casos borde.

Complejidad del RAG. Si tu catálogo tiene 20 productos y no cambia seguido, montar la búsqueda semántica es trivial. Si tenés miles de SKUs, precios que cambian a diario y necesitás que el bot nunca invente un dato, el diseño del RAG y su mantenimiento pesan mucho más.

API oficial vs. no oficial. Esto no es negociable: la Cloud API oficial de Meta es el único camino serio. Las soluciones no oficiales (scraping, whatsapp-web.js) parecen más baratas al inicio pero no tienen SLA, no tienen soporte, y tu número puede quedar baneado sin aviso. Ya lo vivimos con un cliente — lo contamos acá.

Rangos de inversión por complejidad

No te vamos a tirar una tarifa cerrada porque sería mentirte. Pero sí podemos ordenar el terreno por scope, que es lo que de verdad determina el rango:

Scope	Qué incluye	Esfuerzo relativo
MVP acotado	5-8 intents, base de conocimiento estática, un idioma, handoff simple a humano	Bajo — semanas, no meses
Sistema intermedio	15-25 intents, RAG dinámico sobre catálogo real, integración a un sistema (CRM o ERP), métricas básicas	Medio
Sistema completo	Integraciones bidireccionales (pagos en el flujo, ERP, CRM), RAG con actualización constante, multilingüe, flujos multi-paso con estado, escalamiento con contexto	Alto

El salto entre columnas no es lineal. No es “el doble de intents, el doble de precio”. Es “cada integración nueva multiplica los casos borde que hay que manejar”. Un sistema completo no cuesta 3x un MVP: puede costar 8x, porque el trabajo no está en el LLM (eso ya es estándar), está en hacer que tus sistemas de verdad se hablen entre sí sin romper nada.

Qué incluye un proyecto serio (y qué no)

Un presupuesto honesto de automatización de WhatsApp cubre: diseño de los flujos e intents, integración con la Cloud API oficial, construcción del RAG, integraciones a tus sistemas, testing, y despliegue.

Lo que normalmente NO está incluido — y tenés que presupuestarlo aparte:

• Licencias del LLM. Vos pagás el uso de tokens directamente al proveedor (Anthropic, OpenAI), no es parte del fee del desarrollador. A precios de lista de julio 2026: un modelo chico como Claude Haiku ronda $1/$5 por millón de tokens de entrada/salida, uno grande como Claude Opus ronda $5/$25. La arquitectura correcta usa un modelo chico para clasificar la intención y solo escala a uno grande cuando hace falta razonamiento complejo — así el costo de uso queda controlado. Estos precios bajan con cada generación de modelo, así que tomalo como referencia del momento, no como cifra fija.
• Infraestructura. Un VPS de ~USD 20/mes (2-4 vCPU) corriendo n8n + Qdrant self-hosted alcanza para volumen bajo o medio — es un rango de mercado, no el precio de un proveedor específico.
• Mantenimiento y soporte. Alguien tiene que revisar métricas, ajustar el RAG cuando cambia el catálogo, y responder cuando algo se rompe. Esto es costo recurrente, no parte del build inicial.

Cómo empezar barato: el MVP de 5-8 intents

El error más común es querer resolver todo el día uno. La forma barata de arrancar — y la que mejor predice si vale la pena escalar — es un MVP con las 5 a 8 preguntas que de verdad más recibís, medidas de tu historial de WhatsApp, no adivinadas de memoria.

Ese MVP corre en infraestructura mínima, usa RAG desde el arranque (aunque el catálogo sea chico — nunca dejes que el modelo invente datos), y te da métricas reales: tasa de resolución sin humano, costo por conversación, motivo de escalamiento. Con esos números en mano, la decisión de escalar deja de ser una apuesta y pasa a ser matemática. En un proyecto real llegamos a 80% de consultas resueltas sin intervención humana partiendo justo de este enfoque incremental — lo contamos acá.

Este approach también define mejor qué necesitás de nuestros servicios: a veces el MVP solo ya resuelve el 80% del dolor, y escalar a integraciones pesadas puede esperar a que el ROI del primer tramo esté probado.

Errores caros que inflan el presupuesto

• Soluciones no oficiales de WhatsApp. Ahorrás unos dólares al inicio y arriesgás perder el número entero, sin soporte ni SLA. Siempre Cloud API oficial.
• No medir desde el día uno. Si no sabés tu tasa de resolución actual, no podés saber si el bot mejora algo. Medir es gratis; no medir sale caro después.
• Over-scope inicial. Pedir 40 intents en la primera entrega multiplica el tiempo de QA y los casos borde sin evidencia de que esos 40 intents sean los que tu cliente realmente pregunta.
• Alucinaciones sin RAG estricto. Un bot que inventa un precio o dice que hay stock cuando no hay es un reclamo real de un cliente real. El RAG no es un lujo técnico, es lo que evita que la IA prometa algo que tu negocio no puede cumplir.

Cómo saber cuánto te costaría en tu caso

Todo lo de arriba son factores, no una cotización. Tu número real depende de cuántas de esas variables aplican a tu operación específica: cuántos sistemas necesitás conectar, qué tan grande y dinámico es tu catálogo, y cuántas conversaciones reales manejás por mes.

La única forma honesta de saberlo es mirar tu caso puntual, no un promedio de blog. Corré nuestro diagnóstico gratuito y te devolvemos un rango de inversión basado en tu operación real — no en una tabla genérica que le sirve a cualquiera y no le sirve a nadie.