La pregunta llega siempre en el mismo orden: primero «¿se puede?», después «¿cuánto me va a costar al mes?». Y la respuesta sorprende: el modelo de lenguaje suele ser la parte más barata de todo el presupuesto. Lo que se lleva la plata son los mensajes que tú inicias y el tiempo de alguien manteniendo el invento.
Vamos por partes, con las tarifas vigentes a noviembre de 2026. Si quieres ver cómo se arma la pieza técnica completa, está en el curso de chatbot de WhatsApp con ChatGPT y Python, que usa exactamente este stack: Flask, WhatsApp Cloud API, embeddings de OpenAI sobre FAISS y despliegue en Cloud Run.
1. Meta: no hay mensualidad, hay mensajes
Usar la WhatsApp Business Platform no tiene cuota de suscripción: la Cloud API es gratis de usar. Desde julio de 2025 Meta cobra por mensaje de plantilla entregado, con precio según la categoría (marketing, utilidad, autenticación) y el país de quien recibe. En la tarifa de Estados Unidos, por ejemplo, un mensaje de marketing está en 0.025 dólares y uno de utilidad o autenticación en 0.0034. Para tu país la cifra cambia, así que revisa la tabla oficial antes de presupuestar.
El dato que cambió el cálculo este año: las respuestas de servicio dentro de la ventana de 24 horas —es decir, cuando el cliente te escribe primero y tú contestas— eran gratis sin límite, y desde el 1 de octubre de 2026 pasan a cobrarse por mensaje después de 1,000 gratis por número al mes. Para un negocio chico, esas 1,000 siguen alcanzando. Para un e-commerce con tráfico, ya no.
La conclusión práctica es la de siempre: un bot que responde a quien te escribe cuesta poco; una campaña que escribe a 20,000 personas cuesta plata de verdad. Dos proyectos distintos aunque usen el mismo número.
2. El modelo: menos de lo que crees
Con gpt-4o-mini, la tarifa es 0.15 dólares por millón de tokens de entrada y 0.60 por millón de salida (con caché de contexto, la entrada baja a 0.075). Hagamos la cuenta con supuestos conservadores: 1,000 conversaciones al mes, seis respuestas del bot por conversación, 2,000 tokens de contexto por respuesta (sistema + fragmentos recuperados del PDF + historial) y 300 tokens de respuesta.
- ▸Entrada: 6,000 respuestas × 2,000 tokens = 12 millones → unos 1.80 dólares.
- ▸Salida: 6,000 × 300 = 1.8 millones → unos 1.08 dólares.
Menos de tres dólares al mes de modelo para mil conversaciones. Por eso me da risa cuando alguien descarta el proyecto «porque la IA es cara». Lo que sí escala rápido es meter todo el PDF en cada prompt en vez de recuperar los tres fragmentos relevantes: ahí tu contexto pasa de 2,000 a 30,000 tokens y multiplicas la factura por quince sin mejorar la respuesta.
3. Los embeddings son casi gratis
text-embedding-3-small cuesta 0.02 dólares por millón de tokens. Indexar un manual de 400 páginas ronda los 250,000 tokens: medio centavo. Y solo lo pagas cuando reindexas, no en cada consulta. Si el índice FAISS vive en disco o en Cloud Storage, el costo de almacenarlo es despreciable.
Lo que sí cuesta es la calidad del recorte. Trocear mal los documentos —párrafos cortados a la mitad, tablas convertidas en sopa de números— te obliga a recuperar más fragmentos para compensar, y eso sí se paga en tokens y en respuestas malas.
4. Hosting: el rubro que más depende de tu arquitectura
Desplegado en Cloud Run, pagas por el tiempo de CPU y memoria que tu contenedor usa mientras atiende peticiones, más una capa gratuita mensual que para un bot de tráfico bajo suele cubrir casi todo. La trampa está en dejar una instancia mínima siempre encendida «para evitar el arranque en frío»: eso convierte un costo por uso en una mensualidad fija. Para un bot que contesta en segundos, el arranque en frío molesta menos que la factura.
Suma aparte: si en vez de hablar directo con la Cloud API usas un proveedor intermediario (BSP), ellos ponen su propio margen por mensaje encima de la tarifa de Meta. Es cómodo y a veces vale la pena, pero deja de ser «gratis».
El costo que nadie pone en la hoja de cálculo
Sumando todo, un bot de servicio con mil conversaciones al mes puede quedarte por debajo de 15 dólares entre modelo, embeddings y hosting. El verdadero costo es otro: alguien tiene que revisar conversaciones cada semana, actualizar los documentos cuando cambia el precio o la política, y arreglar el webhook cuando Meta cambia una versión. Calcula dos o tres horas al mes de una persona que entienda el sistema. Eso, en cualquier moneda, vale más que los tokens.
Y un caveat honesto: un chatbot no arregla un proceso roto. Si tu catálogo está desactualizado o nadie responde cuando el bot escala a un humano, automatizar solo hace que el cliente se moleste más rápido.
Si vas a construirlo
El curso de chatbot de WhatsApp con ChatGPT y Python son 40 clases on demand (unas tres horas), cuesta 59 dólares y termina con un bot tuyo respondiendo preguntas sobre tus propios PDF, con memoria conversacional en LangGraph y desplegado en Docker y Cloud Run. Te llevas el proyecto funcionando y, sobre todo, la capacidad de estimar esta misma factura para un cliente sin adivinar.
Si prefieres armarlo sin escribir código, el camino es el curso de agentes de IA para WhatsApp con n8n. Y si la idea es llevar esto a producción con varios flujos, memoria y herramientas, el destino natural es la ruta de AI Agentic Engineer, que cubre lo que pasa después del prototipo; ahí también entra a fondo LangGraph.
¿Quieres contrastar tus números con los de otros que ya tienen bots corriendo? En la Comunidad AI Builders hacemos un taller en vivo cada semana, desde 19 USD al mes.



