Los modelos de lenguaje basados en transformadores han sido adoptados cada vez más para mejorar la conciencia semántica en los sistemas de selección de servicios web. Sin embargo, el costo computacional de los grandes codificadores de transformadores plantea desafíos significativos para escenarios de implementación en tiempo real y con recursos limitados. Este estudio presenta un marco híbrido orientado a la implementación de semántica-QoS que integra señales semánticas a nivel de dominio basadas en transformadores con métricas tradicionales de Calidad de Servicio (QoS) para apoyar tuberías de selección de servicios escalables. En lugar de buscar establecer la optimalidad de clasificación de extremo a extremo, este trabajo se centra en un análisis comparativo de los codificadores de transformadores dentro de una tubería unificada, enfatizando las compensaciones entre precisión y latencia, la utilización de recursos y la viabilidad de implementación. Se evalúan cuatro modelos representativos de la familia BERT: BERT, DistilBERT, RoBERTa y ALBERT, bajo condiciones experimentales idénticas. El componente semántico opera a nivel de estimación de relevancia del dominio, y su salida se combina con indicadores de QoS utilizando un mecanismo de ponderación controlable para examinar la sensibilidad a las prioridades de implementación. Los resultados revelan claras compensaciones entre la expresividad semántica y la eficiencia computacional, con modelos ligeros como DistilBERT demostrando características favorables de escalabilidad y tiempo de respuesta a pesar de su capacidad semántica reducida. Los hallazgos proporcionan información práctica para seleccionar codificadores de transformadores en tuberías de selección de servicios conscientes de QoS implementadas en entornos de nube, borde o en tiempo real. Al enmarcar la evaluación en torno a la viabilidad de implementación en lugar de la optimalidad de clasificación, este estudio ofrece orientación para equilibrar el enriquecimiento semántico con las restricciones operativas en sistemas de selección de servicios del mundo real.