¿Puede funcionar la IA en mi propio ordenador?
Sí, y más fácil de lo que la mayoría cree. Qué es un modelo de lenguaje local, para qué sirve de verdad, dónde pierde con claridad y cuándo te compensa el esfuerzo.
En algún momento llega la pregunta. Normalmente la primera vez que dudas antes de escribir algo en una ventana de chat. Un informe médico, un certificado laboral, el borrador de una carta de baja, cifras de tu propia empresa. Lo escribes, te detienes un instante y piensas: ¿de verdad quiero subir esto?
La buena noticia es que hay alternativa. Los modelos de lenguaje también funcionan en ordenadores normales. No los más grandes, pero sí unos sorprendentemente útiles. Esta lección explica qué es eso, qué puede y qué no puede hacer, para que decidas tú mismo si te tiene sentido.
Qué es en realidad un modelo local
Cuando usas ChatGPT escribes en tu navegador y el cálculo de verdad ocurre en un centro de datos. Tu texto viaja hasta allí, el modelo responde, la respuesta vuelve. Eso va rápido y da la sensación de estar pasando en tu equipo.
Un modelo local es un archivo en tu disco duro. De unos gigabytes, y dentro están los pesos, es decir lo que el modelo aprendió durante el entrenamiento. Cuando haces una pregunta, calcula tu propio ordenador. Puedes quitar el cable de red y sigue funcionando.
Una salvedad ya de entrada, porque después importa: local es el modelo, no automáticamente todo el programa que lo rodea. Muchas interfaces pueden además buscar en la web o hacer que un servicio en la nube indexe documentos. Con eso activado, partes de tus entradas sí salen. Se puede desactivar, solo hay que saber que está ahí.
Esa es toda la diferencia, y es a la vez mayor y menor de lo que parece. Mayor en privacidad, porque con un programa bien configurado no hay transmisión a un proveedor. Menor en el manejo, porque un chat local se siente igual que cualquier otro.
Por qué esto ya no es un nicho
Hace dos años esto era cosa de manitas. Había que compilar, convertir modelos a formatos extraños y armarse de paciencia.
Hoy descargas un programa, haces clic en un modelo y chateas. El motivo de ese salto no es un hardware mejor, sino que los modelos se han vuelto bastante más eficientes. Un modelo que hoy cabe en ocho gigabytes es mejor que uno que hace año y medio necesitaba el cuádruple.
A eso se suma que los grandes proveedores ofrecen ya sus modelos para descargar. Google, Alibaba, Meta, Mistral y también OpenAI publican modelos con pesos abiertos. Esa es la razón de que hoy exista siquiera una oferta donde elegir. Lo que puedes hacer con ellos lo regula la licencia correspondiente, y esa cambia de un modelo a otro. También rige en privado, allí solo se nota menos.
Qué necesita tu ordenador para ello
La magnitud decisiva es la memoria, no la velocidad del procesador.
En un ordenador con Windows y tarjeta gráfica propia cuenta la memoria de esa tarjeta. En un Mac de los últimos años cuenta el número que ponía al comprarlo, pero solo una parte va al modelo, porque procesador y gráfica comparten la misma memoria. Sin tarjeta gráfica también va, entonces calcula el procesador principal y tarda más.
A grandes rasgos, a fecha de agosto de 2026, y refiriéndonos siempre a memoria utilizable: a partir de ocho gigabytes funciona un modelo pequeño. A partir de dieciséis se vuelve cómodo. A partir de veinticuatro se pone serio en contenido. En un Mac eso significa comprar una talla más de lo que sugiere el número. Si has comprado un ordenador decente en los últimos tres o cuatro años, probablemente puedas probarlo.
Para qué sirve de verdad
Aquí se pone concreto, y aquí merece la pena ser honesto, porque las expectativas demasiado altas son el motivo más común de que la gente lo deje a los dos días.
Funciona bien todo lo que trabaja sobre un texto que ya tienes. Resumir, reformular, traducir, cambiar el tono, sacar los puntos clave de un documento largo, clasificar textos en categorías, convertir notas sueltas en una lista. Esa es la parte laboriosa del trabajo con textos, y un modelo local la resuelve con solvencia.
También va bien: preguntas sobre un documento que adjuntas. Justo el caso en el que antes dudabas.
Una advertencia, porque aquí se confunden dos cosas. Que los datos no salgan de tu ordenador no vuelve más correcta la respuesta. En un informe médico, un contrato o una resolución administrativa, un resumen es una ayuda para entender y no una reproducción fiable: precisamente negaciones, dosis, plazos e importes los tuercen a veces los modelos pequeños. Toma el resumen como punto de entrada, lee en el original los pasajes decisivos y no tomes una decisión basándote solo en él.
Dónde pierde con claridad
Se complica allí donde hay que pensar de verdad. Cadenas largas de razonamiento en las que el paso siete se apoya en el tres. Programación exigente en la que hay que mantener a la vista la estructura de un sistema entero. Trabajar de forma autónoma a lo largo de muchos pasos.
Ahí los modelos grandes no son un poco mejores, son claramente mejores. Y eso tampoco cambia la semana que viene, porque es el precio de que algo corra en un aparato que está bajo tu escritorio en vez de en una nave llena de hardware especializado.
El conocimiento general del mundo también es menor. Un modelo pequeño sabe menos y, a cambio, se inventa cosas algo más a menudo. Así que los límites de la lección Lo que la IA no puede hacer no solo se aplican aquí, están más marcados.
El punto en el que se pone interesante
Hay una cosa que compensa en parte la diferencia de tamaño, y es el hilo conductor de esta academia.
Un modelo que conoce tu contexto gana a uno más potente que tiene que adivinar. Si le das a un modelo local pequeño los documentos adecuados, en preguntas sobre tu proyecto es mejor que un modelo grande que no conoce tu proyecto. No porque sea más listo, sino porque la respuesta está en los documentos y no tiene que estar dentro del modelo.
Justo por eso local y memoria son tan buena combinación. A partir del nivel 4 se trata en profundidad.
Cuándo compensa el esfuerzo
Cuatro casos en los que compensa sin discusión.
Si trabajas con regularidad con datos que no pueden salir fuera. Ese es el motivo más fuerte y para muchas profesiones el único que cuenta.
Si procesas mucho material del mismo tipo. Ordenar miles de textos cuesta por unidad en la nube, en tu propio ordenador simplemente corre.
Si trabajas a menudo sin conexión fiable.
Y si quieres entender cómo funciona todo esto. Un modelo cuyo archivo puedes ver y borrar desmitifica el asunto de una forma útil.
Si no se da ninguno de esos cuatro casos, quedarse en la nube está perfectamente bien. La mayoría de montajes productivos son mixtos de todos modos: lo local para lo delicado y lo masivo, los modelos grandes para los casos duros.
Cómo probarlo sin romper nada
Es reversible. Instalas un programa, descargas un modelo, pruebas una semana, y si no es para ti lo quitas otra vez. Ten en cuenta que el modelo y tus documentos subidos están en sitios distintos y deben irse los dos; el playbook enseña el camino completo. Sin cuenta, sin suscripción, sin plazo de cancelación, solo unos gigabytes de disco que recuperas.
La guía paso a paso está en el playbook Tu primer modelo de IA local en 30 minutos. Si antes quieres saber qué modelo encaja con tu ordenador, eso lo aclara Qué modelo local encaja con tu hardware.
Quiz
1. ¿Cuál es la ventaja principal de un modelo local frente a la nube?
- A) Es más listo que los modelos grandes
- B) Tus datos no salen del ordenador
- C) Responde siempre más rápido
La correcta es B, siempre que el programa que lo rodea esté configurado del todo en local. Más listo no es, y más rápido tampoco suele serlo. La ventaja es que no hay transmisión a un proveedor, mientras la búsqueda web y los servicios en la nube de la interfaz estén apagados.
2. ¿Qué cifra decide sobre todo qué modelo funciona en tu ordenador?
- A) La frecuencia del procesador
- B) El tamaño del disco duro
- C) La memoria de sistema o de gráfica disponible
La correcta es C. El modelo tiene que estar en memoria mientras responde. El disco duro solo limita cuántos modelos tienes guardados a la vez.
3. ¿Para qué tarea es más adecuado un modelo local pequeño?
- A) Diseñar la arquitectura de un software complejo
- B) Traducir a lenguaje sencillo un informe médico confidencial
- C) Llevar a cabo por su cuenta una investigación de varias fases
La correcta es B. Trabajar sobre un texto que ya existe es su fuerte, y el contenido confidencial es justo el motivo por el que aquí gana lo local. Eso sí: la traducción es una ayuda para entender, y los pasajes decisivos los lees en el original. A y C exigen pensar en profundidad a lo largo de muchos pasos, y ahí el modelo pequeño pierde con claridad.
Source
Las cifras sobre memoria necesaria son aproximaciones, a fecha de agosto de 2026, y cambian con cada generación de modelos.
- Ollama, primeros pasos y biblioteca de modelos: ollama.com
- LM Studio, interfaz para modelos locales: lmstudio.ai
- Hugging Face, fichas de modelo con licencia y tamaño: huggingface.co/models