IA local en tu propio ordenador, para que tus datos nunca salgan de casa

Hay un punto en el que casi todo el mundo que empieza a trabajar en serio con IA se queda atascado. Quieres que te resuman un contrato, una nómina, un parte de baja, datos de clientes. Y entonces te detienes un momento, porque todo eso se va a un servidor en Estados Unidos en cuanto pulsas Intro. Para mí ese fue el momento en el que empecé a tomarme en serio los modelos locales.

IA local significa: el modelo corre en tu propio ordenador. Sin cuenta, sin nube, sin fuga de datos. Lo que tecleas se queda en el disco duro. Hace dos años eso todavía era trastear con la línea de comandos y mensajes de error de CUDA. Hoy es un clic. Ollama superó en 2026 los 52 millones de descargas al mes y ahora trae una aplicación de escritorio de verdad con ventana de chat, LM Studio se ha vuelto completamente gratuito. No necesitas ser desarrollador.

Este es el orden que doy a la gente que lo hace por primera vez. Diez pasos, recorrerlos una vez es una buena media hora, y después tienes una IA que corre sin conexión.

Paso 1, entender qué cambia de verdad lo local

La diferencia no es la calidad de las respuestas, esa sigue siendo claramente mejor en los grandes modelos de nube como Opus 4.8 o GPT-5. La diferencia es dónde acaba tu entrada. Con ChatGPT o Claude, cada palabra viaja por tu conexión a un ordenador ajeno, se procesa allí y normalmente también se guarda un rato. Con un modelo local, todo el cálculo ocurre en tu salón. Puedes desenchufar el wifi y sigue funcionando.

Eso convierte la IA local en la respuesta honesta a la pregunta que te ronda con la protección de datos. En lugar de memorizar qué no puedes teclear nunca en una IA de nube, simplemente metes las cosas delicadas en el modelo local. Lo que nunca sale de casa tampoco puede filtrarse.

Paso 2, comprobar qué aguanta tu ordenador

Los modelos locales necesitan memoria, y de forma perceptible. La regla general es sencilla. Si tienes 8 GB de RAM y ninguna tarjeta gráfica dedicada, es decir un portátil de oficina típico o un MacBook Air, entonces los modelos pequeños de 3 a 4 mil millones de parámetros corren bien. Si tienes 16 GB de RAM o una tarjeta gráfica con 8 GB, corren con fluidez de 7 a 8 mil millones de parámetros. A partir de 24 GB puedes mover las cosas de verdad grandes.

En ordenadores de Apple con chip M cuenta la memoria compartida, un MacBook con 18 GB se comporta más o menos como una tarjeta gráfica con 12 GB. No tienes que aprendértelo de memoria. Lo único importante es ser honesto sobre lo que tienes, para que no te descargues un modelo de 40 GB en un portátil de 8 GB y te preguntes por qué no va nada.

Paso 3, instalar Ollama, sin terminal alguno

Ve a ollama.com y descarga la aplicación para tu sistema. Hay una versión nativa para macOS y para Windows, ambas con interfaz gráfica. En Windows ni siquiera necesitas permisos de administrador, la aplicación se instala en tu carpeta de usuario. Doble clic, ir dando a siguiente, listo.

Tras la instalación, Ollama corre en segundo plano. A partir de ahora, en tu ordenador escucha un pequeño servicio en localhost:11434, esa es la dirección por la que va todo. No tienes que ajustar nada ahí, solo se menciona aquí para que lo reconozcas si lo ves en algún sitio.

Paso 4, cargar el primer modelo

Para empezar, coge gemma3. Es el modelo abierto de Google, sabe 140 idiomas y con eso es bastante mejor en alemán que muchos otros modelos pequeños. Si tienes un portátil más flojo, coge la variante pequeña de 4 mil millones de parámetros, si tienes más memoria la de 12 mil millones.

En la aplicación de escritorio simplemente tecleas el nombre del modelo en el campo de chat o lo eliges de la lista, y entonces Ollama descarga el archivo. Cuenta con unos cuantos gigabytes, la primera vez tarda un minuto o dos según tu conexión. Después el modelo queda en tu disco y no se vuelve a cargar nunca.

Paso 5, chatear como en ChatGPT

Ahora llega la parte que antes faltaba. La aplicación de Ollama tiene una ventana de chat normal. Tecleas tu pregunta, pulsas Intro, el modelo responde. Puedes arrastrar y soltar archivos e imágenes si usas un modelo que puede ver. Se siente como ChatGPT, solo que debajo no hay ninguna línea saliendo a internet.

Pruébalo con algo concreto. Mete un parte de baja real y haz que lo resuma, o una factura, o un texto largo de un cliente. Justo eso que nunca quisiste dar a una nube. Y fíjate en cómo se siente que la respuesta llega más despacio que con la IA de nube. Es normal, tu ordenador no es un centro de datos.

Paso 6, el camino del terminal, por si te gusta

A algunos les gusta más la línea de comandos, y para ellos es igual de fácil. Un solo comando carga un modelo y arranca el chat: ollama run gemma3. Si solo quieres descargar sin chatear, usa ollama pull qwen3:4b. Los dos puntos indican el tamaño, qwen3 en la variante de 4 mil millones es un buen segundo candidato junto a gemma3.

Lo bonito de esto es que cada modelo que cargas así aparece también en la aplicación de escritorio, y al revés. Terminal y aplicación acceden al mismo conjunto. Así que no tienes que decidirte por un camino.

Paso 7, elegir el modelo según la tarea

No existe el mejor modelo local, existe el adecuado para la tarea y tu hardware. Para escribir y resumir en general en alemán, gemma3 es la opción segura. Para traducciones y cosas multilingües, qwen3 es fuerte. Si programas, hay modelos de código propios como qwen2.5-coder.

Los modelos pequeños son rápidos pero más olvidadizos e imprecisos, los grandes son listos pero lentos y voraces de memoria. Un buen punto de partida es un modelo de 4 mil millones, ese corre casi en cualquier sitio. Si las respuestas te saben a poco y tu ordenador lo permite, sube a 7 u 8 mil millones. Puedes tener varios modelos instalados en paralelo y cambiar según la tarea.

Paso 8, ser honesto sobre dónde lo local llega a sus límites

Para que no te lleves un chasco, aquí la verdad. Un modelo local en tu portátil no es tan listo como Opus 4.8. No puede consultar en la web. No tiene noticias actuales, su conocimiento termina donde acabó su entrenamiento. Y en tareas largas y complicadas comete más errores que los grandes modelos de nube.

Eso no es motivo para dejarlo, es motivo para usarlo bien. Para trabajo rutinario delicado, resumir, reformular, primeros borradores, traducir, un modelo local de 8 mil millones es más que suficiente. Para el trabajo mental duro sigues usando la nube.

Paso 9, combinar lo local y la nube con cabeza

El mejor montaje casi nunca es un o lo uno o lo otro. Llevas dos herramientas en paralelo. Todo lo personal, confidencial o que huela a protección de datos va al modelo local. Todo aquello donde necesitas la mejor calidad y no hay datos delicados dentro va a la nube.

En la práctica eso significa que haces la primera pasada con un contrato real en local, borras los nombres y las cifras, y luego mandas solo el resto anonimizado a la gran IA cuando necesitas una respuesta especialmente buena. Así consigues calidad sin que el material delicado salga jamás de casa.

Paso 10, comprobar la protección de datos tú mismo, una vez

No te fíes sin más de que lo local sea de verdad local, compruébalo. La prueba dura un minuto. Arranca un chat con tu modelo local, y corta la conexión a internet mientras lo haces, wifi apagado, cable fuera. Si la respuesta llega igualmente, ya sabes con seguridad, corrió en tu ordenador. Nada salió afuera.

Ese es el punto que distingue a la IA local de cualquier promesa de protección de datos que te dé una empresa de nube. No tienes que creerle a nadie. Puedes comprobarlo tú mismo, tirando del enchufe y viendo que sigue funcionando.

Qué viene ahora

Si quieres saber por qué los modelos de nube son más listos de todos modos y de dónde viene exactamente esa diferencia, merece la pena la lección sobre el panorama de modelos en el Nivel 1. Y si quieres integrar la IA local en tu día a día de trabajo, sin volver a pensar en cada tarea delicada qué puedes introducir, el siguiente paso es un hábito fijo, lo delicado se queda en local, lo no crítico puede ir a la nube. Justo esa línea divisoria es el núcleo de una protección de datos limpia con IA.

Fuente

Nombres de modelos, comandos y la dirección localhost:11434 verificados contra la documentación oficial de Ollama (docs.ollama.com/windows), a fecha de julio de 2026. Los datos sobre la aplicación de escritorio y el catálogo de modelos provienen de la misma fuente, así como del resumen de modelos de Ollama de 2026.