La IA local es inteligencia artificial que corre en servidores de tu empresa, o en uno dedicado que controlás, en lugar de en la nube de un proveedor. Los datos no salen de tu infraestructura, el costo no depende de cuánto se use y nadie puede cambiarte el modelo de un día para otro. A cambio, hay que poner el hardware, elegir bien el modelo y mantenerlo. Conviene cuando la IA va a trabajar con información sensible o con mucho volumen. Para tareas ocasionales, o donde se necesita el modelo más potente del mercado, la nube sigue siendo más simple.
Hasta hace poco, usar IA en una empresa significaba mandar los datos a un servicio externo. Hoy hay modelos abiertos que se pueden descargar e instalar en un servidor propio y que alcanzan para buena parte del trabajo diario: leer documentos, clasificar correos, extraer datos de facturas, responder preguntas sobre los manuales internos. Esta guía explica qué es la IA local, cuándo conviene y cuándo no, qué hace falta para ponerla en marcha y cómo encararla sin convertirla en un proyecto eterno.
¿Qué es la IA local?
Un modelo de lenguaje es, en la práctica, un archivo grande (los «pesos» del modelo) más un programa que lo ejecuta. Cuando usás un servicio en la nube, ese archivo vive en los servidores del proveedor y vos le mandás tus preguntas y tus datos. Con un modelo abierto, el archivo se descarga y se ejecuta en una máquina tuya.
Que un modelo sea abierto quiere decir que su creador publicó los pesos con una licencia que permite usarlos. Hay varias familias con versiones de distintos tamaños, de empresas como Meta, Mistral, Google, Alibaba y OpenAI, que en agosto de 2025 publicó dos modelos abiertos con licencia Apache 2.0. No todas las licencias son iguales: algunas ponen condiciones al uso comercial, así que conviene leerlas antes de elegir.
Alrededor del modelo hacen falta dos piezas más: un programa que lo sirva a los demás sistemas por la red (herramientas como Ollama, llama.cpp o vLLM) y las integraciones que lo conectan con el ERP, el CRM, la carpeta de documentos o el correo. Esa última parte es la que convierte un modelo instalado en algo que el equipo usa todos los días.
Por qué una empresa elige IA local
- Los datos no salen. Contratos, historias clínicas, nóminas, datos de clientes: nada viaja a un tercero. Eso simplifica el cumplimiento del RGPD en España y de la Ley 25.326 de protección de datos en Argentina, y evita discusiones sobre transferencias internacionales.
- Costo previsible. En la nube se paga por uso: cuanto más se usa, más se paga. En local, el costo principal es el servidor, y procesar mil documentos o cien mil cuesta prácticamente lo mismo.
- Independencia del proveedor. El modelo que funciona hoy sigue funcionando mañana. Nadie lo retira, le cambia el comportamiento ni le sube el precio.
- Funciona sin internet. Para una planta, un depósito o una sucursal con mala conexión, que la IA esté en la red interna es una ventaja real.
- Se puede ajustar. Un modelo propio se puede especializar con el vocabulario y los documentos de la empresa, algo que en la nube tiene más límites.
Cuándo no conviene
La IA local no es para todos los casos, y venderla como si lo fuera es la forma más rápida de terminar con un servidor caro que nadie usa.
- Uso ocasional. Si la IA se va a usar unas pocas veces por día, pagar por uso en la nube sale más barato que comprar y mantener un servidor.
- Tareas que piden el mejor modelo disponible. Análisis largos, razonamientos de muchos pasos o programación compleja: los modelos más potentes de la nube siguen por delante de lo que se puede correr en un servidor razonable.
- Sin nadie que lo mantenga. Un modelo local hay que actualizarlo, vigilarlo y respaldarlo, como cualquier sistema. Si no hay quien lo haga, el ahorro desaparece.
Para qué se usa en una empresa
Los casos que mejor funcionan tienen algo en común: son tareas acotadas, repetitivas y con datos que no deberían salir de la empresa.
- Buscar en los documentos internos. Un asistente que responde preguntas sobre manuales, procedimientos, contratos o el historial de un cliente, citando de qué documento sacó la respuesta. Es la técnica conocida como RAG (generación aumentada con búsqueda).
- Leer y extraer datos. Facturas de proveedores, remitos, órdenes de compra o formularios que llegan en PDF y hoy alguien tipea a mano en el sistema.
- Clasificar y derivar. Correos, reclamos o tickets que se ordenan solos por tema y urgencia y llegan a quien corresponde.
- Resumir y redactar borradores. Actas de reuniones, resúmenes de expedientes, primeras versiones de respuestas que una persona revisa.
- Transcribir. Llamadas o reuniones pasadas a texto sin que el audio salga de la empresa.
Qué hace falta para ponerla en marcha
El servidor
Lo que manda es la memoria de la placa de video (GPU), porque el modelo tiene que entrar entero en ella para responder rápido. Como referencia: el modelo abierto de 20.000 millones de parámetros que publicó OpenAI funciona con 16 GB de memoria, y el de 120.000 millones necesita una sola GPU de 80 GB, una placa de centro de datos. Entre esos dos extremos hay muchos modelos medianos que corren bien en una estación de trabajo con una o dos GPU profesionales.
El servidor puede estar en la oficina, en un centro de datos o ser un servidor dedicado alquilado. Lo importante es que sea tuyo o esté bajo tu control, y que esté administrado: respaldos, actualizaciones de seguridad, monitoreo.
El modelo
No hace falta el más grande. Para extraer datos de una factura o clasificar un correo, un modelo chico bien elegido responde más rápido y alcanza. La forma correcta de decidir es probar dos o tres candidatos con documentos reales de la empresa y medir cuántas veces aciertan.
Las integraciones
Un modelo solo no hace nada. Hay que conectarlo con los sistemas donde están los datos y donde va el resultado: que la factura leída entre al ERP, que el correo clasificado llegue a la bandeja correcta, que el asistente vea solo los documentos que cada usuario tiene permiso de ver. Ahí está la mayor parte del trabajo, y es lo que define si el proyecto sirve.
El mantenimiento
Los modelos abiertos mejoran rápido. Cada tanto conviene probar uno nuevo contra el actual y cambiarlo si rinde más. También hay que vigilar la calidad de las respuestas, el uso del servidor y la seguridad, igual que con cualquier sistema crítico.
Local, nube o las dos
| IA local | IA en la nube | |
|---|---|---|
| Dónde están los datos | En tu infraestructura | Viajan al proveedor |
| Costo | Servidor y mantenimiento, sin importar el uso | Por uso: crece con el volumen |
| Calidad | Muy buena en tareas acotadas | La más alta en tareas complejas |
| Puesta en marcha | Semanas: servidor, modelo, integraciones | Días: una cuenta y las integraciones |
| Control | Total: el modelo no cambia si no lo cambiás | El proveedor decide versiones y precios |
En la práctica, muchas empresas terminan con un esquema mixto: lo que toca datos sensibles o mucho volumen corre en local, y lo ocasional o lo que pide el modelo más potente va a la nube, con datos anonimizados cuando hace falta. Diseñarlo así desde el principio evita rehacer las integraciones después.
Cómo empezar sin que se vuelva un proyecto eterno
- Elegí un caso concreto, con un costo hoy medible: horas de carga manual, tiempo de respuesta, errores.
- Juntá 50 o 100 ejemplos reales (facturas, correos, preguntas) para probar.
- Probá dos o tres modelos con esos ejemplos y medí cuántas veces aciertan y cuánto tardan.
- Dimensioná el servidor según el modelo elegido y el volumen, no al revés.
- Integrá con un solo sistema primero, el que da el resultado más visible.
- Definí quién revisa: al principio, una persona valida las respuestas, y con los datos de esa revisión se decide cuánto se puede automatizar.
- Recién después, sumá casos. Con el servidor y las integraciones hechas, cada caso nuevo cuesta mucho menos que el primero.
Cómo te ayudamos
En DCisGlobal implementamos IA local como parte de los servicios que ya damos, sin venderla como un producto aparte. Dimensionamos y administramos el servidor desde hosting administrado, conectamos el modelo con tus sistemas en un desarrollo a medida y lo mantenemos al día (modelos nuevos, seguridad, calidad de las respuestas) desde soporte y mantenimiento.
Si querés saber si en tu empresa conviene IA local, en la nube o un esquema mixto, el punto de partida es un diagnóstico tecnológico: revisamos qué datos usarías, qué volumen tenés y qué sistemas habría que conectar.
Para seguir leyendo
- Automatización de procesos con IA.
- IA aplicada a procesos administrativos: qué tareas ya se le pueden sacar a tu equipo.
- Chatbots e IA para atención al cliente: qué tan lejos conviene llegar.
- Programación con IA: qué cambia en el desarrollo de software a medida.
