Cada semana nos preguntan por la inteligencia artificial. La conversación suele empezar con entusiasmo y terminar con una duda razonable: «¿y esto no implica mandar los datos de mis clientes a un servidor en Estados Unidos?». Es la pregunta correcta, y tiene una respuesta que en 2026 ya es perfectamente viable: ejecutar los modelos en local.
El problema no es la IA, es dónde viven los datos
Un despacho de abogados que quiere resumir expedientes, una asesoría que necesita extraer datos de facturas o una clínica que transcribe informes manejan información sujeta al RGPD y, en muchos casos, a deberes de secreto profesional. Enviar ese contenido a un servicio en la nube sin un análisis previo y sin un contrato de encargo de tratamiento adecuado es un riesgo real, no teórico.
La alternativa es sencilla de enunciar: que el modelo se ejecute dentro de la propia organización, sobre un servidor que ya está bajo su control y su política de seguridad. La información no sale nunca de la red local.
¿Es viable con hardware asequible?
Sí, y ese es el cambio de los últimos dos años. Los modelos abiertos de tamaño medio —del orden de 7.000 a 30.000 millones de parámetros— cuantizados a 4 u 8 bits funcionan con soltura en una única GPU de gama alta, y en algunos casos incluso en CPU con suficiente memoria. Para las tareas que realmente piden las empresas —resumir, clasificar, extraer campos, redactar borradores, responder sobre documentación interna— la calidad es más que suficiente.
- Motor de inferencia: llama.cpp u Ollama para despliegues sencillos; vLLM cuando hay varios usuarios concurrentes.
- Interfaz: un frontend web propio, accesible solo desde la red interna o por VPN.
- Consulta sobre documentos: una base de datos vectorial que indexa la documentación de la empresa y alimenta al modelo con los fragmentos relevantes.
Los casos de uso que sí ahorran tiempo
Conviene desconfiar de los proyectos de IA que no se pueden medir. Estos, en cambio, tienen retorno comprobable desde el primer mes:
- Extracción de datos de facturas y albaranes para volcarlos al ERP sin teclear.
- Clasificación y enrutado automático del correo entrante a los departamentos correctos.
- Búsqueda semántica sobre la documentación interna: encontrar en segundos el procedimiento correcto entre miles de páginas.
- Borradores de respuestas a consultas frecuentes, siempre con revisión humana antes de enviar.
- Transcripción y resumen de reuniones con acuerdos y tareas asignadas.
Lo que hay que tener claro antes de empezar
Un modelo de lenguaje se equivoca con total seguridad y aparente convicción. Por eso, en cualquier proceso donde el error tenga consecuencias, la salida debe pasar por revisión humana. La IA bien aplicada no sustituye el criterio profesional: elimina el trabajo mecánico que rodea a ese criterio.
En Atril empezamos siempre igual: un diagnóstico de qué procesos son automatizables, cuántas horas consumen hoy y qué ahorro realista cabe esperar. Si los números no salen, lo decimos.