Herramientasia local
IA en la nube o en local: cómo elegir por tus datos
IA en la nube o en local: compara privacidad, mantenimiento, coste y hardware, y descubre qué revisar al contratar un servicio gestionado de IA.
- Actualizado
- Autor: humAIns
- 10 min de lectura
índice · 11 apartados
La IA en la nube es la que usas a través de un servicio de internet (ChatGPT, Claude, Gemini, Copilot): tus peticiones viajan a los servidores del proveedor, que ejecuta el modelo y te devuelve la respuesta. La IA en local es la que ejecutas en tu propio ordenador o en un servidor que controlas: el modelo se descarga y los datos no salen de tu equipo. La mayoría de profesionales empieza y acaba en la nube; la local tiene sentido en casos concretos.
Esta guía compara ambas opciones con criterios de trabajo (privacidad, calidad, coste, mantenimiento) y te ayuda a decidir sin sobredimensionar la solución. Si te falta contexto, tienes el glosario de IA y la guía sobre privacidad al usar IA en el trabajo.
Qué diferencia hay entre local y nube
| Criterio | IA en la nube | IA en local |
|---|---|---|
| Dónde se ejecuta | Servidores del proveedor | Tu equipo o tu propio servidor |
| Datos | Salen de tu control (con contrato y garantías) | No salen durante el uso |
| Calidad de los modelos | Modelos de frontera, los más capaces | Modelos abiertos, normalmente de menor tamaño |
| Instalación | Ninguna (navegador o app) | Descarga de modelos y software |
| Hardware | No necesitas | Memoria y, a menudo, GPU |
| Coste | Suscripción o pago por uso | Inversión en equipo; uso sin cuota por petición |
| Conexión | Obligatoria | Funciona sin internet una vez descargado |
| Mantenimiento | Lo hace el proveedor | Actualizaciones, seguridad y pruebas, a tu cargo |
| Herramientas integradas (búsqueda, archivos, voz) | Amplias y listas | Limitadas o por montar |
Qué son los servicios gestionados de IA en la nube
Un servicio gestionado de IA en la nube ofrece acceso remoto a modelos o funciones de IA sin que tengas que administrar toda la infraestructura que los ejecuta. Según el producto, se accede desde una aplicación o mediante una API, una interfaz que conecta tu software con el servicio. Por ejemplo, la documentación de Microsoft Foundry Tools describe API para funciones de lenguaje, voz y documentos; la plataforma de Google Cloud documenta entrenamiento gestionado sin aprovisionar servidores.
El proveedor administra la infraestructura y las funciones incluidas en el servicio contratado. Tu organización decide la tarea, qué información envía, quién accede y cómo comprueba los resultados; además, debe configurar las opciones y revisar las condiciones. En local, en cambio, también asumes la instalación, la capacidad del equipo y su mantenimiento. Una nube de IA no traslada automáticamente toda la responsabilidad al proveedor.
Antes de contratar, compara estos puntos para el servicio y plan concretos:
- Acceso y coste: comprueba si necesitas una aplicación o una API, los límites y cómo se cobra el uso. Un coste variable depende del volumen y de la tarifa aplicable; estima tu consumo y revisa posibles cargos adicionales.
- Datos y región: identifica dónde se procesan y almacenan las entradas, salidas y registros, cuánto tiempo se conservan y si se usan para entrenar modelos. La respuesta depende de las condiciones y la configuración del plan; no presupongas que siempre se usan ni que nunca se usan.
- Contrato y seguridad: revisa controles de acceso, cifrado, subencargados, eliminación y notificación de incidentes. Si hay datos personales, determina los roles y formaliza el contrato de encargado cuando corresponda. La AEPD recuerda la importancia de revisar contratos, roles y posibles transferencias internacionales. Elegir una región europea o un proveedor concreto no elimina por sí solo las obligaciones del RGPD.
Ejemplo: un equipo quiere clasificar documentos en categorías temáticas. Primero verifica que están verdaderamente anonimizados, incluidos los detalles indirectos que podrían identificar a alguien; si no puede garantizarlo, los trata como datos personales. Después prueba una muestra con el servicio gestionado y con un modelo local, compara errores, tiempo y coste, y revisa manualmente las categorías dudosas. La guía de privacidad al usar IA en el trabajo ayuda a preparar los documentos y la de alucinaciones de la IA a comprobar los resultados.
Criterio de elección: si el servicio cumple la política de datos y el coste estimado encaja con un uso variable, la nube puede simplificar el despliegue. Si no puedes enviar los documentos o necesitas funcionar sin conexión, prueba la opción local y verifica que el hardware y la calidad bastan. Para entender los términos técnicos, consulta el glosario de IA.
Cuándo elegir la nube
- Necesitas el mejor modelo disponible para razonamiento complejo, documentos largos o tareas con herramientas.
- Quieres empezar hoy, sin instalar ni configurar.
- Tu uso es ocasional o variable: pagar por suscripción suele salir más barato que comprar equipo.
- Los datos no son sensibles, o cuentas con un plan profesional con contrato de encargado de tratamiento y condiciones claras.
- Trabajas en equipo y necesitas compartir, versionar y administrar accesos.
Para elegir proveedor, tienes la comparativa ChatGPT, Claude o Gemini en 2026 y la guía de Microsoft Copilot por licencias.
Cuándo tiene sentido la IA en local
- Datos que no pueden salir. Información de clientes, historiales, material sin estrenar o documentos con secreto profesional, cuando la política de tu organización o el cliente no permiten enviarlos a terceros.
- Trabajo sin conexión: rodajes, viajes, entornos aislados.
- Volumen alto de tareas simples: clasificar, extraer datos o resumir miles de documentos puede salir más barato con un modelo propio.
- Control total sobre la versión. Un modelo local no cambia de comportamiento de un día para otro porque el proveedor lo actualice.
- Aprendizaje y experimentación. Probar modelos abiertos ayuda a entender cómo funcionan.
Qué hace falta para ejecutar un modelo en local
Hoy hay aplicaciones pensadas para quien no programa. Ollama se presenta como una forma de ejecutar modelos abiertos, tanto en local como en la nube, y LM Studio permite descargar modelos de lenguaje desde la propia aplicación y ejecutarlos en tu equipo. Los pasos básicos:
- Instala la aplicación de tu elección.
- Descarga un modelo adecuado a la memoria de tu equipo.
- Pruébalo con una tarea real (un resumen, una clasificación) y compáralo con la nube.
- Decide qué tareas se quedan en local y documenta la regla.
Sobre el hardware, la referencia más fiable es la del propio modelo. OpenAI publicó en agosto de 2025 dos modelos de pesos abiertos con licencia Apache 2.0, gpt-oss-120b y gpt-oss-20b, y en su ficha indica que el grande funciona en una única GPU de 80 GB y el pequeño dentro de 16 GB de memoria. Eso da una idea del salto: un portátil con memoria suficiente puede ejecutar un modelo pequeño; uno de gran tamaño exige equipos de centro de datos. Cada modelo abierto tiene su propia ficha con sus requisitos y su licencia.
Consulta también la página oficial de modelos abiertos de OpenAI para la licencia y los recursos disponibles.
Privacidad: matices que conviene entender
Que la IA corra en local reduce un riesgo concreto: no hay un tercero que reciba tus datos. Pero no convierte el tratamiento en "libre de normas":
- El RGPD sigue aplicando si hay datos personales: base legal, finalidad, minimización y seguridad (artículos 5 y 6, entre otros).
- Desaparecen el contrato con el proveedor como encargado (art. 28) y las transferencias internacionales (arts. 44 y ss.), porque los datos no salen.
- Aparecen tus responsabilidades de seguridad: cifrado del disco, control de accesos, copias de seguridad y qué ocurre si pierdes el portátil.
- Los resultados siguen necesitando revisión: un modelo local también alucina. Lee la guía de alucinaciones de la IA.
Este supuesto local solo elimina esas cuestiones respecto al proveedor que no recibe datos. Si intervienen terceros en copias de seguridad, soporte o alojamiento, pueden seguir siendo necesarios un contrato de encargado o garantías para transferencias; revisa el flujo completo, como recomienda la AEPD.
Para entender qué datos no deben compartirse con servicios externos según la AEPD, consulta privacidad al usar IA en el trabajo.
Una tercera vía: nube con garantías
Entre ambos extremos hay una opción intermedia que suelen elegir las organizaciones: usar servicios en la nube con un plan profesional, contrato de encargado, tratamiento en la UE cuando sea posible y desactivado el uso de los datos para entrenar modelos, según las condiciones del proveedor. Lo importante es comprobar estas condiciones en la documentación oficial, porque cambian con frecuencia, y no asumir que un plan gratuito personal ofrece las mismas garantías que uno empresarial.
Cómo decidir: un árbol de decisión
- ¿La tarea implica datos personales o confidenciales?
- No: nube, sin más complicaciones.
- Sí: sigue en el punto 2.
- ¿Tienes un plan profesional con contrato de encargado y condiciones aceptables?
- Sí: nube, bajo la política de tu organización.
- No: sigue en el punto 3.
- ¿Puedes anonimizar los datos sin perder utilidad?
- Sí: nube con datos anonimizados.
- No: modelo en local o servidor propio.
- ¿El modelo local rinde lo suficiente en tu tarea? Pruébalo con diez casos reales. Si no, replantea el flujo (por ejemplo, anonimizar y usar la nube) antes de forzar una solución local que no funciona.
Ejemplos por profesión
- Legal. Resumir un expediente con secreto profesional en local, y usar la nube para tareas sin datos de clientes (revisar contratos con IA).
- Recursos humanos. Analizar comentarios de una encuesta interna con un modelo local, sin que salgan datos del personal (IA para RRHH).
- Finanzas. Clasificar apuntes y facturas en un equipo controlado y reservar la nube para explicaciones sobre datos agregados (IA para contables).
- Audiovisual. Transcribir y etiquetar material sin estrenar en local; generación de imagen y vídeo, que exige mucha potencia, en servicios en la nube (crear vídeos con IA).
- Marketing. Contenido público en la nube; datos de clientes y listas de contactos, fuera de herramientas sin garantías.
Errores comunes
- Pensar que local es automáticamente seguro. Un portátil sin cifrar con documentos de clientes es un riesgo igual o mayor.
- Comprar hardware antes de probar. Prueba modelos pequeños con tareas reales antes de invertir.
- Comparar un modelo local pequeño con el mejor de la nube y concluir que "la IA no sirve". Compara con la tarea que realmente tienes.
- Olvidar la licencia del modelo.
- Mezclar sin regla. Si cada persona decide qué va a local y qué a la nube, no hay política. Define por tipo de dato.
- No actualizar. Un modelo local no se mejora solo: alguien debe revisar versiones y seguridad.
Siguiente paso
Elegir dónde corre la IA es una decisión de criterio, no de moda. Si quieres un marco completo para integrar herramientas de IA en un flujo de producción con decisiones como esta, el programa IA para Audiovisual lo trabaja con casos reales. Y para empezar por la base, la guía para aprender IA desde cero.
Sigue leyendo en humAIns