Nuevos procesadores, modelos open-weight y herramientas de ejecución local están reduciendo la dependencia de la nube. La tendencia abre nuevas posibilidades para la privacidad, el control de los datos y el uso profesional de la IA, aunque los grandes modelos todavía mantienen ventajas en capacidad y escala.
Durante los últimos años, la inteligencia artificial más avanzada ha estado asociada principalmente a grandes centros de datos y servicios en la nube. Para utilizarla, los usuarios deben conectarse a plataformas operadas por grandes compañías tecnológicas, que concentran la infraestructura necesaria para entrenar y ejecutar los modelos más sofisticados.
Pero esa realidad está comenzando a cambiar.
El desarrollo de nuevos procesadores, el aumento de la memoria disponible en computadores personales y la aparición de modelos de inteligencia artificial con pesos abiertos —conocidos como open-weight models— están haciendo cada vez más viable una alternativa: ejecutar inteligencia artificial directamente en nuestros propios computadores.
No significa que la nube vaya a desaparecer ni que los computadores personales estén preparados para reemplazar los grandes centros de datos. La tendencia apunta, más bien, hacia un escenario híbrido, donde la IA local y la IA en la nube convivan y cada una sea utilizada según las necesidades del usuario.
El hardware comienza a cambiar las reglas
Uno de los ejemplos más interesantes está en la evolución de los procesadores diseñados para cargas de inteligencia artificial.
AMD ha desarrollado su familia Ryzen AI Max, incluyendo el Ryzen AI Max+ 395, una plataforma que permite trabajar con grandes cantidades de memoria compartida entre el procesador y la GPU.
Esta característica resulta especialmente relevante para ejecutar modelos de inteligencia artificial localmente.
En este tipo de aplicaciones, el rendimiento no depende únicamente de la potencia de cálculo. La cantidad de memoria disponible y el ancho de banda también pueden convertirse en factores críticos, especialmente cuando se trabaja con modelos de gran tamaño.
La posibilidad de disponer de grandes cantidades de memoria compartida permite que determinados modelos que antes requerían equipos especializados comiencen a ejecutarse en computadores mucho más compactos.
Pero hay que ponerlo en contexto.
No significa que cualquier computador pueda ejecutar los modelos más avanzados de manera rápida. El rendimiento depende del tamaño del modelo, la arquitectura utilizada, la memoria disponible y las características específicas del equipo.
Por eso, más que hablar de una «muerte» de NVIDIA o de una revolución instantánea, lo que estamos viendo es una competencia tecnológica que está empujando a toda la industria hacia una nueva generación de computadores preparados para trabajar con inteligencia artificial.
El secreto detrás de los modelos gigantes
Una de las tecnologías que está ayudando a reducir los requerimientos de hardware es la arquitectura conocida como Mixture of Experts, o MoE.
La idea es relativamente sencilla: en lugar de activar todos los componentes de un modelo gigantesco cada vez que recibe una consulta, el sistema puede seleccionar determinados «expertos» especializados para procesar cada tarea.
Un ejemplo es Qwen3-235B-A22B, un modelo de Alibaba que cuenta con 235 mil millones de parámetros totales, pero con aproximadamente 22 mil millones de parámetros activos por token.
Esto no convierte al modelo en pequeño ni elimina sus requerimientos de hardware. Sin embargo, sí permite una utilización más eficiente de los recursos disponibles.
La arquitectura MoE representa uno de los caminos que está siguiendo la industria para desarrollar modelos cada vez más capaces sin que el costo computacional crezca necesariamente en la misma proporción.
Y este avance resulta especialmente importante cuando se habla de inteligencia artificial local.
De los grandes centros de datos al escritorio
Durante mucho tiempo, la idea de ejecutar modelos avanzados de IA en un computador personal parecía poco realista.
Hoy existen modelos abiertos o open-weight que pueden descargarse y ejecutarse localmente, dependiendo de las capacidades del equipo.
Herramientas como Ollama y LM Studio han contribuido a facilitar este proceso, permitiendo que usuarios con conocimientos técnicos puedan experimentar con modelos instalados directamente en sus computadores.
La ventaja es evidente: una vez descargado y configurado el modelo, determinadas tareas pueden ejecutarse sin enviar cada consulta a un servicio externo.
Esto abre la puerta a aplicaciones donde la privacidad y el control de los datos son especialmente importantes.
Pero nuevamente existe un equilibrio.
Los modelos comerciales más avanzados todavía tienen ventajas en determinadas tareas, especialmente cuando se requiere gran capacidad de razonamiento, velocidad, multimodalidad o acceso a infraestructura de gran escala.
Por eso, el escenario más probable no es la desaparición de la nube, sino la coexistencia de ambos mundos.
IA local versus IA en la nube: ¿cuál es mejor?
La respuesta depende del usuario.
La inteligencia artificial en la nube tiene una ventaja evidente: es sencilla de utilizar. No requiere comprar hardware especializado, instalar modelos ni preocuparse por actualizaciones técnicas.
Para una persona que utiliza IA ocasionalmente para buscar información, redactar textos o resumir documentos, probablemente seguirá siendo la alternativa más conveniente.
La IA local, en cambio, puede ser especialmente interesante para usuarios profesionales, desarrolladores y organizaciones que necesitan mayor control sobre sus datos o que trabajan con información sensible.
Entre sus potenciales ventajas están:
- Mayor control sobre los datos.
- Posibilidad de trabajar sin conexión a internet.
- Menor dependencia de un proveedor externo.
- Mayor control sobre los costos a largo plazo.
- Capacidad de personalizar determinados modelos y flujos de trabajo.
Pero también tiene desventajas.
El usuario debe disponer de un equipo adecuado, gestionar la instalación de los modelos y asumir los costos iniciales del hardware.
Además, los modelos más avanzados pueden requerir una capacidad de procesamiento que todavía está fuera del alcance de la mayoría de los computadores personales.
El costo de usar IA también está cambiando
Otro elemento que está impulsando esta discusión es el modelo económico de los servicios de inteligencia artificial.
GitHub, por ejemplo, anunció cambios en la facturación de Copilot que incorporan mecanismos basados en créditos y consumo de recursos de IA.
Anthropic, por su parte, ofrece planes de suscripción de Claude con diferentes límites de uso y mecanismos de consumo adicional.
Estos cambios reflejan una realidad: la inteligencia artificial tiene un costo computacional real.
A medida que los usuarios utilizan modelos más potentes durante más tiempo, las empresas deben asumir mayores costos de infraestructura.
Esto no significa que las suscripciones vayan necesariamente a desaparecer o que todos los usuarios deban comprar un computador especializado.
Pero sí abre una pregunta interesante para quienes utilizan intensivamente estas herramientas: ¿en qué momento puede resultar más conveniente invertir en hardware propio?
La respuesta dependerá del perfil de cada usuario.
Para quien utiliza IA ocasionalmente, la nube probablemente seguirá siendo la opción más económica y práctica.
Para un profesional que utiliza modelos todos los días, ejecuta grandes cantidades de tareas o necesita mantener determinados datos dentro de su propia infraestructura, la IA local puede comenzar a tener cada vez más sentido.
El factor privacidad
La privacidad es otro de los argumentos que están impulsando el interés por la inteligencia artificial local.
Cuando una persona utiliza un modelo alojado en la nube, sus consultas deben ser procesadas por servidores externos. Las condiciones sobre almacenamiento, utilización y tratamiento de esos datos dependen del proveedor y del servicio utilizado.
Con un modelo ejecutándose localmente, determinadas tareas pueden permanecer dentro del propio computador.
Esto podría ser especialmente relevante para empresas, profesionales, investigadores y organizaciones que manejan información confidencial.
La IA local no elimina automáticamente todos los riesgos de seguridad y privacidad, pero permite tener un mayor control sobre dónde se procesan los datos.
La nube no desaparece
A pesar de todo este avance, los grandes centros de datos seguirán siendo fundamentales.
Los modelos de frontera requieren enormes cantidades de infraestructura para su entrenamiento y operación. Además, los servicios en la nube permiten ofrecer capacidades avanzadas a millones de personas sin que cada usuario tenga que comprar un computador especializado.
Por eso, la pregunta no debería ser si la IA local reemplazará a la nube.
La verdadera pregunta es qué tareas deberían ejecutarse localmente y cuáles deberían permanecer en la nube.
Un usuario podría utilizar un modelo local para procesar documentos privados o realizar tareas rutinarias, mientras recurre a un servicio en la nube cuando necesita capacidades más avanzadas.
Ese modelo híbrido podría convertirse en uno de los escenarios más habituales durante los próximos años.
Una nueva etapa para el computador personal
La evolución de la inteligencia artificial local recuerda, en cierta medida, a la historia de la computación.
Durante décadas, la capacidad informática estuvo concentrada en grandes computadores pertenecientes a gobiernos, universidades y empresas.
La llegada del computador personal cambió esa realidad.
Ahora podría estar ocurriendo algo similar con la inteligencia artificial.
La capacidad de ejecutar modelos que antes dependían exclusivamente de grandes infraestructuras comienza a acercarse al usuario final.
Todavía estamos lejos de tener en cada hogar una máquina capaz de ejecutar los modelos más avanzados del mundo a máxima velocidad.
Pero la dirección tecnológica parece clara: la inteligencia artificial está dejando de ser exclusivamente un servicio que utilizamos y comienza a convertirse también en una capacidad que podemos tener y ejecutar localmente.
La nube seguirá siendo fundamental. Los grandes modelos seguirán necesitando enormes centros de datos.
Pero, al mismo tiempo, cada vez será más común que un computador personal tenga su propio modelo de inteligencia artificial.
Y quizás ese sea el verdadero cambio.
No se trata de elegir entre la nube o el computador.
Se trata de que, por primera vez, el usuario comienza a tener la posibilidad de elegir.