Todo el sistema de agentes convive de forma natural en servidores ajenos: el asistente de turno en la nube de su empresa, las instrucciones en tu disco y los datos que le pides cruzando la red en cada petición. Para la mayoría, ese reparto es aceptable; para algunos perfiles — datos de clientes sensibles, historia clínica, documentación legal — no lo es. El capítulo 16 de Agentes IA para Profesionales 2027 existe para ese segundo grupo: agentes propios, locales y autohospedados, donde el modelo vive en tu ordenador y los datos no salen de la máquina.
El artículo ordena la decisión que plantea el libro: qué es un agente local y qué calidad ofrece de verdad, cuándo conviene autohospedar y cuándo no, qué cambia en la estructura del método y qué papel juega la privacidad en la nube de pago. La conclusión del capítulo es matizada — la mayoría de lectores no necesita autohospedar — y este texto la respeta: no vende soberanía como moda, la propone como decisión técnica con criterios.
Una nota de contexto legal, heredada del capítulo 17: lo que sigue es orientación general, no asesoría jurídica. Las leyes de protección de datos aplican en casi cualquier jurisdicción y las implicaciones concretas se consultan con un profesional local.
Qué es un agente local y qué calidad ofrece
Un agente local corre un modelo de lenguaje en tu propio ordenador: tu procesador y tu memoria hacen el trabajo, y nada se envía a servidores externos. La herramienta de referencia del capítulo se instala, descarga un modelo y lo ejecuta sin suscripción ni clave de API.
Modelos locales: tamaño, calidad y hardware
Hay modelos de todos los tamaños — algunos ocupan dos o cuatro gigas y corren en un portátil normal; otros, veinte o cuarenta, piden máquina potente —. La calidad escala con el tamaño: más grande, mejor razonamiento; más pequeño, más velocidad. La pregunta honesta del libro es si un local compite con la nube, y la respuesta es que los modelos de tamaño razonable están un escalón por debajo de los mejores modelos en la nube: suficientes para clasificar, resumir y redactar simple; insuficientes para razonamiento encadenado o análisis profundo. La brecha se cierra con el tiempo, pero hoy es real y conviene diseñar el sistema asumiéndola, no negándola.
De ahí la metáfora que cierra la sección del libro: el agente local es un ayudante que trabaja en una sala cerrada. No es el más brillante del edificio, pero nadie de fuera ve lo que toca. Para ciertas tareas — clasificar documentación confidencial, redactar borradores con datos sensibles — esa condición vale más que un punto extra de inteligencia; para otras, no.
El ayudante de la sala cerrada
La sala cerrada también define qué NO pedirle. El local rinde en tareas de forma estable y volumen notable: clasificación con categorías fijas, extracción de campos, resúmenes de documentos controlados, redacción de borradores con plantilla. Pierde en lo que exige matiz profundo: estrategia, análisis complejo, textos largos con criterio. El reparto del capítulo es por tanto de tareas, no de personas: ninguna profesión es «de local» entera; son los datos los que marcan la frontera.
Cuándo autohospedar y cuándo no
Los criterios de la lista del libro se pueden leer como condiciones de entrada. Autohospeda si manejas datos confidenciales que no pueden salir de la máquina, quieres soberanía total sobre el agente, tienes equipo potente — memoria amplia y, para modelos grandes, GPU — y te interesa la parte técnica; si la configuración te da pereza, el libro lo dice sin rodeos: no es para ti. No autohospedes si tu trabajo no involucra datos confidenciales, si valoras la calidad del razonamiento por encima de la privacidad, si no tienes máquina potente o si no quieres tocar configuración. Las herramientas en la nube son suficientes para la mayoría de casos, y el capítulo existe para el porcentaje que necesita o quiere ir más lejos.
La configuración híbrida: sensibles en local, razonamiento en nube
La respuesta del libro a la pregunta del título no es «local o nube»: es el híbrido. Cada tarea vive donde su dato y su exigencia le corresponde, y las tres piezas comparten las mismas carpetas del método.
Cómo se reparte el trabajo entre ambos mundos
El reparto del libro: tareas sensibles — datos confidenciales, documentos privados — al agente local; tareas que requieren razonamiento potente — análisis complejo, redacción de calidad — al modelo de pago en la nube; automatización — flujos programados — a la plataforma de workflows con la API del modelo elegido. Las instrucciones, plantillas y memoria siguen siendo las mismas en los tres: lo que cambia es dónde vive el agente que las lee. Esa continuidad es la garantía de que el cambio de capa no reescribe el método.
El libro lo ilustra con un escenario hipotético de despacho legal: el agente local clasifica y resume documentos de clientes sin que salgan del servidor; para la redacción de calidad se envían versiones anonimizadas al modelo de nube, que redacta sobre el documento sin nombres; y el agente local restaura los nombres reales en el resultado. Los datos identificables nunca cruzan la red y el razonamiento potente se usa donde aporta. Un segundo caso hipotético, el de consultoría con evaluaciones sensibles, hace lo mismo: el local procesa dentro de la oficina — el libro describe incluso la opción sin conexión — y solo los datos agregados y anonimizados viajan para análisis comparativos.
La carpeta config/: los permisos que tú decides
Autohospedar añade una quinta carpeta al método: config/. Contiene la configuración técnica del agente — qué modelo usa, qué herramientas tiene disponibles, qué APIs puede llamar y qué permisos tiene. La diferencia conceptual es de quién es la decisión: en la nube la plataforma gestiona la configuración; en local, tú. El ejemplo del capítulo parece un formulario de permisos: qué puede leer, qué puede enviar, qué no puede borrar, qué comandos no puede ejecutar. El consejo operativo del libro es el mismo que con un empleado humano: acceso limitado al principio — solo lectura de la carpeta de documentos, nada de borrado, nada de comandos — y subida gradual cuando la confianza esté ganada.
La carpeta de configuración es también el documento más honesto del sistema: se puede enseñar a un cliente o a un auditor qué puede y qué no puede hacer el agente, sin depender de la promesa de un proveedor. En la nube esa pregunta se responde con la política de la plataforma; en local, con un archivo que tú verificas.
Privacidad en la nube y protección de datos
Elegir local no elimina la pregunta de la privacidad en la nube: la desplaza. El capítulo 17 completa el cuadro con las reglas de seguridad que aplican a cualquier configuración, incluida la híbrida.
Nube de pago, políticas y datos de entrenamiento
La distancia entre la nube gratuita y la de pago es, en los principales proveedores, la condición de los datos: las versiones gratuitas pueden usar lo que les pasas para entrenar sus modelos — revisa la política actual de cada plataforma, que cambia —, mientras que los planes de pago no lo hacen. La regla del libro es categórica: datos sensibles nunca a la nube gratuita; si el dato es sensible, paga, lo anonimiza o corre el modelo en local. Y hay un argumento que el libro pone por delante de la multa: la confianza del cliente. Si descubre que sus datos pasaron por un servicio gratuito sin su conocimiento, la relación se rompe de forma difícil de reparar.
Sobre los modelos que se citan como alternativa a la red de nube, el capítulo recuerda que cada plataforma ofrece contratos de encargado de tratamiento en sus planes empresariales — la figura que formaliza la relación cuando procesas datos de clientes con un tercero. Conviene leerlos con asesoría: es el documento que convierte la política de privacidad en compromiso contractual.
La regla de los permisos mínimos y el backup
La regla de seguridad del libro se resume en mínimo acceso: cada agente tiene acceso a lo que necesita, ni más ni menos — el de correo no toca tus archivos, el de calendario no lee el correo, el de análisis ve la hoja, no toda la carpeta. El respaldo de las carpetas del método es la otra mitad del deber de cuidado: si las pierdes, pierdes meses de configuración, y su tamaño es pequeño, así que no hay excusa. En la configuración local, el archivo de permisos restrictivos del arranque es la versión local del mismo principio.
La protección de datos formal — base legítima, minimización, transparencia, derecho de supresión, encargados de tratamiento — se consulta con abogado para el caso concreto; el libro enumera las leyes de referencia en distintas jurisdicciones y deja la asesoría fuera del alcance del texto. La orientación que sí cabe en este artículo es la de diseño: menos datos al agente, menos permisos, y el dato más sensible el más cerca de casa.
Problemas típicos del primer agente local
El capítulo cierra con un apartado de solución de problemas, y los cuatro casos típicos conviene conocerlos antes de instalar, porque ninguno es motivo de abandono. El modelo es lentísimo: casi siempre es demasiado grande para la máquina — un modelo de tamaño contenido en un portátil sin gráfica dedicada responde en pocos segundos, y no necesitas el modelo más grande sino el que funciona en tu hardware. El modelo no sigue las instrucciones: los modelos locales pequeños rinden mejor con instrucciones cortas y directas que con textos largos y matizados, así que el bloque se simplifica a lo esencial con el formato bien marcado.
La herramienta no arranca o se cierra sola: normalmente es memoria insuficiente — hay que cerrar otras aplicaciones, ajustar la memoria asignada y revisar los requisitos del modelo antes de descargarlo, porque no todos caben en cualquier equipo. Y el agente comete errores sistemáticos: se añaden ejemplos corregidos a la carpeta de memoria, y con medio puñado de ejemplos bien clasificados el comportamiento suele corregirse sin tocar la configuración.
La prueba de entrada en media hora
La prueba de entrada que propone el libro es sencilla: instalar la herramienta, descargar un modelo pequeño y pedirle una tarea simple — resumir un documento en cinco puntos, por ejemplo —, y comparar el resultado con el asistente de nube con el mismo material. Si la calidad basta para una tarea real del trabajo, ya existe el primer agente local; si no, al menos queda claro qué haría falta y qué escenarios justificarían el hardware.
Para ver cómo se montan las instrucciones y la memoria que cualquiera de estas configuraciones lee, hay un recorrido por el método de las cuatro carpetas en 21 días, y en MargaBooks una reseña del libro de sistema de trabajo con IA. Ningún enlace sustituye la decisión: la opción correcta se elige con tus datos, tu máquina y tu asesoría delante.
Agentes IA para Profesionales 2027
Local o nube: decide con criterios, configura permisos mínimos y protege los datos de tus clientes con el método completo.
Consulta la ficha del libro para conocer disponibilidad y condiciones actuales.