Mycel
Agentes y automatización

Inteligencia artificial local en una empresa: el requisito primero y el matiz después

Antes de nada, el número: para trabajo autónomo real en local hace falta un modelo de 30B, del orden de 24 GB entre GPU y RAM. Si tu parque de equipos no llega ahí, la IA local no es tu camino todavía y conviene saberlo en el minuto uno, no después de tres tardes instalando cosas. Con el número encima de la mesa, el resto de esta página se puede leer con calma.

Gratis e ilimitado · Sin tarjeta · El cómputo lo pone tu equipo
Pantalla Sesiones de Mycel con una tarea terminada: las herramientas usadas una a una y, al lado, los ficheros entregados con su vista previa.
Una tarea real: el agente declara el entregable, ejecuta sus herramientas una a una y deja los ficheros listos para descargar.

Cómo funciona, paso a paso

  1. 1

    Miras la memoria de tus equipos: 24 GB entre GPU y RAM es la línea del modo local.

  2. 2

    Instalas Ollama, conectas el Nodo y aceptas el paquete de modelos que te recomienda.

  3. 3

    Registras las carpetas con las que va a trabajar y repartes el acceso por persona.

  4. 4

    Si el parque no llega, conectas tu clave de API o un Nodo Cloud y sigues igual.

1

El hardware, sin adornos

Un modelo de 30B es el mínimo con el que una tarea de varios pasos sale entera. Por debajo, el modelo responde bien a preguntas sueltas y en el cuarto paso se olvida de lo que ya hizo y entrega algo que parece un resultado sin serlo. Mycel ajusta las instrucciones al modelo que tiene delante y con uno pequeño usa un guion más estrecho, pero ningún guion arregla un modelo que no da la talla.

Además del principal hay dos piezas que la gente no cuenta en el presupuesto: un modelo de visión, para analizar imágenes, y uno de embeddings, para poder preguntarle a tus documentos. Al conectar el Nodo, el asistente de configuración mira el hardware de esa máquina y te propone el paquete completo que aguanta, con su descarga y su barra de progreso, en vez de dejarte eligiendo nombres de modelo en una lista.

2

Qué es local de verdad, y qué no lo es

Con Ollama en local, ni el prompt ni los documentos salen de tu máquina: el modelo piensa ahí. Los ficheros se abren donde ya estaban, los entregables se escriben en tu disco y las copias de seguridad de lo que modifica se quedan en la misma carpeta de trabajo.

Ahora el matiz honesto, porque «100 % local» se usa con demasiada alegría. Si le pides que busque en la web, sale a internet, obviamente. Si llama a una API conectada, esa llamada va a ese servicio. Y el Nodo necesita alcanzar la plataforma para recibir los encargos que escribes en el navegador, aunque el contenido de la tarea no se guarde en nuestro relevo. Local significa que el modelo y tus datos no viajan, no que la máquina esté desconectada.

3

Qué gana la empresa que puede permitírselo

Coste marginal cero: una vez tienes la máquina, las tareas no se pagan. Puedes lanzar mil sin mirar un contador, y eso cambia lo que te atreves a automatizar. Y desaparece una conversación entera de cumplimiento: no hay comunicación a un tercero, ni transferencia internacional que justificar, ni cadena de subencargados que revisar para el contenido de las tareas.

Dentro de casa sigue habiendo perímetro, y conviene montarlo: un Nodo se comparte con cuatro roles y con carpetas concretas por persona, y ejecutar comandos de shell es un permiso aparte, apagado por defecto. Quien administra la máquina alcanza el disco entero, como en cualquier servidor; el reparto útil es el de las carpetas.

En una frase

El requisito de hardware por delante y una respuesta honesta a qué es local de verdad: qué se queda en tu máquina y qué sale igualmente a internet.

Qué necesitas

  • Ollama con un modelo de 30B (~24 GB de GPU o RAM) para el modo 100 % local.
  • Espacio en disco para el paquete de modelos: principal, visión y embeddings.
  • Si el equipo no llega: tu clave de API o un Nodo Cloud con GPU, sin cambiar nada más.

Qué te llevas

  • Modelo, documentos y prompts dentro de tu máquina, sin subir nada.
  • Los entregables escritos en tu disco y la traza exportable en JSON.
  • Coste por tarea cero: el cómputo ya lo has pagado con la máquina.

Dónde ocurre cada cosa

  1. Tu equipo

    Hace el encargo

  2. Tu Nodo

    Pone el cómputo

  3. La red

    Aporta el conocimiento

Preguntas frecuentes

¿Cuántos GB necesito exactamente?

La cifra que hay que llevarse es un modelo de 30B, del orden de 24 GB entre GPU y RAM, más el espacio en disco de los modelos de visión y embeddings. El asistente de configuración detecta tu hardware al conectar el Nodo y te dice qué paquete aguanta esa máquina.

¿Funciona sin internet?

El modelo sí piensa sin salir. Pero el Nodo necesita alcanzar la plataforma para recibir los encargos que escribes en el navegador, y cualquier herramienta de búsqueda web o de llamada a una API sale a la red por definición. Local quiere decir que tus datos y el modelo no viajan.

¿Se puede empezar con API y pasar a local después?

Sí, y es lo que suele salir a cuenta. Cambiar de modelo es cambiar una opción en el Panel, no migrar de producto: los ficheros ya estaban en tu disco en los dos casos y las herramientas siempre corrieron en tu máquina.

¿Es mucho peor que un modelo de la nube?

A partir de 30B es perfectamente utilizable para trabajo de varios pasos. Los modelos de frontera siguen siendo mejores en tareas largas y enrevesadas: la decisión es qué compensa más en tu caso, no cuál gana en abstracto.

Pruébalo con tus propios documentos

Creas la cuenta, abres el Nodo y le encargas la primera tarea. Es gratis e ilimitado: el cómputo lo pone tu equipo, así que no hay nada que racionar.