La inteligencia artificial en la nube es increíblemente potente, pero tiene un precio: tu privacidad. Cada vez que le pides a ChatGPT que analice un PDF, resuma una conversación o extraiga datos de una foto, esa información sale de tu ordenador y se procesa en servidores de terceros.

La IA local es justo lo contrario: menos potente, pero todo se queda en tu máquina. Y para según qué tareas, eso es exactamente lo que necesitas. Aquí tienes tres automatizaciones que he puesto en marcha con modelos locales y que nunca delegaría en ChatGPT.

Qué necesitas para empezar

Para seguir estos ejemplos necesitas un equipo más o menos así:

  • PC con GPU (al menos 8 GB de VRAM) o CPU moderna con 16+ GB de RAM
  • LM Studio (gratuito) — la herramienta más sencilla para descargar y ejecutar modelos locales
  • Qwen 3.5 9B (cuantizado a 4-bit) — un modelo que soporta visión y tool calling

Si tu GPU es más modesta, puedes usar modelos más pequeños como Qwen 2.5 7B o Llama 3.2 3B. La mayoría de estas tareas funcionan igual de bien con menos parámetros.

Los MCP (Model Context Protocol) son el otro ingrediente clave. Son pequeños conectores que permiten al modelo acceder a tu sistema de archivos, a Notion, a Google Calendar, etc. Sin MCPs, el modelo solo habla contigo; con MCPs, hace cosas.

1. Digitalizar tickets de compra en una hoja de cálculo

Llevar un control de gastos es un coñazo. Terminas con un montón de tickets de papel, capturas de pago del móvil y la promesa de "luego lo apunto" que nunca llega.

El flujo con IA local:

  1. Haces una foto del ticket o captura de pantalla del pago
  2. Arrastras las imágenes a LM Studio
  3. El modelo lee cada imagen, extrae: comercio, fecha, importe y categoría
  4. Lo escribe directamente en un archivo CSV usando el MCP de sistema de archivos

El prompt que uso es algo así:

ice-tech
Tengo varias imágenes de tickets y pagos. 
Léelas una por una y extrae: comercio, fecha, importe y categoría (comida, transporte, ocio, hogar, otros).
Escribe cada entrada en /ruta/mis-gastos.csv.
Si el archivo ya existe, añade las filas al final. Si no, créalo con cabeceras.

Ventaja sobre ChatGPT: no estoy subiendo fotos de mis tickets a ningún servidor. El modelo local las procesa y las olvida al instante. Y si el CSV ya existe, lo actualiza sin tener que estar copiando y pegando nada.

El único cuidado: los tickets arrugados o con letra pequeña a veces se leen mal. Un vistazo rápido de 30 segundos al archivo antes de cerrarlo y listo.

2. Convertir notas de voz en apuntes estructurados

Las notas de voz son cómodas, pero luego tienes un montón de audios de 3 minutos que nunca reescuchas. La solución: pasarlos a texto y estructurarlos automáticamente.

El flujo:

  1. Grabas un audio con el móvil (ideas, reuniones, tareas pendientes)
  2. Whisper (local) lo transcribe a texto
  3. El modelo local toma ese texto y lo reestructura en notas organizadas con títulos, viñetas y secciones
  4. Lo guarda en tu gestor de notas (Obsidian, Notion, o un archivo de texto)

Para la transcripción uso Whisper con la librería RealtimeSTT de Python. Si no quieres tocar terminal, existe OpenWhispr que es todo gráfico.

Ventaja sobre ChatGPT: no estoy mandando audios de conversaciones personales o ideas de negocio a la nube. El audio se transcribe y procesa íntegramente en local.

3. Gestionar tareas desde una sola conversación

Tengo tareas repartidas en varias herramientas: Asana para el trabajo, Notion para proyectos personales, Google Calendar para fechas límite. Lo que hago es centralizarlo todo en una conversación con el modelo local.

El flujo:

  1. Le digo al modelo: "Apunta en Asana la reunión del jueves, en Notion la lista de la compra, y en Google Calendar el cumpleaños de mi hermana"
  2. El modelo, con los MCPs conectados, reparte cada tarea a su sitio
  3. Todo desde el mismo chat, sin abrir ninguna app

Para que funcione, cada aplicación necesita su MCP server. Muchas ya tienen uno oficial (Notion, Google Calendar) y para el resto se puede crear uno custom si tienen API.

Ventaja sobre ChatGPT: la información sobre mis proyectos y mi calendario no sale de mi máquina. Además, el modelo local conoce mis preferencias (le di una vez "las tareas personales van a Notion, las profesionales a Asana") y las recuerda sin tener que repetírselas cada vez.

Por qué no usar ChatGPT para todo

Las tres automatizaciones tienen algo en común: manejan datos que no deberían salir de tu ordenador. Mis gastos, mis notas de voz, mis tareas personales y profesionales — no quiero que OpenAI, Google o Anthropic los tengan.

La IA local no va a reemplazar a ChatGPT para según qué cosas. Para investigación, generación de ideas o tareas creativas, los modelos en la nube son imbatibles. Pero para tareas domésticas con datos sensibles, tener un modelo local corriendo en tu PC es una tranquilidad que no tiene precio.

¿Te animas a probarlo? LM Studio es gratuito, los modelos como Qwen 3.5 también, y con una GPU de gama media tienes de sobra. Una tarde de configuración y ya tienes tu propio asistente privado funcionando.

Artículo inspirado en How-To Geek: 3 things I automate with local AI