Modelo local

Seguridad y riesgos
Ética y gobernanza
Modelo ejecutado en infraestructura controlada por la persona u organización que lo utiliza, en lugar de depender de una API externa.
Fecha de última modificación

4 de septiembre de 2026

borrador concepto actualizada 4 sep 2026

Sinónimos: Modelo on-premise · Inferencia local · Local model

Definición ampliada

Un modelo local se ejecuta en dispositivos o servidores controlados por la persona u organización usuaria. La expresión suele contrastarlo con un modelo consumido mediante la API de un proveedor externo. «Local» describe el lugar y el control operativo del despliegue, no el origen del modelo ni una garantía automática de privacidad, seguridad o calidad.

Contexto histórico

La ejecución local era la forma habitual de desplegar muchos modelos antes de la expansión de los servicios de IA en la nube. Los modelos generativos de gran tamaño reforzaron inicialmente el uso de infraestructura remota por sus requisitos de cómputo. La posterior disponibilidad de modelos más pequeños, técnicas de compresión y equipos más capaces volvió viable la inferencia local para un número mayor de tareas.

Importancia actual

A fecha de agosto de 2026, el despliegue local se valora cuando importan el control de datos, la latencia, la continuidad sin conexión o la personalización. La decisión debe comparar esos beneficios con la responsabilidad de mantener el sistema, evaluar sus riesgos y aplicar controles durante todo su ciclo de vida [1].

Aplicaciones

Generales

  • Procesamiento sin conexión o con conectividad limitada.
  • Inferencia sobre información que no debe enviarse a una API externa.
  • Integración con sistemas internos y requisitos de latencia predecible.
  • Experimentación con modelos y configuraciones bajo control propio.

Sanitarias

  • Procesamiento de texto clínico dentro de una infraestructura autorizada.
  • Apoyo a tareas en centros con conectividad limitada.
  • Prototipos que requieren controlar registros, versiones y accesos.
  • Inferencia en dispositivos próximos al lugar donde se generan los datos.

Limitaciones

  • La organización asume actualización, monitorización y respuesta a incidentes.
  • Puede exigir hardware especializado y personal técnico.
  • Mantener datos localmente no evita accesos indebidos ni usos secundarios.
  • Un modelo más pequeño puede rendir peor en algunas tareas.
  • La procedencia, licencia y seguridad de los archivos del modelo deben verificarse.

Ejemplos

Un equipo puede ejecutar un modelo en un ordenador sin conexión para resumir documentos no sensibles. Un hospital podría alojar otro en servidores propios para procesar texto clínico, pero seguiría necesitando control de accesos, registros, evaluación del rendimiento y una base jurídica adecuada.

Relacionados

Referencias

1.
National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). National Institute of Standards; Technology. 2023. doi: 10.6028/NIST.AI.100-1
Volver arriba