Qué gráfica compraría hoy para la inteligencia artificial en local
Repaso mis dos gráficas, lo que acerté y lo que no, y los criterios que seguiría hoy según el presupuesto y el uso.
Cada entrada es una prueba con su problema, su método y su resultado. Filtra por lo que necesites resolver hoy.
Repaso mis dos gráficas, lo que acerté y lo que no, y los criterios que seguiría hoy según el presupuesto y el uso.
Visitas, anuncios, las primeras reseñas y la queja que ya había leído en las tiendas de otros.
Un mes con la versión de pago y la gratuita a la vez, con las mismas tareas, para ver qué cambia de verdad.
Tres semanas con mi modelo local de código como único asistente, y dónde se quedó corto.
El alta, las tarifas y el IVA que casi nadie cuenta, y cómo escribí fichas que alguien pudiera encontrar.
Siete días estudiando con la inteligencia artificial como profesora, y un examen al final para no engañarme.
Una instrucción mía, un agente obediente y las copias de seguridad que desaparecieron por hacerme caso.
Estudio de mercado, las normas que hay que conocer antes de subir nada y los primeros diseños, con sus primeros fallos.
La máquina no rellena mi hoja sola; propone en una columna aparte y yo decido.
Un mes de conversaciones reales en una tienda: qué resolvió solo, qué errores repitió, cuánto costó y si se queda.
Las horas, los euros, los fallos y los clientes de mi aplicación de pago, al cierre del experimento.
Monté un servidor alquilado con Windows para el programa de un cliente y eché cuentas.
Repasé las imágenes y los textos de mis propios casos para saber qué puedo hacer con ellos.
Subí a producción la aplicación que hicieron los agentes, encontré lo que su despliegue dejaba abierto y cobré las primeras cuotas.
Comprimo yo mismo un modelo con llama.cpp a varios tamaños y mido qué se pierde en mis tareas.
Dos semanas de trabajo, una sin contexto fijo y otra con un fichero de instrucciones, y lo que cambió.
Tiré el primer intento, empecé de nuevo con un plan y aprendí que el resumen del agente no es el código.
Durante un mes dejé que un asistente propusiera y colocara mis citas y mis bloques de trabajo.
La app salió; subirla a una tienda de aplicaciones era otra carrera, y no hizo falta correrla.
Antes de pedirle una sola línea de código a un agente, quise saber si alguien iba a pagar por lo que quería construir.
Qué obliga de verdad a una empresa pequeña que usa asistentes y chatbots, leído con mis propios casos al lado.
Las mismas tareas de principiante en cuatro asistentes gratuitos, y cuál recomendaría a cada persona.
Los números de las ocho semanas, lo que hicieron los agentes, lo que siguió siendo trabajo mío y lo que me llevo.
Lo monté para una tienda real: qué contesta solo, qué pasa a una persona y cómo se entera el dueño.
Puse un modelo pequeño en un servidor alquilado sin gráfica para ver hasta dónde llegaba.
Qué pasó cuando la tienda empezó a vender y un agente se puso a contestar a los clientes.
Preparo desde cero un portátil con una gráfica de 8 GB, como lo haría alguien que empieza, y cuento lo que va y lo que no.
Encadené arreglos pedidos en lenguaje natural y acabé persiguiendo el mismo error en círculos.
Las fichas, los diseños y la publicidad de la tienda, en manos de los agentes y bajo mi lupa.
Vuelvo sobre el sistema de correo que monté, lo mido otra vez y cuento qué ha sobrevivido al uso diario.
Monté la web de un conocido sin gastar un euro, hasta el momento en que hubo que gastar alguno.
Qué vendo, dónde la monto y qué agentes la llevan, con qué permisos cada uno.
Revisé casi cuatro años de conversaciones y encontré cosas que no debían estar ahí.
Intenté la promesa de "2.300 € al mes con cuentos infantiles": cómo elegí el nicho, las reglas que me puse y la primera semana.
Tres usos pequeños con retorno rápido antes de gastar en consultoría o desarrollo.
Datos de clientes, RGPD, AI Act y de quién es lo que genera la IA, en práctico.
Del papeleo manual a que la IA prepare borradores, sin quitar la revisión humana.
Bots, spam, ataques e intentos de abuso desde el primer día, y las protecciones mínimas.
Pongo a prueba la promesa con los asistentes actuales y mido qué me ahorra a la semana.
Nadie compra un flujo automatizado, compra un problema resuelto. Lo que hace falta de verdad.
Cursos, packs de prompts y herramientas intermedias: lo que esta serie de artículos ha ido descartando.
Veredicto con números, lo que haría distinto y qué queda de la promesa.
Una necesidad concreta resuelta con una pequeña aplicación hecha con IA, de la idea a usarla cada día.
Los números de diez semanas: ingresos, gastos, horas y lo que dicen.
Decisiones, textos, compras y trabajo: lo que mejoró, lo que empeoró y dónde dejé de pensar.
Anuncios, redes y SEO hechos con IA: lo que gasté y lo que llegó.
Logotipo, fotos de producto y publicaciones: qué sale usable y qué se nota.
Lo que montar el servicio de asistentes para comercios costó de verdad en dinero, horas y sustos.
Probé los trucos ocultos y el prompt perfecto. Lo que queda: pocos principios que sí cambian el resultado.
Qué negocio montar según lo que ofrece internet, y con qué criterio lo elijo.
Los MCP que uso a diario, cómo se instalan y qué riesgo tiene darle acceso a todo.
Coste, esfuerzo y lo que haría distinto después de tres años con las dos redes.
Cómo lo monté, qué falló y qué contesta cuando no sabe la respuesta.
Dónde vive cada agente y cada modelo, y por qué ahí.
Lo que antes exigía montar flujos ahora se le pide a la IA. Cuándo sigue teniendo sentido.
Qué tengo en cada máquina y por qué, sin guerras de sistemas.
Con agentes y arneses, para qué sigo abriendo una ventana de chat.
Lo que hago en cada máquina nueva antes de ponerla a trabajar.
Qué hacen bien, qué cuestan y qué datos les doy y cuáles no.
Para qué uso cada red y qué corre en cada sitio.
Permisos, errores, costes y por qué hay que vigilarlos: lo que me ha pasado de verdad.
Balance honesto: lo que hago con IA local que no haría en la nube, y lo que no compensa.
La web sale en una tarde; el dominio, el despliegue, los formularios y el RGPD no.
Lo que rodea al modelo para que sirva de algo: interfaces, RAG, conexiones y scripts.
Para qué me sirve de verdad, qué hace mejor que un chat y dónde se queda corto.
Ollama, LM Studio, llama.cpp y Unsloth: para qué uso cada uno.
Primeras semanas con los pies en el suelo: qué es, qué he conseguido y qué no.
Más de 50 modelos probados: cuáles uso, cuáles borré y qué es una cuantización.
El resultado de meterlo en mi trabajo real, comparado con lo que ya uso.
Qué máquinas y qué GPU uso para correr modelos en casa, y qué haría falta para empezar.
ChatGPT, Claude, Gemini, Copilot, DeepSeek, GLM, Kimi y MiniMax: dónde está el límite.
Lo que me hizo cambiar, lo que echo de menos y para qué sigo usando OpenAI.
El montaje que hay detrás de todo lo que cuento en este blog.
Prueba a quitar alguno. Si crees que este caso debería existir, puedes proponerlo.
Quitar filtrosUn correo a la semana con lo que se ha verificado, lo que se ha refutado y lo que sigue en el banco. Sin resúmenes de noticias.