LLM local vs IA en la nube: cómo decidir qué le conviene a tu empresa

Pongamos el caso de una cadena de tres clínicas dentales en Guadalajara. La administradora quiere que la IA le ayude con dos cosas: resumir los expedientes antes de cada cita y redactar las campañas de WhatsApp para recordar limpiezas. Le preguntó a dos proveedores distintos. Uno le dijo "todo en la nube, es lo más fácil". El otro, "compra un servidor, así nada sale de la clínica".

Los dos tenían parte de razón. Y ninguno le preguntó lo que importaba: qué datos toca cada tarea.

Esa es la pregunta con la que empezamos siempre. Lo demás (costos, velocidad, calidad) se acomoda después.

Las tres opciones, en corto

IA en la nube por API: tu sistema manda el texto a un proveedor (Anthropic, OpenAI, Google y otros), el modelo lo procesa en sus servidores y te regresa la respuesta. Pagas por uso. No compras ni mantienes nada.

LLM local: descargas un modelo de pesos abiertos y lo corres en un equipo tuyo, ya sea en tu oficina o en un servidor que controlas. Si quieres el detalle de hardware, herramientas y modelos, lo explicamos en qué es un LLM local y cómo ayuda a tu negocio.

Híbrido: las dos cosas, y una regla clara de qué va a cada lado.

Privacidad y lo que dice la ley mexicana

El 20 de marzo de 2025 se publicó en el Diario Oficial de la Federación una nueva Ley Federal de Protección de Datos Personales en Posesión de los Particulares, que sustituyó a la de 2010 y entró en vigor al día siguiente. Su texto vigente, con la última reforma publicada el 14 de noviembre de 2025, está en la página de la Cámara de Diputados. La autoridad que la aplica ya no es el INAI: la ley define a "la Secretaría" como la Secretaría Anticorrupción y Buen Gobierno.

Para este tema hay dos piezas que conviene conocer. La primera es el artículo 18: todo responsable debe mantener medidas de seguridad administrativas, técnicas y físicas, y para definirlas se toma en cuenta el riesgo, la sensibilidad de los datos y el desarrollo tecnológico. Un expediente médico no se cuida igual que una lista de precios.

La segunda es la diferencia entre una "persona encargada" y un "tercero". La ley llama persona encargada a quien trata datos por cuenta del responsable, y define la transferencia como la comunicación de datos a alguien distinto del titular, del responsable o de esa persona encargada. Un proveedor de IA que procesa tus datos solo para darte el servicio se parece más a un encargado que a un tercero, pero esa lectura depende del contrato y de lo que el proveedor haga con la información. Aquí no hay que adivinar: revisa los términos del proveedor y, si manejas datos sensibles, consúltalo con tu abogado. (No somos despacho legal, y este artículo no es asesoría jurídica.)

Lo que sí podemos decirte desde lo técnico: con un modelo local la conversación con el abogado es mucho más corta, porque el dato no sale de tu infraestructura. Eso no te exime de las medidas de seguridad del artículo 18, ojo. Un servidor local mal protegido es peor que una API bien configurada.

La cuenta del costo, sin hoja de cálculo

En la nube pagas por token, que es más o menos un pedazo de palabra. Los proveedores cobran por millón de tokens de entrada (lo que mandas) y por millón de tokens de salida (lo que el modelo responde), y la salida cuesta más. Para que veas el rango: en la tabla de precios de Anthropic, la entrada va desde 0.10 dólares por millón de tokens en su modelo más económico hasta 10 dólares en los más potentes, y la salida de esos modelos grandes llega a 50 dólares por millón. Además, si el trabajo puede esperar, su procesamiento por lotes cobra la mitad.

Traducido: si procesas pocos documentos al mes, la nube es baratísima y no tiene sentido comprar un servidor. Si procesas miles de documentos todos los días con un modelo grande, la factura crece en línea recta con el volumen.

En local la estructura es otra. Compras el equipo una vez. Luego pagas la luz (una GPU trabajando todo el día consume bastante), el espacio, el respaldo y, lo que más se olvida, las horas de la persona que lo mantiene. Ese costo es casi fijo: cuesta lo mismo procesar cien documentos que diez mil, mientras quepan en la capacidad del equipo.

Entonces la pregunta real es en qué volumen se cruzan las dos líneas. Y eso depende de tu caso. Nosotros casi siempre recomendamos empezar en la nube para medir el volumen real durante un par de meses, y con ese número en la mano decidir si vale la pena invertir en hardware. Decidir con el volumen imaginado es como comprar camioneta antes de saber cuántas entregas haces.

Calidad: la nube sigue adelante

Los modelos más capaces de los grandes proveedores se usan a través de su nube; no los puedes descargar a tu servidor. Los modelos abiertos han mejorado muchísimo, pero los que caben en un equipo razonable de oficina son más chicos.

¿Importa? Depende de la tarea. Para clasificar correos, extraer el RFC de una factura o resumir un contrato estándar, un modelo local bien elegido suele bastar. Para analizar un caso con muchas variables, redactar algo delicado frente a un cliente o escribir código complejo, la diferencia se nota.

Velocidad y escala

En local no dependes de internet y no hay ida y vuelta a otro país. Para una persona usando el sistema, puede sentirse muy rápido. Pero un equipo tiene un techo: si de repente veinte personas le preguntan al mismo tiempo, se forma fila.

La nube escala sola. Si en diciembre tu volumen se triplica, el proveedor lo absorbe (con sus límites de uso por cuenta, que también hay que revisar). Tu servidor local, no; o compras más equipo o esperas.

El patrón híbrido que más recomendamos

Regresemos a la clínica hipotética. Los expedientes tienen datos de salud, que son de lo más sensible que hay. Las campañas de WhatsApp son texto genérico de marketing. Tratarlos igual no tiene sentido.

Un esquema híbrido razonable se vería así:

1. 01Todo lo que trae datos personales sensibles (expedientes, contratos, nóminas) se procesa con un modelo local, dentro de la red de la empresa.
2. 02Si una tarea compleja necesita el modelo grande de la nube, el modelo local primero quita o reemplaza nombres, teléfonos y otros identificadores, y solo manda a la nube lo anonimizado.
3. 03Lo que no tiene datos personales (textos de marketing, descripciones de producto, respuestas genéricas) va directo a la nube, porque ahí la calidad gana y no hay nada que proteger.
4. 04Un registro guarda qué tarea fue a qué lado, para que puedas demostrarlo si alguien pregunta.

El paso dos tiene su chiste: anonimizar bien es más difícil de lo que parece, y hay que probarlo con casos reales antes de confiar en él. Pero el principio es sencillo. Lo sensible se queda en casa; lo pesado sale.

Técnicamente, esto no es tan complicado como suena. Varias herramientas locales exponen una API con el mismo formato que usan los proveedores en la nube, así que el mismo sistema puede hablar con los dos y una regla decide a dónde va cada petición. Lo que sí requiere trabajo es diseñar esa regla con cuidado y conectarla a tus sistemas, que es justo lo que cubrimos en cómo integrar IA en tu software.

¿Y entonces?

Si tus datos no son sensibles y tu volumen es bajo o variable, quédate en la nube y no le busques más. Si manejas información delicada en volumen alto y tienes a alguien que pueda administrar un servidor, el modelo local empieza a tener mucho sentido. Y si estás en medio, que es donde está la mayoría, el híbrido suele ser la respuesta.

Si quieres que revisemos tu caso con estos criterios, para eso son nuestras asesorías. Te decimos qué haríamos nosotros, aunque la respuesta sea "todavía no necesitas nada de esto".