Un agente de IA en un día: prototipo local sin nube y sin desarrolladores

Cuando la dirección pide incorporar un agente de IA a un proceso de negocio, los requisitos suelen contradecirse: los datos no pueden salir a la nube, casi no hay presupuesto, faltan desarrolladores y el resultado se necesita para mañana. En la práctica, tiene solución. En una jornada laboral se puede montar un prototipo local de un agente de IA funcional con herramientas abiertas como Ollama y n8n. No hacen falta un equipo de especialistas, suscripciones en la nube ni una arquitectura compleja.

Por qué en local y no en la nube

Las API de LLM en la nube, como la de OpenAI, son cómodas, pero el coste crece con cada solicitud y los datos sensibles de la empresa pasan a manos de terceros. Es un riesgo para organizaciones con requisitos de confidencialidad. Un agente local sobre la plataforma Ollama se ejecuta directamente en el ordenador o servidor de la empresa: los datos nunca salen del perímetro y solo se paga la electricidad.

Principales ventajas del enfoque local:

• Los datos permanecen dentro de la empresa y no van a la nube
• Sin facturas por API, solo un gasto único en hardware
• Se puede trabajar en una red cerrada sin conexión constante a internet
• Independencia total de los servicios en la nube y de sus caídas
• Escalar es más barato con grandes volúmenes de solicitudes

Ollama y n8n: dos herramientas para construirlo

Ollama empaqueta grandes modelos de lenguaje en un contenedor. Se descarga un modelo ya preparado (Llama 2, Mistral, Deepseek, Phi y otros), se lanza con Docker y el modelo queda disponible mediante una API REST. Sin Python, sin configurar CUDA, sin pelear con dependencias. En 15 minutos el modelo está listo para responder a la primera consulta.

n8n es una plataforma de automatización sin código. Piensa en ella como un constructor de flujos de trabajo. Conectas Ollama como un nodo en el editor visual, enlazas fuentes de datos (CRM, Slack, correo, bases de conocimiento, archivos), creas una cadena de acciones y el agente empieza a funcionar. No hay que escribir código: todo se hace en una interfaz de arrastrar y soltar.

De cero a una demo funcional en un día

Este es un calendario orientativo para organizarlo en una jornada laboral:

• 09:00 — instalar Ollama y descargar el modelo elegido (40–50 minutos)
• 09:50 — configurar la API REST local y probar el modelo con curl (30 minutos)
• 10:20 — instalar y lanzar n8n por primera vez en la misma máquina (30 minutos)
• 10:50 — crear el primer workflow en n8n y conectar Ollama como nodo (1 hora)
• 11:50 — ajustar el prompt y probar con ejemplos sencillos (45 minutos)
• 12:35 — integrar una fuente de datos (por ejemplo, cargar documentos o conectar con Slack) (1 hora)
• 13:35 — depurar, corregir errores y comprobar casos límite (1 hora)
• 14:35 — mostrar el prototipo funcionando a la dirección

Es un calendario realista si no se obsesiona con la perfección. Lo importante es demostrar que la idea funciona.

Cuándo hace falta RAG: búsqueda en tus propios datos

Si el agente debe responder a partir de información interna de la empresa (informes, políticas, documentación técnica, FAQ, historiales de ventas), añade RAG (retrieval-augmented generation). n8n puede cargar documentos, crear sus embeddings (representaciones vectoriales) y, ante cada pregunta del usuario, buscar en vuestra base los fragmentos relevantes. El agente se vuelve bastante más útil porque no opera solo con lo aprendido en el entrenamiento, sino con datos propios de la empresa.

Qué significa en la práctica

Los agentes de IA locales dejan de ser experimentos y pasan a ser herramientas de trabajo. Una empresa de cualquier tamaño, desde una startup hasta una corporación, puede montar en un día un agente funcional que trabaje con datos y procesos internos, sin riesgo de fugas a la nube y sin facturas enormes. Esto importa sobre todo en el sector financiero, las administraciones públicas y la industria, donde la confidencialidad de los datos no es un deseo, sino un requisito estricto de la ley y de la política de seguridad.