Sam Altman cuestiona una de las promesas más atractivas de la inteligencia artificial: ejecutarla en tu ordenador. El consejero delegado de OpenAI sostiene que repartir memoria escasa entre equipos con poco uso puede ser ineficiente y defiende aprovechar esa capacidad en la nube.
Lo planteó ante John Collison en Cheeky Pint, el 29 de octubre. La discusión afecta a quien compra un PC para ejecutar modelos y a quien paga una suscripción: eficiencia y control pueden empujar en direcciones diferentes.
Qué dijo Altman sobre la memoria de tu ordenador
Altman cuestiona que los modelos abiertos resuelvan por sí solos las limitaciones de los centros de datos. Considera ineficiente reservar DRAM en ordenadores particulares si acaba usándose solo un 5% del tiempo.
Ese porcentaje es una estimación que introduce en la entrevista; el pasaje no aporta un estudio que mida todos los ordenadores. Tampoco contiene una propuesta de prohibir la IA local. Defiende concentrar trabajo en servidores para aumentar su utilización cuando la oferta de componentes es limitada.
La DRAM es memoria de trabajo, distinta del almacenamiento donde guardamos documentos. Un modelo necesita mantener sus pesos y otros datos accesibles mientras responde. Descargarlo no elimina esa necesidad: cambia el equipo que la asume.
Por qué la nube puede aprovechar mejor el hardware
Pensemos en un ordenador comprado principalmente para consultar un asistente durante unos minutos al día. El coste del equipo sigue existiendo cuando nadie lo usa. En un servicio compartido, las peticiones de distintos usuarios pueden sucederse sobre una misma infraestructura. Como razonamiento de asignación de capacidad, ahí está la fuerza del planteamiento.
Pero esa comparación depende del uso. Un equipo que ya existe y también sirve para trabajar no tiene el mismo coste adicional que una máquina dedicada exclusivamente al modelo. Tampoco es equivalente una consulta ocasional a una tarea que procesa documentos de forma continua.
Nuestra lectura es que contar usuarios o sumar gigabytes no resuelve la comparación. Haría falta observar carga real, consumo, rendimiento y coste para una tarea concreta. El porcentaje citado en una conversación no basta para decidir qué opción conviene a cada persona.
Lo que una IA local ofrece a cambio
La privacidad tiene un valor que no se mide en ocupación de servidores. Ollama explica en su documentación que no recibe los mensajes ni los datos cuando se ejecutan modelos localmente. También permite desactivar sus funciones de nube, que incluyen modelos remotos y búsqueda web.
Eso obliga a mirar cómo está montada cada aplicación: instalar un programa no significa que todo su procesamiento ocurra en el equipo. Un modelo local puede estar integrado en un flujo que consulte servicios externos. Para trabajar con información sensible, importa revisar la herramienta completa, sus conexiones y dónde terminan los archivos.
Como criterio práctico, el control también incluye elegir la versión del modelo y organizar el trabajo alrededor de una infraestructura propia. A cambio, hay que mantenerla y aceptar sus límites de velocidad o capacidad. La nube simplifica esa gestión, mientras que una instalación propia traslada más decisiones al usuario.
La propia OpenAI ya ofrece modelos para ejecutar fuera de su nube
Hay un antecedente que matiza una lectura demasiado tajante del comentario. En agosto de 2025, OpenAI presentó gpt-oss, sus modelos de pesos abiertos, bajo licencia Apache 2.0. La compañía señaló entonces que gpt-oss-20b podía funcionar en dispositivos con 16 GB de memoria y destacó usos locales y en infraestructura de las organizaciones.
Ese lanzamiento anterior no demuestra que cualquier PC pueda ejecutar cualquier modelo ni convierte ambas posiciones en incompatibles: distribuir modelos y discutir la eficiencia de su despliegue son decisiones distintas. Sí recuerda que ejecutar IA fuera de un servicio centralizado es una opción técnica que la propia empresa ha impulsado.
Para quien está pensando en usarla, la pregunta útil es qué tarea necesita resolver y con qué datos. Si basta un servicio remoto y el uso es esporádico, la comodidad puede pesar mucho. Si el trabajo exige mantener información en una infraestructura controlada, esa autonomía puede justificar un esfuerzo adicional. La intervención de Altman plantea un problema de recursos; la decisión del usuario incluye también confianza y control.