Mis cámaras no le reportan a nadie
Cuando armé el sistema de seguridad de mi casa, lo hice con 7 cámaras 4K procesadas ahí mismo con Frigate, un software de grabación open source. La detección de autos, personas y rostros corre en un acelerador local. Hoy estoy replicando ese mismo sistema en mi nueva casa.
Las alertas son a medida. Si de noche entra un auto a la zona de la entrada, se prende la luz del garage durante cinco minutos; la regla está limitada a esa zona para evitar falsos positivos. Ningún video privado sale de la casa, no hay suscripción y no hay servidor de terceros.
El contraste más claro es Ring, la marca de cámaras hogareñas de Amazon, que procesa el video en la nube. Dos hechos recientes muestran lo que eso implica:
- Disponibilidad. El 20 de octubre de 2025, AWS tuvo una caída en su región US-EAST-1 que se extendió por más de 15 horas (ThousandEyes, 2025). Ring quedó entre los servicios afectados, junto con Snapchat y Venmo (Tom's Guide, 2025). Un sistema local siguió grabando y alertando.
- Privacidad. En septiembre de 2025, Ring lanzó Search Party, una función con IA que conecta las cámaras de un barrio para buscar mascotas perdidas y que viene activada por defecto (Biometric Update, 2026). El aviso del Super Bowl 2026 que la promocionaba generó un rechazo masivo por miedo a la vigilancia, y esa misma semana la marca canceló su integración con Flock Safety, una red de cámaras usada por fuerzas de seguridad (Fortune / AP, 2026). Dos meses antes había lanzado Familiar Faces, una función de reconocimiento facial para catalogar a quienes visitan la casa (TechCrunch, 2026).
Mi sistema hace exactamente lo mismo que Ring. La diferencia está en dónde queda el video y en quién decide qué se hace con él.
También falla, claro. Una vez se llenó el disco y los eventos de detección dejaron de cerrarse. En local, el problema es tuyo, pero la solución también: no esperás 15 horas a que un proveedor lo resuelva.
Si es tan bueno, ¿por qué no lo hacíamos antes?
Porque hasta hace dos años, correr un modelo propio era una curiosidad técnica con resultados mediocres. Eso cambió rápido:
- Desde enero de 2026, los mejores modelos de pesos abiertos están, en promedio, unos cuatro meses detrás de los modelos cerrados más avanzados (Epoch AI, 2026).
- Con una sola GPU de gama alta para gaming, con una placa de video de 8 o 12 GB, ya se pueden correr en local modelos equivalentes a los de la frontera de 6 a 12 meses atrás (Epoch AI, 2025).
Hay un matiz importante: el modelo abierto que de verdad alcanza a los de la frontera suele tener cientos de miles de millones de parámetros y necesita un servidor, no una laptop (Modelfit, 2026).
Para el negocio, eso alcanza y sobra. Quitar fondos, clasificar, resumir, detectar objetos o generar variantes no requiere el modelo más potente del mundo. Alcanza con uno muy bueno corriendo en tu propio equipo.
Qué gana tu empresa con la IA local
Tres beneficios sostienen la decisión de traer una carga de IA a casa: control del dato, continuidad operativa y costo predecible.
1. Tu dato deja de viajar a lugares que no conocés
Muchas veces, la fuga empieza con un empleado bien intencionado que pega información confidencial en una herramienta pública porque le resuelve el problema más rápido. Según el informe anual de IBM y el Ponemon Institute sobre costo de brechas, un nivel alto de shadow AI (empleados que usan herramientas de IA no aprobadas) sumó USD 670.000 al costo promedio de una brecha, y el 63% de las 600 organizaciones relevadas no tenía políticas para gobernar el uso de IA (IBM, 2025).
Prohibir rara vez funciona. Lo que sí baja el incentivo es darle al equipo una IA interna igual de útil, corriendo en infraestructura propia, donde el contrato, la base de clientes o el código nunca salen de la empresa.
Cuidar el dato del cliente también es una ventaja comercial. El 94% de las empresas relevadas por Cisco afirma que sus clientes no les comprarían si no protegieran bien sus datos (Cisco, vía Govtech Review, 2024), y el 95% considera que los beneficios de invertir en privacidad superan sus costos, con un retorno promedio de 1,6 veces lo invertido (Cisco, vía Outlook Startup, 2024). Para una marca, poder explicar con certeza dónde se procesa la información de sus clientes se traduce en confianza, en menos fricción con las áreas legales y de compras de sus propios clientes, y en un argumento concreto frente a la competencia.
2. Tu operación sigue aunque el proveedor se caiga
La caída de AWS de octubre de 2025 fue la de mayor impacto entre las 38 que IncidentHub, un agregador independiente de incidentes registró ese año, y afectó a cientos de proveedores SaaS al mismo tiempo (IncidentHub, 2025).
Las caídas son la dependencia más visible, pero hay otras: límites de uso, precios que suben, modelos que el proveedor cambia o discontinúa de un día para el otro. En la nota anterior veíamos cómo un proveedor de medición podía cambiar su metodología y obligar a toda una industria a recalibrar. Con los modelos de IA pasa exactamente lo mismo. Un modelo local sigue funcionando igual mientras vos decidas.
3. Tu costo deja de crecer con cada uso
Una encuesta de Cloudian a 203 decisores de IT encontró que el 93% de las empresas ya movió cargas de IA fuera de la nube pública, lo está haciendo o lo está evaluando, y casi la mitad señala lo imprevisible del costo cloud como una barrera (Cloudian, vía StorageNewsletter, 2026). Conviene leer el dato con cuidado: Cloudian vende infraestructura propia.
La regla práctica es simple. Si la carga corre todo el día, todos los días, el hardware propio se amortiza. Si es esporádica, la nube sigue ganando.
La velocidad aparece como beneficio extra en algunos casos: una alerta de cámara, un kiosco o una experiencia en un evento necesitan respuesta inmediata, y sin conexión la nube directamente no existe. Pero conviene no venderla como ventaja universal: un modelo local chico responde rápido, y un modelo grande en la nube sigue razonando mejor.
