IA en local para tu pyme: RTX Spark, Mac M5 y Strix Halo

Imagen generada con IA

Hay sectores donde meter datos en ChatGPT no es solo mala idea — es ilegal.

Un abogado que pega el borrador de un contrato en un modelo en la nube está incumpliendo el secreto profesional. Un médico que sube el historial de un paciente para que la IA le ayude a redactar el informe viola el artículo 9 del RGPD, que protege los datos de salud como categoría especial. Una asesoría fiscal que automatiza la lectura de declaraciones con ChatGPT transfiere datos a un procesador externo sin contrato de encargado de tratamiento en regla.

La solución no es renunciar a la IA. Es ejecutarla en tu propio ordenador.

En 2025 eso requería hardware caro o resultados mediocres. En 2026, tres plataformas cambian esa ecuación: el Mac M5 (disponible desde marzo de 2026), el Strix Halo de AMD (disponible desde principios de 2025) y el RTX Spark de NVIDIA (anunciado en Computex 2026, disponible en otoño de 2026). Los tres pueden ejecutar modelos de IA de 70.000 millones de parámetros — del tamaño de los que usan ChatGPT o Claude — en local, sin enviar ni un solo byte a un servidor externo.

Este artículo explica qué rinde cada uno, qué puedes automatizar con ellos y cuál le conviene a tu empresa según el sector, el presupuesto y el sistema operativo que ya usáis.

Por qué una pyme necesita IA en local

Antes de entrar en el hardware, conviene tener claro en qué casos la IA en la nube no es una opción:

Sectores con secreto profesional o datos especialmente protegidos. Abogados, médicos, psicólogos, asesores fiscales y contables trabajan con información que la ley protege de forma específica. Enviarla a un modelo externo — aunque sea para obtener un resumen o un borrador — implica transferirla a un tercero sin las garantías legales exigibles.

Empresas con información confidencial de clientes. Un estudio de arquitectura con los planos de un proyecto, una empresa de ingeniería con sus especificaciones técnicas o una pyme industrial con sus procesos de fabricación pueden no querer que esa información pase por servidores de OpenAI, Anthropic o Google.

Automatizaciones con RGPD. Si usas cualquier motor de automatización para procesar documentos con datos personales — contratos, facturas, albaranes con nombre de cliente — y la IA entra en el flujo, necesitas un contrato de encargado de tratamiento con cada proveedor externo. Un modelo local elimina ese problema de raíz: los datos nunca salen de tu infraestructura.

Coste a escala. Si tu automatización llama a la API de OpenAI miles de veces al día, el coste puede ser significativo. Un modelo local corre sin coste por inferencia una vez pagado el hardware.

La guía de cumplimiento del AI Act para pymes detalla qué obligaciones entran en vigor en agosto de 2026; el uso de IA local no elimina todas esas obligaciones, pero simplifica enormemente la gestión de la privacidad.

Los tres contendientes

Mac M5 — el que ya funciona, sin fricciones

Apple lanzó el MacBook Pro con M5 Pro y M5 Max en marzo de 2026 (Apple Newsroom, marzo 2026). La arquitectura unificada — CPU, GPU y memoria en el mismo chip — lleva varios años siendo la referencia para IA en local en portátil, y el M5 es el salto más grande hasta la fecha.

Lo que importa para inferencia local:

• M5 Pro: hasta 64 GB de memoria unificada, 307 GB/s de ancho de banda. Corre sin problemas modelos de 30B–40B parámetros cuantizados (Llama 3.3, Qwen2.5, Mistral).
• M5 Max: hasta 128 GB, 460–614 GB/s de ancho de banda. Entra en territorio de 70B sin comprometer velocidad.
• Herramientas como Ollama y LM Studio llevan años optimizadas para Apple Silicon vía Metal; la instalación se hace en diez minutos.
• El ecosistema macOS es el más maduro para este uso: MLX (el framework de Apple para inferencia local) exprime el hardware mejor que ningún otro stack en portátil.

Precio orientativo (julio 2026): MacBook Pro M5 Pro 14" desde ~2.900 € (24 GB) y el 16" desde ~3.300 €. El M5 Max con 128 GB ha llegado a ~8.114 € en la Apple Store española — más del doble de lo esperado en marzo, tras la subida del 25 de junio vinculada a la escasez global de LPDDR5x.

Limitación honesta: si ya trabajáis en Windows, cambiar de ecosistema tiene un coste real de adaptación. La versión de 128 GB (M5 Max) ha llegado a ~8.114 € tras la subida de precios de junio de 2026 — consecuencia directa de la escasez global de LPDDR5x explicada en detalle en escasez de RAM por la IA: precios 2026 y perspectivas 2027.

Strix Halo (Ryzen AI Max+ 395) — la potencia bruta en Windows

El Ryzen AI Max+ 395 es la apuesta de AMD para el mismo segmento: un APU (procesador + GPU en un solo chip) con 16 núcleos Zen 5, una GPU Radeon 8060S de 40 unidades de cómputo y hasta 128 GB de memoria LPDDR5x unificada (AMD, 2025).

Para inferencia local, los números hablan solos:

• 100 tokens por segundo en modelos de 30B — velocidad cómoda para un solo usuario en tiempo real.
• 55 tokens por segundo en modelos MoE de 120B (como versiones de DeepSeek o Qwen).
• Cabe un modelo de 70B completo en memoria sin cuantización extrema, algo que ninguna tarjeta gráfica de consumo de NVIDIA puede hacer sola.
• El NPU de 50 TOPS ayuda con tareas de preprocesamiento.

En la práctica, el Strix Halo es hoy la mejor opción para Windows + IA local + volumen de inferencia, sobre todo en el rango 30B–70B. El motor de inferencia recomendado es Ollama con backend Vulkan/RADV o ROCm, que se integra con las herramientas de automatización que ya tengas en uso.

Precio orientativo (julio 2026): el ASUS ROG Flow Z13 con 128 GB de LPDDR5x está en ~4.099 € en España; el Framework Desktop con la misma configuración, ~3.919 € en Europa. Los modelos de 32–64 GB siguen más accesibles (1.800–2.500 €).

Limitación honesta: el soporte ROCm de AMD en Windows todavía es menos maduro que CUDA de NVIDIA o Metal de Apple. Para algunos modelos, la configuración requiere ajustes manuales. AMD anunció en CES 2026 dos nuevas variantes (Ryzen AI Max+ 392 y 388) y tiene previsto un refresh con la arquitectura Gorgon Point (Ryzen AI Max 400) para el tercer trimestre de 2026.

RTX Spark — el más potente, todavía no disponible

NVIDIA presentó el RTX Spark en Computex 2026 el 31 de mayo (NVIDIA, mayo 2026). Es la apuesta más ambiciosa de las tres: un superchip Arm que combina una CPU Grace de 20 núcleos con una GPU Blackwell de 6.144 núcleos CUDA de quinta generación y soporte de precisión FP4.

En papel, los números son los más altos de la categoría:

• 1 petaflop de rendimiento FP4 en IA.
• Hasta 128 GB de memoria unificada, conectada al procesador mediante NVLink-C2C — el mismo enlace que usan los sistemas de IA de centros de datos.
• Capaz de correr modelos de 120.000 millones de parámetros en local según NVIDIA (Tom's Hardware, mayo 2026).
• Formato portátil: 14–16 pulgadas, 14 mm de grosor, menos de 1,4 kg.
• Fabricantes confirmados: ASUS, Dell, HP, Lenovo, Microsoft, MSI, Acer y Gigabyte.

El ecosistema CUDA — el estándar de facto en IA durante una década — hace que prácticamente cualquier herramienta de IA local (Ollama, llama.cpp, vLLM, ComfyUI) funcione de forma nativa y optimizada desde el primer día.

Precio: todavía no confirmado. Estimaciones para los modelos N1X (alta gama) apuntan a ~2.900 $ y para el N1 (entrada) a ~1.800 $ — equivalente a ~1.700–2.700 € antes de impuestos europeos. Habrá que esperar al lanzamiento en otoño de 2026 para cifras definitivas.

Limitación honesta: corre Windows on Arm, lo que puede generar incompatibilidades con software de empresa que no tenga versión nativa Arm. Al ser una plataforma nueva, el soporte de aplicaciones de gestión, ERP y herramientas sectoriales deberá confirmarse caso a caso antes de comprarlo.

Comparativa rápida

Actualización julio 2026 — Los precios de los modelos con 128 GB han subido entre un 20% y más del doble desde enero de 2026, impulsados por la escasez global de LPDDR5x vinculada a la demanda de centros de datos de IA. En escasez de RAM por la IA: precios 2026 y perspectivas 2027 explicamos las causas, qué esperar para 2027 y cómo tomar la decisión de compra en este contexto.

Por qué la memoria unificada lo cambia todo

Cuando ves una tarjeta gráfica con "12 GB VRAM" o "24 GB VRAM", esa memoria es exclusiva de la GPU: rápida para lo suyo, pero completamente separada de la RAM del sistema que usa el resto de aplicaciones. Esto crea un problema concreto para la IA en local.

Para ejecutar un modelo de lenguaje, todo el modelo tiene que caber en la memoria del procesador que lo ejecuta. Una RTX 4090 — hasta hace poco la mejor tarjeta de consumo de NVIDIA — tiene 24 GB de VRAM. Un modelo de 70.000 millones de parámetros en formato cuantizado ligero ocupa entre 35 y 40 GB. No cabe. El sistema intenta partir el modelo entre VRAM y RAM normal, la velocidad cae a 1–2 tokens por segundo, y la experiencia se vuelve inutilizable.

Los chips de esta comparativa resuelven eso por diseño. En el M5, el Strix Halo y el RTX Spark no hay separación: CPU y GPU comparten el mismo banco de memoria de alta velocidad. Lo que el ordenador tiene disponible es lo que el modelo puede usar completo, sin particiones ni cuellos de botella.

La regla práctica para saber qué modelos caben en tu equipo:

La memoria también determina el tamaño de contexto que puedes procesar: la cantidad de texto que el modelo puede leer de una vez. Con 16 GB el contexto útil ronda los 8.000–16.000 tokens (unas 10–20 páginas). Con 128 GB puedes trabajar con contextos de 128.000 tokens o más — un contrato extenso, un expediente completo, el historial de un cliente — sin que la velocidad se degrade.

Para una pyme que necesita analizar documentos largos, no es solo una diferencia de velocidad: es una diferencia de qué tareas son posibles.

Qué puedes hacer con IA en local

El motor de inferencia (Ollama, llama.cpp u otros) es la pieza que ejecuta el modelo. Para integrarlo en los procesos de tu empresa se conecta con las herramientas de automatización que ya uses o que elijas implementar. Algunos casos de uso habituales:

Lectura y resumen de documentos confidenciales. Un contrato, un historial clínico, un expediente de recursos humanos: se convierte a texto, pasa por el modelo local y devuelve el resumen o los puntos clave. Ningún dato sale del ordenador.

Clasificación y enrutamiento de correos. El modelo lee los correos entrantes, los clasifica por tipo de consulta o urgencia y los asigna al departamento correcto. Todo el texto — que puede incluir datos de clientes — se procesa en local.

Extracción de datos de facturas y albaranes. El modelo extrae los campos relevantes de un PDF y los vuelca en tu hoja de cálculo o ERP, sin mandar los datos de tus proveedores a ningún servidor externo.

Base de conocimiento interna. Con un vector store local (Qdrant, pgvector u otros) y un modelo de embeddings corriendo en el mismo equipo, montas un sistema de búsqueda semántica sobre tus propios documentos: procedimientos internos, manuales de producto, historial de casos, respondiendo preguntas en lenguaje natural.

Si ya tenéis flujos de automatización montados, en la mayoría de los casos integrar la IA local es sustituir la llamada a la API externa por una llamada al modelo local — el resto del flujo no cambia. Puedes ver ejemplos prácticos de cómo se estructuran estas automatizaciones en nuestra guía de automatización para pymes.

Para flujos más complejos en los que la IA toma decisiones en múltiples pasos, la arquitectura de agentes de IA aplica igual en local que en la nube — con la ventaja de que los datos nunca salen de tu infraestructura.

Cuál elegir según tu situación

Si ya trabajáis en Mac y queréis empezar cuanto antes: M5 Pro con 24 GB para modelos de 14B–30B, o M5 Max con 64–128 GB si necesáis 70B. El ecosistema Apple Silicon es el más maduro para inferencia local en portátil y la configuración es la más sencilla. Tened en cuenta que el M5 Max con 128 GB ha llegado a ~8.114 € en la Apple Store española tras la subida de precios de junio.

Si trabajáis en Windows y la privacidad es crítica ya: Strix Halo. Portátiles con Ryzen AI Max+ 395 disponibles ahora, rendimiento sólido en el rango 30B–70B, y precio de entrada más bajo que el M5 Max. Tened en cuenta la curva de configuración del stack ROCm, y que los modelos de 128 GB van de ~3.919 € (Framework Desktop) a ~4.099 € (ROG Flow Z13). Para una guía de compra con todos los equipos disponibles en España, ver hardware para LLMs en local: precios 2026.

Si podéis esperar a otoño de 2026 y queréis el máximo rendimiento: RTX Spark. El ecosistema CUDA de NVIDIA garantiza compatibilidad con prácticamente cualquier herramienta de IA, y las estimaciones de precio de entrada (~1.700–2.900 €) son competitivas respecto al hardware disponible hoy. Antes de comprar, verificad que vuestro software de empresa funciona en Windows on Arm.

Si el presupuesto es ajustado: los modelos de 7B–14B (Llama 3.2, Qwen2.5, Mistral Nemo) corren bien incluso en portátiles con 16 GB de RAM unificada, sin necesidad de los equipos de gama alta de esta comparativa. El límite no es la calidad del modelo — es el tamaño que podéis meter en memoria.

Una nota sobre el RGPD y la IA en local

Ejecutar IA en tu propio ordenador elimina la obligación de firmar un contrato de encargado de tratamiento con un proveedor de IA en la nube, porque los datos nunca salen de tu control. Pero no elimina el resto de obligaciones del RGPD: el registro de actividades de tratamiento, la base jurídica para procesar los datos y, si el sistema toma decisiones automatizadas que afectan a personas, el análisis de impacto.

La IA en local simplifica la privacidad — no la resuelve por completo. Si vuestra empresa maneja datos especialmente sensibles (salud, datos de menores, datos penales), consulta con un asesor legal antes de poner en marcha cualquier sistema, local o en la nube.

Cómo podemos ayudarte

La decisión de implementar IA en local implica elegir hardware, seleccionar el modelo adecuado para tu caso de uso, configurar el entorno, integrarlo con los sistemas que ya tienes y asegurarte de que el conjunto cumple con las obligaciones legales. Cada uno de esos pasos tiene sus propias variables, y la combinación correcta depende del sector, el tamaño del equipo y los procesos concretos que quieres mejorar.

En Happy Automating acompañamos el proceso completo:

• Análisis previo: qué procesos tienen restricciones legales para usar IA en la nube y cuáles no, y qué modelo de IA local tiene sentido para cada uno.
• Recomendación de hardware: qué configuración de memoria y plataforma necesita tu caso de uso, sin sobredimensionar ni quedarse corto — especialmente relevante con los precios actuales.
• Instalación y puesta en marcha: el motor de inferencia, la integración con tus aplicaciones actuales y la validación de que todo funciona como debe.
• Formación del equipo: cómo usar la IA local de forma eficaz y cumpliendo con el artículo 4 del AI Act — la obligación de formación en IA que lleva en vigor desde febrero de 2025.

Si no tienes claro si la IA en local es la opción adecuada para tu empresa, o si lo tienes claro pero no sabes por dónde empezar, pídenos una consulta: lo valoramos juntos sin compromiso.

En resumen

Tres equipos hacen viable hoy la IA en local para pymes con restricciones de privacidad: el Mac M5 (disponible, ecosistema maduro, mejor opción en macOS), el Strix Halo de AMD (disponible, 128 GB de memoria, mejor relación potencia/precio en Windows) y el RTX Spark de NVIDIA (más potente sobre el papel, disponible en otoño de 2026, ecosistema CUDA sin rival). La clave en todos los casos es la memoria unificada: determina qué modelos puedes cargar, qué contexto puedes procesar y, en última instancia, qué tareas son viables. Los precios de los modelos con 128 GB han subido entre un 20% y más del doble desde principios de 2026 — la escasez de LPDDR5x vinculada a los centros de datos de IA es real y duradera; si tienes un presupuesto ajustado, los modelos de 32–64 GB son la alternativa sensata para la mayoría de casos de uso en pymes. Si tu sector es legal, médico, financiero o cualquier otro con datos sensibles, implementar IA en local deja de ser una opción técnica y pasa a ser una decisión de cumplimiento — y de ventaja competitiva frente a quienes no pueden usar la IA por miedo a los riesgos legales.