Cada prompt que escribes en ChatGPT viaja a servidores que no controlas y queda registrado en infraestructuras sujetas a órdenes judiciales, como demostró la preservación masiva de conversaciones entre junio y septiembre de 2025. La IA local en Linux invierte la ecuación con Ollama o llama.cpp, porque tus preguntas no salen de tu máquina.
Este análisis compara lo que OpenAI sabe de ti con lo que realmente se queda en tu PC cuando ejecutas modelos abiertos, repasa las cinco vías principales para hacerlo en Linux y matiza la letra pequeña, porque local no siempre significa privado. Si vienes de las cinco opciones para ejecutar IA en local y proteger tus datos, aquí tienes el porqué técnico que faltaba.
¿Qué sabe OpenAI de ti cuando usas ChatGPT?
Todo lo que pegas en el cuadro de chat se procesa en servidores ajenos y queda potencialmente logueado bajo tu cuenta y sujeto a requerimientos legales. El dato más incómodo lo documentó en mayo de 2026 la comparativa de QWE AI Academy. Entre junio y septiembre de 2025, cada conversación de ChatGPT, incluidas las que los usuarios habían borrado, se conservó en los servidores de OpenAI por orden de un tribunal federal. No fue una filtración ni un error, fue el funcionamiento normal del sistema bajo presión judicial.
Conviene matizar que OpenAI ofrece controles de datos, como la exclusión del entrenamiento y los chats temporales, y que su API declara no entrenar con tus envíos. El problema es que esos controles son promesas de una empresa, no garantías criptográficas. Cambian con las condiciones de servicio, dependen de que actives la opción correcta y no te protegen frente a una orden judicial, una brecha interna o un cambio de política dentro de dos años. Tus documentos, tu código propietario y tus preguntas sobre salud o finanzas duermen en discos que no son tuyos.
En Argentina ya se vio la otra cara del mismo problema en septiembre de 2026, cuando el Ministerio Público Fiscal prohibió a sus fiscales introducir datos de causas en ChatGPT y otras IA públicas. Si una fiscalía entera asume que la nube pública es inadecuada para datos sensibles, quizá tu empresa debería plantearse lo mismo con sus propios documentos.
¿Qué se queda realmente en tu máquina con IA local?
Cuando ejecutas un modelo en tu PC con Ollama, LM Studio o llama.cpp, tus prompts no viajan a ningún servidor corporativo. La guía de InsiderLLM, publicada en febrero de 2026, lo resume con claridad. Tus preguntas, los documentos que pegues y tus patrones de uso se quedan genuinamente en tu máquina. Nadie entrena con tus datos y nadie lee tus conversaciones, porque no hay nadie al otro lado del cable.
Eso sí, local no significa invisible por arte de magia. Tus archivos siguen en tu disco, accesibles para cualquier malware que infecte tu equipo, y algunos frontales con telemetría pueden llamar a casa si no los configuras. La diferencia es de naturaleza jurídica y práctica. Con la nube dependes de la palabra de OpenAI. Con la IA local dependes de tu propio sistema operativo, que es exactamente el mismo riesgo que ya asumes con tu correo, tus fotos y tus contraseñas.
Un análisis forense publicado en arXiv en marzo de 2026 examinó los artefactos que dejan Ollama, LM Studio y llama.cpp en disco. La conclusión tranquiliza a medias. Los restos son los esperables de cualquier aplicación, historiales y cachés locales, sin exfiltración oculta en los tres motores. El matiz importante es que el estudio cubre los motores, no cada interfaz gráfica que puedas instalar encima, así que la auditoría del frontal concreto que uses sigue siendo tarea tuya.
Ollama, llama.cpp, Jan y compañía, ¿qué elijo?
Las cinco vías principales para correr IA en tu Linux cubren desde el clic y listo hasta el control total del hardware. La guía de inkeybit, actualizada en agosto de 2026, recomienda Ollama como puerta de entrada, y tiene razón para la mayoría.
- Ollama es la vía rápida. Instalas, descargas un modelo con una orden y dispones de un servidor de API local. Ideal si quieres resultados esta tarde.
- llama.cpp es el motor fundamental bajo casi todo lo demás, con máxima optimización de hardware y control granular de memoria, muestreo y servidores. Ideal si quieres exprimir cada gigabyte de VRAM.
- LM Studio ofrece la interfaz gráfica más pulida para descubrir modelos y chatear sin terminal. Ideal si vienes de ChatGPT y quieres la misma comodidad.
- Jan es una alternativa abierta de escritorio con buen equilibrio entre sencillez y control. Ideal si desconfías de binarios opacos.
- GPT4All y Open WebUI completan el mapa, el primero como app minimalista y el segundo como clon autohospedado de la interfaz de ChatGPT para toda la familia o el equipo.
La distinción clave, que explica muy bien la comparativa de Tecnobits de agosto de 2026, es que llama.cpp es el motor de inferencia fundamental mientras Ollama es una capa de abstracción que simplifica la gestión de modelos y expone un servidor de API. Como remata Context Wire en julio de 2026, la elección es control frente a conveniencia para tus modelos locales. Empieza por Ollama y baja a llama.cpp el día que necesites afinar la colocación de memoria o el muestreo.
| Enfoque | Tus prompts viajan a | Riesgo judicial | Dificultad | Coste |
|---|---|---|---|---|
| ChatGPT en la nube | Servidores de OpenAI | Conservación por orden judicial | Nula | Suscripción o límites gratis |
| Ollama en local | Ningún servidor | Solo tu disco | Baja | GPU o CPU que ya tienes |
| llama.cpp en local | Ningún servidor | Solo tu disco | Media | El mismo hardware, más rendimiento |
¿Qué modelo descargo primero?
Con el frontal elegido llega la segunda decisión, y aquí el catálogo abierto ayuda más que la marca. Los modelos de propósito general con 7.000 u 8.000 millones de parámetros son el punto dulce para un PC doméstico, porque caben en 16 GB de RAM con cuantización y responden con soltura en CPU, además de volar con una GPU modesta. La biblioteca de Ollama los sirve con una sola orden y la guía de inkeybit confirma ese umbral de hardware como punto de partida razonable.
| Modelo | Tamaño habitual | RAM orientativa | Ideal para |
|---|---|---|---|
| Llama 3.1 8B | 8.000 M | 16 GB | Propósito general y castellano correcto |
| Mistral 7B | 7.000 M | 16 GB | Respuestas rápidas con poco consumo |
| Qwen3 8B | 8.000 M | 16 GB | Multilingüe y código |
| DeepSeek-R1 8B | 8.000 M | 16 GB | Razonamiento paso a paso |
| Gemma 3 4B | 4.000 M | 8 GB | Equipos justos y portátiles viejos |
Empieza por Llama 3.1 en 8B si solo vas a descargar uno, porque su castellano es sólido y la comunidad ha publicado miles de ajustes para casos concretos. Si tu máquina anda justa de memoria, Gemma 3 en 4B funciona con 8 GB y deja espacio para el navegador y el resto de tus programas. Para programar, Qwen3 rinde por encima de su peso en completar código, y el destilado de DeepSeek-R1 muestra su razonamiento en voz alta cuando necesitas seguirle la pista a una deducción.
Descargar el modelo lleva minutos y usarlo no exige más ceremonia que abrir el chat del frontal. Prueba el mismo prompt delicado en el modelo local y en la nube durante una semana y compara qué pierdes en calidad frente a lo que ganas en tranquilidad. La mayoría de usuarios descubre que para resumir documentos, redactar correos y consultar sus propios archivos, el modelo casero sobra por todas partes.
¿Basta con instalar Ollama para ser privado?
No del todo, y aquí llega el matiz que separa al usuario cuidadoso del que solo se cambia de logo. La auditoría de privacidad de abril de 2026 en local-llm.net sometió a los frontales más usados a un análisis de tráfico de red a nivel de paquetes. Su titular lo dice todo. Local no siempre significa privado, porque algunos frontales emiten telemetría o cargan recursos remotos sin avisar con claridad.
La buena noticia es que todo eso se controla con tres gestos que llevan una tarde como mucho. Un modelo descargado no necesita internet para responder, así que el cortafuegos es tu mejor aliado.
- Desactiva la telemetría en los ajustes de cada aplicación antes del primer uso serio.
- Bloquea con el cortafuegos las salidas que el frontal no necesite para funcionar.
- Vigila el tráfico con Wireshark la primera semana y prueba con un documento sin importancia.
Argentina prohíbe a sus fiscales usar ChatGPT con datos de causas
Otro punto importante es el hardware. Un modelo de 8.000 millones de parámetros cabe en 16 GB de RAM y responde con dignidad en CPU, aunque una GPU con 8 GB de VRAM cambia la experiencia por completo. No necesitas la última gráfica para empezar, y la compra de Hugging Face por Nvidia confirma hacia dónde va la industria, hacia modelos abiertos que corren en tu casa. Empieza con un modelo pequeño, mide la velocidad y sube de tamaño solo si tu máquina lo pide.
¿Cuándo sigue teniendo sentido la nube?
La IA local no gana en todo, y conviene reconocerlo para no vender humo. Los modelos frontera con cientos de miles de millones de parámetros no caben en un PC doméstico, y tareas como el razonamiento matemático profundo o la generación de vídeo de calidad siguen viviendo en la nube. Si tu consulta no contiene nada sensible y necesitas la máxima capacidad, pagar la suscripción tiene sentido económico frente a comprar una GPU de 2.000 euros.
La estrategia sensata es mixta y la usan ya muchos equipos. Lo delicado, del código propietario a los datos de clientes, va al modelo local. Las dudas genéricas y la experimentación con lo último van a la nube con una cuenta separada y sin subir archivos comprometedores. Esa frontera clara entre lo privado y lo público es justo lo que la mayoría de usuarios no tiene, porque lo mezclan todo en el mismo chat.
Una regla práctica para repartir el trabajo entre ambos mundos evita depender de la memoria o del ánimo del día, porque la constancia manual falla justo cuando más prisa tienes y el atajo de pegar en la nube tienta demasiado.
- Lo delicado con nombres, cifras o clientes va siempre al modelo local de tu máquina.
- Las dudas genéricas y el aprendizaje de conceptos nuevos van a la nube sin archivos adjuntos.
- La experimentación con el modelo frontera se hace con cuenta separada y datos inventados.
El hackeo masivo de Hugging Face con 700 agentes de OpenAI recordó en septiembre de 2026 que hasta las plataformas centrales de la IA abierta son objetivo. La lección no es huir de la nube a ciegas, sino entender dónde duerme cada dato y elegir el riesgo con los ojos abiertos.
Tus prompts valen más que tu suscripción
Cada conversación que regalas a un servidor ajeno entrena, directa o indirectamente, al próximo modelo de otro. Cada conversación que procesas en tu Linux se queda contigo y desaparece cuando tú decides. Esa es toda la comparativa. Tus datos se quedan en tu máquina y obedecen únicamente tus reglas.
Instala Ollama esta semana, descarga un modelo de propósito general y úsalo durante unos días para tus consultas delicadas. Si la velocidad te convence, explora LM Studio o Jan para la familia. Si te pica la curiosidad técnica, baja a llama.cpp y aprende qué hay debajo. Y si blindar tu rastro digital te importa más allá de la IA, echa un ojo a cómo GrapheneOS protege tu móvil de Google, porque la privacidad que empieza en el PC debería continuar en el bolsillo.