Introducción: Construir algo real
Cuando hablamos de IA local, es fácil quedarse en modo de prueba. Ejecutar un modelo, lanzarle algunos prompts, comparar respuestas. Pero el verdadero valor comienza cuando empiezas a conectarla con tu trabajo. Cuando tu modelo local se convierte en una pequeña parte de tu flujo de trabajo real.
Ahí fue donde las cosas empezaron a cambiar para mí. En este artículo, explicaré cómo construí un asistente de IA ligero pero eficaz. Me ayuda a manejar datos de vulnerabilidades, clasificarlos y destacar lo que importa en función de las tecnologías que realmente uso. No es sofisticado. No responde. Pero me ahorra tiempo y mejora mi enfoque. Ese es el objetivo.
El problema que necesitaba resolver
Trabajo con información relacionada con la ciberseguridad procedente de muchas fuentes diferentes. Parte proviene de fuentes de amenazas. Parte de informes en línea. Parte en texto sin formato, otra en documentos largos y estructurados. El desafío siempre es el mismo: encontrar lo que es relevante para mí y hacerlo rápido.
Así que empecé a esbozar un proceso. Recopilo datos de algunas fuentes conocidas y luego uso un modelo local para:
-
Extraer lo importante.
-
Organizarlo según la gravedad de las vulnerabilidades.
-
Resaltar las que están relacionadas con mis propios sistemas y aplicaciones.
En lugar de leerlo todo manualmente, ahora obtengo una vista enfocada de lo que necesita mi atención. Solo eso cambia la manera en que manejo el día.
Cómo lo construí
Este asistente se ejecuta localmente. No uso la nube para ninguna parte. Ahora mismo, lo opero dentro de mi entorno de pruebas, usando LM Studio y modelos como DeepSeek o BOLT.
El proceso es simple. Pego los datos de vulnerabilidades en la interfaz y le doy una tarea como:
“Resume las vulnerabilidades por severidad. Incluye solo las que mencionen estos sistemas o aplicaciones”.
Aunque es un proceso sencillo, he intentado automatizar todo lo posible.
Para hacerlo, uso n8n para crear flujos de trabajo que controlan el flujo de datos entre distintos pasos. Me permite activar acciones en función de nuevas entradas, dar formato y enviar datos al modelo, y gestionar las respuestas sin necesidad de realizar pasos manuales.
En cuestión de segundos, obtengo una salida estructurada. Corta, directa y filtrada. A menudo detecta enlaces o problemas que podría haber pasado por alto. Y como nada sale de mi máquina, no tengo que preocuparme por pegar contenido sensible en una herramienta de terceros.
En cuestión de segundos, obtengo una salida estructurada. Corta, directa y filtrada. A menudo detecta enlaces o problemas que podría haber pasado por alto. Y como nada sale de mi máquina, no tengo que preocuparme por pegar contenido sensible en una herramienta de terceros.
Activación y planificación del flujo de trabajo
Ahora mismo, uso la entrada del teclado para activar el asistente. He probado la activación por voz, pero todavía no encaja con mi configuración. Es demasiado inconsistente.
Más adelante, cuando haya terminado de configurar mi nuevo escritorio, planeo integrar herramientas de automatización de bajo código como n8n. De ese modo, podré:
-
Extraer la entrada de documentos o fuentes de datos automáticamente.
-
Enviar esa entrada al modelo local.
-
Volcar el resultado en un resumen, un archivo o incluso un correo electrónico para mí.
Este tipo de flujo no requerirá copiar ni pegar manualmente. Podría ejecutarse según un horario o activarse con archivos entrantes. Hacia ahí es donde quiero ir a continuación.
Por qué creo que importa
No se trata de construir un producto. Se trata de mostrar cómo incluso una herramienta pequeña y enfocada puede marcar una diferencia real en tu trabajo diario. Un asistente local como este puede ayudarte a mantenerte al día con tus tareas, detectar lo que importa y evitar que desperdicies energía.
Ahí es donde se pone interesante. Una vez que funciona, tu forma de pensar se expande. Empiezas a preguntarte en qué más podría ayudar. Tal vez redactar propuestas. Revisar código. Redactar correos electrónicos. Crear notas de reuniones. Incluso soporte interno.
¿Y lo mejor? No necesitas la nube. No necesitas licencias. Es tuyo. Se ejecuta silenciosamente en segundo plano. Responde cuando le preguntas.
Reflexiones finales
Si te estás iniciando en la IA local, este es un buen paso para probar. Construye algo, aunque sea básico. Aunque se rompa de vez en cuando. El proceso de conectar un modelo con tu propio trabajo te enseña más que cualquier tutorial.
Y cuando empiece a ahorrarte tiempo, aunque sea en pequeñas cosas, sabrás que vale la pena.
En el artículo final, reuniré el panorama completo — hacia dónde se dirige la IA local y por qué creo que la propiedad personal de tus herramientas es más importante que nunca.
Markku Arvekari
Digital Transformation Expert
