Investigadores suizos eliminan la necesidad de centros de datos para IA con software que distribuye modelos en redes locales, desafiando a los gigantes tecnológicos

Nuevo sistema de la EPFL permite ejecutar modelos de IA avanzados sin nube ni Big Tech, usando solo 4 PCs con GPU.

• IA local, datos bajo control.
• Menos energía, menos agua, menos dependencia.
• Redes de ordenadores comunes, trabajando como uno solo.
• Privacidad real, no promesas en la nube.
• Soberanía digital en manos de usuarios y organizaciones.

¿De verdad necesitamos grandes centros de datos para la inteligencia artificial?

Durante los últimos años, la inteligencia artificial ha pasado de ser una curiosidad técnica a convertirse en una herramienta cotidiana. Desde la redacción de textos y el análisis de datos hasta la gestión de historiales médicos o la atención al cliente, los modelos de IA se han infiltrado en procesos que manejan información sensible y estratégica. Y casi siempre ocurre lo mismo: la consulta sale del ordenador del usuario, viaja a la nube, se procesa en un centro de datos remoto y vuelve en forma de respuesta.

Ese viaje invisible tiene un coste. No solo en términos de privacidad y control de los datos, sino también en consumo energético, uso de agua para refrigeración y dependencia de infraestructuras que están en manos de unas pocas grandes empresas tecnológicas.

Investigadores de la Escuela Politécnica Federal de Lausana (EPFL) han puesto sobre la mesa una alternativa que cambia las reglas del juego: ejecutar modelos de inteligencia artificial avanzados de forma local, sin necesidad de enviar información a servidores externos ni depender de enormes centros de datos.

Conectar y usar: la IA distribuida se vuelve sencilla

El equipo formado por Gauthier Voron, Geovani Rizk y Rachid Guerraoui, del Laboratorio de Computación Distribuida (DCL), ha desarrollado un software que permite descargar modelos de código abierto y ejecutarlos dentro de una red local. Esta tecnología, convertida ya en una startup bajo el nombre de Anyway Systems, coordina varios ordenadores conectados entre sí para que funcionen como un pequeño clúster de cálculo.

La clave está en su enfoque de autoestabilización y tolerancia a fallos. Si uno de los equipos se apaga, entra otro en la red o cambia la carga de trabajo, el sistema se reorganiza solo. No hace falta un equipo técnico dedicado ni una infraestructura de centro de datos tradicional. En menos de media hora puede estar operativo en una red local sin que ningún dato salga al exterior.

Uno de los puntos que más llama la atención es el tipo de hardware necesario. En lugar de bastidores especializados que pueden superar fácilmente los 100.000 francos suizos, el sistema puede funcionar con varios ordenadores convencionales equipados con tarjetas gráficas comerciales. La diferencia no es solo económica, también es ambiental: reutilizar equipos existentes reduce la necesidad de fabricar nuevos dispositivos y alarga su vida útil.

Privacidad, soberanía y sostenibilidad

Cada vez que una organización envía información a la nube para que la procese un modelo de IA, se abre una cadena de preguntas difíciles de responder con total claridad. ¿Dónde se almacenan esos datos? ¿Se utilizan para entrenar otros modelos? ¿Bajo qué legislación quedan protegidos si cruzan fronteras?

Ejecutar la IA dentro de una red local cambia ese escenario. Los datos no salen de la organización, lo que refuerza la soberanía digital y facilita el cumplimiento de normativas como el Reglamento General de Protección de Datos en Europa. Para hospitales, administraciones públicas o empresas que manejan información crítica, esta diferencia es más que técnica: es estratégica.

Desde el punto de vista ambiental, el impacto también es relevante. Se estima que la mayor parte del consumo computacional asociado a la inteligencia artificial no está en el entrenamiento inicial de los modelos, sino en su uso diario, en cada consulta que se procesa. Ese flujo constante de peticiones es uno de los motores detrás de la expansión de grandes centros de datos, que requieren enormes cantidades de electricidad y agua para funcionar y refrigerarse.

Distribuir el cálculo en redes locales permite reducir la presión sobre estas infraestructuras centralizadas. No elimina el consumo energético, pero lo desplaza hacia sistemas más pequeños, cercanos y, en muchos casos, más fáciles de alimentar con energía renovable.

De la cadena de bloques a la inteligencia artificial

El origen de esta tecnología no está directamente en la IA. El laboratorio de EPFL llevaba años trabajando en sistemas distribuidos para resolver problemas de fiabilidad, optimización y privacidad en ámbitos como la cadena de bloques y las criptomonedas. Fue al aplicar esas mismas técnicas a los modelos de lenguaje cuando encontraron un encaje casi natural.

La idea de fondo es sencilla de explicar, aunque compleja de implementar: en lugar de confiar en una única máquina enorme, se reparte el trabajo entre muchas más pequeñas. Cada una aporta una parte del cálculo y el sistema se encarga de coordinarlo todo de forma transparente para el usuario.

En las pruebas piloto, este enfoque ha demostrado que se puede mantener la calidad y la precisión de los modelos con una ligera pérdida de velocidad en la respuesta. En muchos contextos, ese pequeño retraso es un precio asumible a cambio de mayor control, menor dependencia externa y una huella ambiental más contenida.

Mirando al futuro: la IA en casa y en la comunidad

Anyway Systems ha sido seleccionada en un programa suizo de apoyo a startups de inteligencia artificial y ya se está probando en empresas y administraciones. La tecnología todavía no está pensada para funcionar en un único ordenador doméstico, pero la historia de la informática sugiere que la miniaturización y la optimización avanzan rápido.

Hace décadas, un ordenador ocupaba una habitación entera y hoy cabe en un bolsillo. La posibilidad de que en el futuro se puedan ejecutar modelos avanzados de forma local, adaptados a las necesidades de cada persona o comunidad, no suena tan lejana.

Esto abre un escenario interesante para cooperativas energéticas, centros educativos o ayuntamientos pequeños que podrían compartir su propia infraestructura de IA, gestionada localmente y alimentada con energía renovable de proximidad. La tecnología deja de ser un servicio lejano y se convierte en una herramienta comunitaria.

Potencial

La posibilidad de ejecutar inteligencia artificial de forma local y distribuida abre puertas concretas, no solo teóricas. En el corto y medio plazo, este enfoque puede contribuir a:

• Empoderar a instituciones públicas para gestionar datos sensibles sin depender de proveedores externos
• Facilitar proyectos educativos donde los estudiantes aprendan a trabajar con IA en entornos controlados y de bajo impacto ambiental
• Impulsar iniciativas comunitarias que compartan recursos de cálculo alimentados por instalaciones solares o eólicas locales
• Reducir la brecha digital en zonas con conectividad limitada, donde el acceso continuo a la nube no siempre está garantizado

Más allá de la eficiencia técnica, la propuesta invita a repensar la relación entre tecnología, territorio y sostenibilidad. La inteligencia artificial deja de ser un servicio lejano alojado en naves industriales y empieza a parecerse más a una herramienta que puede integrarse en la vida cotidiana, en los barrios, en las escuelas, en las pequeñas organizaciones. Más cerca de las personas. Más consciente de su entorno. Y, con un poco de suerte, más respetuosa con el planeta.

Vía EPFL

Más información: Anyway Systems