Una pequeña empresa quiere clasificar solicitudes de presupuesto y extraer el servicio solicitado, la fecha y los datos que faltan. El resultado es un borrador para quien atiende el correo. Para elegir dónde ejecutar el modelo, yo empezaría por ese proceso y por los datos que necesita.
No hace falta enviar el historial completo del cliente si basta con el mensaje actual. Tampoco el borrador necesita decidir un precio o prometer una fecha. Reducir el alcance facilita comparar opciones sin convertir la prueba en un proyecto de infraestructura.
Tres formas de ejecutar el mismo trabajo
Supongo un escenario hipotético de 500 solicitudes al mes. Las tres opciones deben producir los mismos campos y pasar la misma revisión humana. No atribuyo a ninguna un precio o una calidad actuales.
| Opción | Dónde se procesa el texto | Qué costes y cuidado incluiría |
|---|---|---|
| API gestionada | En el servicio contratado | Consumo, integración, revisión y supervisión de cambios |
| Modelo de pesos abiertos en servidor privado | En la infraestructura contratada y configurada | Servidor, despliegue, actualizaciones, copias y soporte |
| Modelo de pesos abiertos en equipo local | En el equipo de la empresa, si el flujo no envía datos fuera | Equipo, electricidad, operación, seguridad y continuidad |
Una API gestionada evita operar el servidor de inferencia, pero sigues manteniendo la conexión y sus permisos. Revisaría qué datos recibe, durante cuánto tiempo los conserva y qué servicios intervienen. No asumiría que una API es pública en el sentido de hacer públicos los datos.
En un servidor privado, puedes controlar el despliegue del modelo, pero el alojamiento y las copias siguen teniendo proveedores y condiciones. En local, necesitas comprobar que el equipo sostiene el volumen y que los registros o las herramientas auxiliares no envían información fuera. Si el ordenador se apaga, el proceso deja de estar disponible salvo que hayas previsto otra forma de ejecutarlo.
Pesos disponibles no significa licencia uniforme
Poder descargar un modelo permite considerar un despliegue propio. No basta para concluir que cualquier uso está permitido. Mistral explica que las licencias varían entre sus modelos; revisaría la ficha y la licencia de la versión exacta antes de contratar su puesta en marcha.
También probaría esa versión con solicitudes reales autorizadas o ejemplos preparados para la prueba. Un despliegue local que produce más campos erróneos puede necesitar tanta revisión que deje de compensar. Comprar equipo no demuestra que el resultado sea útil.
En España, alojar cerca los datos no acredita por sí solo el cumplimiento. El RGPD, en sus artículos 28 y 32, contempla garantías del encargado y medidas de seguridad adecuadas al riesgo. La ubicación es una cuestión que revisar junto con contratos, accesos y tratamiento, no un certificado automático.
La condición para cambiar
Pediría que la extracción produzca un formato de campos que no dependa del proveedor y conservaría una muestra de evaluación. Antes de cambiar de modelo, comprobaría campos correctos, omisiones, tiempo de revisión y coste por solicitud aceptada. Adaptar la llamada es solo una parte: también pueden cambiar las respuestas.
Con 500 solicitudes, calcularía el gasto mensual completo y quién puede sostenerlo. Una combinación de proveedores puede tener sentido si hay tareas distintas que lo justifican, pero añade conexiones y responsabilidades. Para este borrador pequeño, preferiría empezar con una opción que cumpla los requisitos y tenga una salida documentada.
Fuentes
- Mistral: licencias de sus modelos abiertos — Consultado el 10-10-2026. Las licencias varían por modelo; deben consultarse sus condiciones concretas. No prueba calidad ni coste de un despliegue.
- RGPD: artículos 28 y 32 — Consultado el 10-10-2026. Regula las garantías del encargado y las medidas de seguridad adecuadas al riesgo; autoalojar no basta para acreditar cumplimiento en España.
Si estás decidiendo dónde procesar solicitudes o documentos, puedes contarme qué datos necesitan salir y quién mantendría el sistema.