Un ChatGPT privado para tu empresa en tus propios servidores: qué hace falta y quién puede implantarlo

Un ChatGPT privado es un asistente de chat que funciona como ChatGPT, pero se ejecuta en servidores que controla tu empresa. El personal inicia sesión en una aplicación de chat que envía sus preguntas a un modelo de lenguaje alojado en esos servidores, y una búsqueda en tus propios documentos permite al modelo responder a partir de ellos. Cada una de estas piezas existe hoy como software de código abierto o con licencia.

El trabajo está en conectar esas piezas con el inicio de sesión de tu empresa, los permisos de los documentos y los logs, y después en operar el sistema. Tu equipo de TI puede montar una prueba piloto. Antes de que todos los empleados dependan de él, una empresa regulada debería contratar a un equipo que pueda mostrar cada uno de los requisitos de abajo funcionando en los propios sistemas de la empresa.

¿Por qué quieren las empresas un ChatGPT privado?

El personal no espera a que su empresa le dé herramientas de IA. En el Work Trend Index 2024 de Microsoft y LinkedIn, una encuesta a 31 000 trabajadores del conocimiento de 31 países, el 78% de los usuarios de IA dijo que llevaba sus propias herramientas de IA al trabajo.

En mayo de 2023, Samsung restringió temporalmente las herramientas de IA generativa en los dispositivos de la empresa y en sus redes internas, después de que en abril se filtraran por accidente datos internos a ChatGPT. TechCrunch informó de la preocupación de Samsung por que los datos alojados en servidores externos son difíciles de «recuperar y eliminar». La empresa dijo que estaba «revisando medidas para crear un entorno seguro en el que usar la IA generativa con seguridad».

En una encuesta a empresas financieras del Reino Unido que el Banco de Inglaterra y la FCA publicaron en noviembre de 2024, la protección de datos y la privacidad fueron la mayor restricción regulatoria percibida para el uso de la IA.

¿De qué se compone un ChatGPT privado?

«ChatGPT privado» no es el nombre de un producto de OpenAI. Describe un sistema montado a partir de piezas separadas, y un modelo de OpenAI, la empresa que está detrás de ChatGPT, puede ser una de ellas. Los proyectos de código abierto que se nombran abajo son ejemplos que puedes encontrarte en las propuestas, y este artículo no hace un ranking de ellos. Estas son las piezas:

• La aplicación de chat es la página web en la que el personal inicia sesión, hace preguntas, sube archivos y encuentra chats anteriores. LibreChat es un ejemplo de código abierto, bajo la licencia MIT. Su página del proyecto incluye el inicio de sesión corporativo mediante OAuth2 y LDAP, dos formas habituales de conectar una aplicación a las cuentas que el personal ya tiene. También funciona con cualquier servidor de modelos que acepte solicitudes en el formato del propio servicio de OpenAI, lo que se conoce como API compatible con OpenAI
• El servidor del modelo ejecuta el modelo de lenguaje en tu hardware y responde a las solicitudes de la aplicación de chat. vLLM es un ejemplo de código abierto. Su documentación dice que «implementa la Completions API de OpenAI, la Chat API y más», así que una aplicación de chat escrita para el servicio de OpenAI puede enviar sus preguntas a tu servidor en su lugar
• El modelo es un conjunto de archivos, llamados pesos, que carga el servidor. Cualquiera puede descargar y ejecutar un modelo de pesos abiertos, en las condiciones de la licencia de ese modelo. gpt-oss-120b de OpenAI, por ejemplo, se publica bajo la licencia Apache 2.0, y OpenAI dice que cabe en un único procesador gráfico (GPU) de 80 GB, como una NVIDIA H100
• La búsqueda en documentos permite al asistente responder a partir de tus propias políticas y contratos. Los documentos se dividen en fragmentos que se guardan en un índice de búsqueda, y los fragmentos que coinciden con una pregunta se pasan al modelo junto con ella. Los ingenieros lo llaman generación aumentada por recuperación (retrieval-augmented generation), o RAG
• El inicio de sesión debería pasar por las cuentas corporativas que el personal ya usa, para que cerrar la cuenta de un empleado también ponga fin a su acceso al asistente
• El historial de chats y los logs registran quién preguntó qué y cuándo, y qué respondió el asistente. Ambos son copias de tus datos
• La configuración de administración decide quién puede usar qué modelo, en qué colecciones de documentos puede buscar cada grupo, si se pueden subir archivos y durante cuánto tiempo se conservan los chats

Las licencias importan en cuanto toda la empresa usa el sistema. Open WebUI, otra aplicación de chat cuyo código es público, incluye inicio de sesión corporativo, grupos de usuarios y búsqueda en documentos integrada. Desde la versión 0.6.6 (abril de 2025), su licencia exige que el nombre y el logotipo de Open WebUI sigan visibles cuando un despliegue tiene más de 50 usuarios en un periodo de 30 días. Una licencia enterprise levanta esa regla, y también la levanta un permiso por escrito del proyecto a quien haya contribuido de forma sustancial. El proyecto dice que, por esa cláusula, su licencia no cumpliría los criterios de código abierto de la Open Source Initiative.

¿«Nuestra propia infraestructura» descarta ChatGPT Enterprise o Microsoft Copilot?

Sí, si «propia» significa servidores que controla tu empresa, porque OpenAI opera los servidores que hay detrás de ChatGPT Enterprise, y Microsoft, los que hay detrás de Copilot. Si tu equipo de cumplimiento acepta que un proveedor guarde los datos bajo contrato, ambos pueden seguir en la lista. El modelo que hay detrás de un asistente corporativo puede ejecutarse en tres lugares, y solo el tercero mantiene cada prompt y cada archivo en servidores que controlas:

• Con el plan empresarial de un proveedor, como ChatGPT Enterprise o Microsoft Copilot, el proveedor opera los servidores y tus datos quedan cubiertos por su contrato. La documentación de ChatGPT de OpenAI, consultada en octubre de 2026, describe la residencia de datos y la residencia de inferencia para los espacios de trabajo Enterprise. Ambas vinculan a una región elegida el lugar donde se almacenan los datos y el lugar donde se ejecuta el modelo, y la documentación dice que ambas «se aplican solo al contenido elegible y a las cargas de trabajo compatibles». Añade que «parte del procesamiento o de los índices sincronizados puede seguir reglas de ubicación distintas»
• Los proveedores de nube también venden servicios de modelos, como Azure OpenAI y Amazon Bedrock, que ejecutan el modelo en los centros de datos del proveedor. Tu aplicación de chat puede estar en tu propia cuenta en la nube, pero cada pregunta, con los fragmentos de documentos que la acompañan, va a ese servicio
• Un modelo de pesos abiertos puede ejecutarse en servidores que operas tú, en tu propio centro de datos o en máquinas virtuales de tu propia cuenta en la nube. Así, los prompts, los archivos subidos y los logs se quedan en sistemas que controlas, y los servidores y la seguridad del modelo pasan a ser tarea tuya, o del equipo que contrates

Los artículos sobre cómo añadir un modelo de lenguaje a tus propios sistemas y sobre cómo ejecutarlo en un perímetro cerrado, ambos enlazados arriba, entran en más detalle. Comparan el servicio de un proveedor, un servicio en la nube y servidores que operas tú. Las páginas enlazadas al final de esta página tratan el coste y los dos servicios en la nube.

¿Qué separa una prueba piloto de un asistente que tu personal usa a diario?

Una prueba piloto muestra si a la gente le resultan útiles las respuestas. El uso diario en una empresa regulada añade seis requisitos, y quien lo construya debería poder mostrar cada uno funcionando antes del lanzamiento:

• Cada persona ve solo los documentos que ya puede abrir. Microsoft fija esta regla para su propio asistente y escribe que Copilot «solo muestra datos de la organización para los que cada usuario tiene al menos permisos de visualización». El OWASP Top 10 for LLM Applications, una lista de los principales riesgos de seguridad del software basado en modelos de lenguaje, recomienda «almacenes de vectores y de embeddings que tengan en cuenta los permisos». Eso significa que el índice de búsqueda tiene que registrar quién puede leer cada fragmento
• Los documentos se tratan como entrada no confiable, porque un archivo puede llevar instrucciones ocultas. En un ejemplo de OWASP, un CV contiene texto blanco sobre fondo blanco que le dice al sistema que recomiende al candidato, y el modelo lo obedece cuando más tarde alguien pregunta por ese candidato. OWASP añade que responder a partir de tus propios documentos sirve para que las respuestas sean más precisas, y que la investigación muestra que eso no protege del todo frente a este tipo de ataques. Por eso el asistente solo debería redactar respuestas, y cualquier acción en otro sistema, como enviar un correo, debería esperar la aprobación de una persona
• Los chats, los archivos subidos y los logs se quedan en tus servidores durante el periodo que fije tu equipo de cumplimiento. Microsoft permite a los administradores usar sus herramientas de cumplimiento Purview para «establecer políticas de retención para los datos relacionados con las interacciones de chat con Copilot». Un asistente privado necesita el mismo control sobre la base de datos de chats, los archivos subidos, el índice de búsqueda y los logs del servidor del modelo, que pueden contener el texto completo de las preguntas. Tu equipo de cumplimiento debería poder consultar quién preguntó qué sin tener que pedírselo a un ingeniero
• Un conjunto de preguntas propias, cada una con su respuesta correcta, se vuelve a ejecutar después de cada cambio. Las personas que conocen las respuestas escriben las preguntas a partir de su trabajo real. Aquí, un cambio significa un modelo nuevo, instrucciones nuevas para el modelo o un lote grande de documentos nuevos. El artículo sobre el piloto, enlazado arriba, explica cómo construir un conjunto así
• La capacidad se dimensiona para la hora de más carga, porque una prueba piloto con un grupo pequeño dice poco de una mañana en la que buena parte de la oficina pregunta a la vez. Ollama es una herramienta para ejecutar un modelo en una sola máquina. En octubre de 2026, su documentación indicaba por defecto una solicitud a la vez por modelo, con las demás solicitudes esperando en una cola. La comparación entre vLLM y Ollama, enlazada al final de esta página, explica cómo gestiona cada uno a muchas personas preguntando a la vez
• Una persona concreta es responsable del asistente y puede apagarlo, o volver al modelo y la configuración anteriores, sin esperar al proveedor. El personal sabe dónde informar de una respuesta errónea

¿Quién puede implantar un ChatGPT privado en nuestros propios servidores?

Pueden implantarlo tu propio equipo de TI, un proveedor de software o un equipo de ingeniería. Cuál encaja depende de cuántas personas vayan a usar el asistente y de con qué tenga que conectarse.

Para una prueba piloto con un grupo pequeño, un equipo de TI que ya opera servidores Linux puede instalar una aplicación de chat y un servidor de modelos de código abierto y cargar un modelo de pesos abiertos. Para empezar puede bastar un modelo más pequeño, y OpenAI dice que su gpt-oss-20b funciona con 16 GB de memoria. Lee antes todas las licencias, incluida la de la aplicación de chat, y limita la prueba piloto a documentos que todo el grupo pueda leer, para que los permisos todavía no importen.

Un producto empaquetado, que un proveedor vende como software que instalas en tus propios servidores, puede servir para un chat sencillo sobre una biblioteca de documentos compartida. Pregunta con cuáles de tus sistemas se conecta y quién instala sus actualizaciones, y somételo a las cinco demostraciones de la sección siguiente, como harías con un desarrollo a medida.

Hace falta un equipo de ingeniería cuando el asistente tiene que funcionar con el inicio de sesión de tu empresa y con los permisos de varios sistemas. Lo mismo ocurre cuando debe conectarse con otros sistemas, como un sistema de gestión documental, o guardar logs que tu equipo de cumplimiento pueda leer. El equipo puede ser una empresa externa o ingenieros que se incorporan a tu equipo de TI. Acuerda antes de que empiece el trabajo quién operará el sistema tras el lanzamiento.

¿Cómo evaluamos a una empresa que se ofrece a implantarlo?

Antes de firmar, pide a cada proveedor cinco demostraciones. Siempre que puedas, usa una instalación de prueba con el inicio de sesión de tu propia empresa y documentos que tengas permiso para compartir con el proveedor:

• Inicia sesión como alguien que no tiene permiso para abrir un documento concreto y pregunta por él. El asistente debería responder como si el documento no existiera. Después retira a un compañero el acceso a un archivo en el sistema de origen y mide cuánto tarda el asistente en dejar de usarlo para ese compañero
• Haz que el proveedor muestre dónde se guardan los chats, los archivos subidos y los logs, y que borre delante de ti el historial de una persona. Después averigua qué queda en las copias de seguridad y en los logs, y cuándo se elimina
• Revisa el conjunto de preguntas de prueba que el proveedor vuelve a ejecutar tras una actualización del modelo y el registro de su última ejecución, y averigua quién escribió las respuestas correctas
• Pregunta para cuántas personas a la vez se dimensionó el sistema y pide ver la prueba de carga que respalda esa cifra. La prueba debería usar preguntas y documentos como los tuyos, con el número de usuarios que esperas en tu hora de más carga
• Comprueba que podrías operar el sistema sin el proveedor. El código, la configuración, los archivos del modelo, las preguntas de prueba y las instrucciones de operación deberían entregarse todos, y nada debería depender de los servidores ni de las claves de licencia del proveedor

¿Dónde encaja amBrain?

Sobre su propio trabajo con modelos de lenguaje, amBrain dice: «Hemos llevado a producción una integración de LLM dentro del perímetro FinTech de un cliente: extracción y normalización de avisos no estructurados de brókers y de centros de negociación —eventos corporativos, cambios de instrumentos y de márgenes— en registros estructurados que consume el sistema de trading». El cliente no se nombra, y no se publican cifras sobre el proyecto.

Este artículo no es un caso de estudio. No dice dónde se ejecutó el modelo en ese proyecto y no afirma que amBrain haya construido un ChatGPT privado, un asistente para el personal ni una búsqueda en documentos para ningún cliente. No da precios ni plazos.

amBrain desarrolla software desde 2019. amBrain trabaja en tres formatos: entrega completa, un equipo dedicado o ingenieros integrados en tu equipo. El cliente conserva la propiedad completa del producto y del código, salvo los componentes reutilizables de amBrain.

Escribe una página que diga cuál de los tres casos de arriba encaja contigo. Para cada uno de los seis requisitos, añade qué significa en tu empresa, por ejemplo qué sistemas contienen los permisos de los documentos y durante cuánto tiempo hay que conservar los chats. Envía esa página a amBrain, o a cualquier otro equipo de tu lista, y pide a todos los equipos las mismas cinco demostraciones.

Preguntas frecuentes

• ¿Será tan bueno como ChatGPT? Nadie puede saberlo antes de probarlo con tu propio trabajo. Pasa tu conjunto de preguntas por cada modelo que estés considerando y haz que las personas que conocen las respuestas califiquen los resultados. Para comparar con un servicio público, usa preguntas que no contengan datos de clientes
• ¿Podemos empezar con el modelo de un proveedor y pasar más adelante a nuestros propios servidores? Sí, si tu aplicación de chat accede al modelo a través de la API compatible con OpenAI. Hasta el cambio, envía al proveedor solo los datos que tu equipo de cumplimiento permita sacar de la empresa. vLLM implementa la misma API de chat, así que entonces la aplicación solo necesita la dirección de tu servidor y el nombre del modelo, siempre que no use ninguna función que solo ofrezca el servicio del proveedor. Vuelve a ejecutar tus preguntas antes de que el personal haga el cambio, porque las respuestas cambian con el modelo, y pregunta al proveedor cómo se eliminarán los datos que ya se le enviaron
• ¿Puede el personal subir sus propios archivos? Sí. Un archivo subido es una copia del archivo, que guarda la aplicación de chat y que a veces se añade al índice de búsqueda. Necesita el mismo periodo de retención que los chats y tiene que eliminarse con ellos. Decide si un archivo subido se queda en los chats de quien lo subió o si puede compartirse con un grupo