Needle2: agente de IA de 14MB funciona en el celular

Cada vez que alguien de tu equipo hace clic en un botón que usa IA, sale dinero de la caja. Poquito, centavos, pero sale. Y si se cae internet, el botón deja de funcionar. Así fue como la mayoría de las empresas conoció la IA en los últimos años: un caño conectado a un servidor allá afuera, cobrando por gota. Ahora apareció un contrapunto interesante: un agente de IA que cabe en 14 megabytes y funciona dentro del propio aparato. Sin nube. Sin mensualidad. Sin caño.

Se llama Needle2, de Cactus Compute. Para que tengas noción del tamaño: 14MB es menos que una foto de celular moderno en alta resolución. Es menos que la aplicación de tu banco. Y ahí adentro cabe un modelo que logra entender un pedido, elegir una herramienta y ejecutar una acción.

Qué es un agente de IA que funciona en el aparato

Un agente de IA no es un chatbot que solo responde. Él decide qué hacer. Vos decís "agendá reunión con Juan el martes a la mañana", y él entiende el pedido, elige la función correcta (abrir agenda, revisar conflictos, crear evento) y devuelve el resultado. La conversación es el medio, la acción es el fin.

Lo que cambia en Needle2 es dónde ocurre esa decisión. En los modelos grandes, tu pedido viaja por internet, llega a un data center, se procesa y vuelve. En Needle2, todo ocurre en el procesador del propio celular, reloj, panel de control o robot. El pedido nunca sale del aparato.

Eso resuelve tres problemas que complican muchos proyectos de IA:

• Costo por uso. La nube cobra por token. El aparato no cobra nada después de que lo compraste.
• Internet. Una tablet en la planta con mala señal se vuelve un pisapapeles si la IA vive en la nube.
• Datos sensibles. Lo que no sale del aparato no se filtra en el camino.

"¿Pero 14MB no es demasiado tonto?"

Es la pregunta correcta. Y la respuesta honesta es: sí, es bastante más limitado que los modelos grandes.

Needle2 no va a escribir tu contrato, analizar un balance ni discutir estrategia. Fue entrenado para una cosa específica: entender un comando y llamar a la herramienta correcta. Eso se llama function calling, y es una tarea mucho más estrecha que "conversar sobre cualquier cosa". Modelo chico en tarea estrecha funciona bien. Modelo chico en tarea abierta hace macanas con total confianza.

La idea detrás es la misma que ya usás en tu negocio sin pensarlo. No llamás al contador para ver si se emitió la factura. Mirás el sistema. El contador entra cuando la pregunta es difícil.

No necesitás un cerebro gigante para apretar el botón correcto. Necesitás un cerebro gigante para decidir qué botón crear.

En la práctica eso se convierte en una arquitectura de dos pisos. El modelo chico, local, atiende el 80% de los pedidos repetitivos y simples. Cuando aparece algo fuera del patrón, le pasa la pelota al modelo grande en la nube. Pagás nube solo en el 20% que vale la pena.

Dónde toca esto tu negocio hoy

Voy con ejemplos concretos, porque "IA en el dispositivo" suena abstracto hasta que lo ves funcionando.

Equipo de campo. Técnico de mantenimiento, repartidor, vendedor externo. Abre la app, dice "el cliente rechazó la entrega, producto dañado", y la app llena el formulario, marca el motivo, saca la foto y guarda. Sin escribir nada. Si está en el subsuelo de un edificio sin señal, funciona igual. Sincroniza cuando vuelve.

Mostrador y recepción. Un tótem o tablet que entiende pedidos hablados y ya los carga en el sistema. No necesita internet estable ni contrato mensual con proveedor de IA por atención.

Máquinas y sensores. Panel de control industrial, sistema de riego, molinete. Cosas que necesitan responder rápido y no pueden depender de la latencia de la red.

Privacidad por defecto. Clínica, estudio jurídico, RR.HH. Situaciones donde mandar el contenido a un servidor de terceros es un problema legal antes de ser un problema técnico. Con procesamiento local, ese debate simplemente no existe.

Fijate en el patrón: en todos, el valor no está en la inteligencia bruta. Está en eliminar tipeo, eliminar dependencia de red y eliminar costo variable.

La cuenta que nadie hace al principio

Acá va la parte que separa el proyecto de IA que funciona del que muere en el tercer mes.

Imaginá 30 personas en campo, cada una con 40 interacciones por día. Son 1.200 llamadas diarias. En una API de modelo grande, con prompt y respuesta promedio, quedás en el orden de algunos cientos de dólares por mes. Parece barato. Después el uso se duplica porque la herramienta es buena. Después agregás otro flujo. Después entra la sucursal nueva. En un año, el costo variable se volvió una línea de planilla que alguien va a cuestionar en la reunión.

Con modelo local, esa línea es cero. El costo está en el desarrollo y en el aparato, que ya tenés. Es costo fijo, previsible, y no crece cuando crece el uso. Para un gestor, eso vale más que un 5% extra de precisión.

El otro lado de la moneda: el modelo local da más trabajo de armar. Tenés que definir muy bien qué herramientas puede llamar el agente, probar los casos borde, y tener un plan para cuando no entienda. No existe el "tiro el problema al GPT y rezo". Estás obligado a diseñar bien el flujo.

Lo cual, francamente, es bueno. La mayor parte de los proyectos de IA que fracasan, fracasan por falta de diseño, no por falta de modelo.

Cómo probarlo sin gastar un camión

Si te interesó, el camino no es comprar tecnología. Es elegir un problema chico y aburrido.

1. Encontrá la tarea más repetitiva de tu equipo. Esa de la que todos se quejan. Llenado de formularios, carga de datos, actualización de estados.
2. Contá cuántas veces ocurre por día. Si son menos de 50, probablemente ni necesites IA, necesitás un botón mejor.
3. Listá las acciones posibles. Si entran en una hoja, el modelo chico da abasto.
4. Probá con diez personas durante dos semanas. Medí el tiempo antes y después. Número, no sensación.
5. Recién entonces decidí escalar.

Este guion sirve para cualquier proyecto de IA, con Needle2 o sin él. El error clásico es empezar por la herramienta y buscarle un problema. Sale mal siempre, y queda un dashboard lindo que nadie abre.

Qué señala esto sobre los próximos años

El modelo grande en la nube no va a desaparecer. Para razonamiento complejo, análisis y creación, sigue siendo imbatible.

Pero la dirección de la industria quedó clara: las tareas simples y repetitivas están bajando al aparato. Barato, rápido, offline, privado. Lo que era servicio se vuelve componente. Es el mismo camino que ya hicieron la compresión de video, el reconocimiento de voz y el corrector ortográfico. Un día fue novedad cara en la nube, hoy es chip.

Para tu negocio eso significa algo práctico: no firmes contrato largo de IA para una tarea que es simple. El precio de esa capa tiende a caer cerca de cero. Guardá el presupuesto para donde la inteligencia realmente pesa.

Y si estás mirando tu operación ahora y pensando "hay unas tres cosas acá que encajan con esto", probablemente sea cierto. La parte difícil no es la IA. Es mapear el flujo, elegir qué automatizar primero y armarlo sin romper lo que ya funciona.

Es exactamente ese tipo de proyecto el que yo llevo adelante. Si querés conversar sobre tu caso, mirá cómo trabajo.

Un agente de IA que cabe en 14MB y funciona dentro del celular, sin nube y sin mensualidad.

Se llama Needle2. Es menos que la app de tu banco, y ya entiende un comando, elige la herramienta correcta y ejecuta.

No va a escribir tu contrato. Pero resuelve el 80% repetitivo del día a día: llenar formularios, cargar datos, actualizar estados. Offline, en un subsuelo, sin señal.

Y acá está la parte que le importa a la caja: costo variable cero. Pagás nube solo en el 20% que vale la pena.

El error clásico sigue siendo el mismo de siempre: empezar por la herramienta y después buscarle un problema.

Si miraste tu operación ahora y pensaste "hay unas tres cosas acá que encajan", probablemente sea cierto. Escribime y charlamos.

#InteligenciaArtificial #IA #Tecnologia #Automatizacion #Innovacion