Con una vieja PC, curiosidad y proyectos reales, también podemos construir una homelab útil, experimentar con IA local y desarrollar habilidades que importan.

Hay una tendencia bastante interesante en el mundo de la tecnología, especialmente entre desarrolladores, DevOps, sysadmins y entusiastas del self-hosting: construir una homelab.

Y no me malinterpretes. Me encanta ver a alguien montar sus propios servidores, experimentar con Kubernetes, desplegar servicios, automatizar procesos y aprender cómo funciona la infraestructura que utilizamos a diario.

También entiendo el atractivo de esos racks perfectamente organizados, con servidores empresariales, switches administrables, almacenamiento NAS, redes de alta velocidad y equipos que parecen sacados de un centro de datos.

Hay personas que disfrutan el hardware, tienen el presupuesto para construir esas instalaciones y realmente las aprovechan. No hay nada malo en ello. Una homelab impresionante puede ser una fuente de inspiración y un excelente entorno para experimentar.

El problema aparece cuando las fotografías de esas instalaciones empiezan a transmitir, intencionalmente o no, que tener más hardware significa saber más tecnología.

En redes sociales, es fácil impresionarse con un rack lleno de servidores y pensar que estamos viendo a alguien que domina DevOps, infraestructura o sistemas distribuidos. Pero una fotografía no nos dice qué sabe esa persona, qué problemas ha resuelto ni cuánto aprovecha realmente sus equipos.

Un rack costoso puede ser impresionante, pero no es un certificado de conocimientos.

Y para quienes estamos aprendiendo, trabajando con un presupuesto limitado o simplemente no queremos gastar miles de dólares en equipos, esa diferencia importa.

Porque podemos terminar creyendo que, antes de aprender Docker, Linux, redes o inteligencia artificial, necesitamos comprar una infraestructura que está muy lejos de nuestras posibilidades.

Yo creo que debemos cambiar esa perspectiva.

No necesitamos competir con los homelabs que vemos en Internet. Necesitamos encontrar una manera de aprender, experimentar y construir cosas útiles con los recursos que tenemos.

El problema de confundir una homelab con una colección de hardware

Una homelab es, en esencia, un entorno personal donde podemos experimentar con infraestructura, software, redes, automatización, almacenamiento y servicios.

No es necesariamente una instalación física enorme. Tampoco tiene que ser costosa.

Sin embargo, basta con entrar a algunas comunidades tecnológicas para encontrar fotografías de racks perfectamente organizados, servidores empresariales, sistemas de refrigeración, múltiples nodos y equipos que, en conjunto, pueden representar una inversión considerable.

Todo eso tiene su lugar. Si alguien necesita practicar arquitecturas distribuidas, estudiar redes avanzadas, ejecutar cargas de trabajo exigentes o prepararse para administrar infraestructura empresarial, disponer de varios equipos puede ser una ventaja.

Pero hay una diferencia importante entre necesitar hardware para resolver un problema y comprar hardware para después buscar qué hacer con él.

También hay una diferencia entre compartir un proyecto porque nos entusiasma y utilizar el tamaño o el costo de nuestra infraestructura como una forma de aparentar conocimientos.

No siempre podemos saber cuál es la motivación de alguien detrás de una publicación. Y tampoco hace falta asumir que todos los que muestran un rack lo hacen para presumir.

Lo que sí podemos cuestionar es la impresión que esas publicaciones pueden generar en quienes comienzan: que una homelab pequeña no es suficiente, que una vieja computadora no vale la pena o que necesitamos gastar mucho dinero para pertenecer a este mundo.

Antes de comprar un servidor, deberíamos preguntarnos:

• ¿Qué quiero aprender exactamente?
• ¿Puedo practicarlo con una máquina que ya tengo?
• ¿Qué problema real quiero resolver?
• ¿Este equipo me aporta algo que no puedo conseguir con software o virtualización?
• ¿Estoy comprando porque lo necesito o porque me entusiasma tenerlo?

No hay nada malo en disfrutar el hardware. El entusiasmo también es una razón válida para construir una homelab.

Lo que cuestiono es la idea de que gastar más dinero equivale a aprender más.

Mi homelab: una vieja Mac que todavía tiene mucho que ofrecer

En mi caso, no tengo un rack lleno de servidores. Tengo una vieja Mac que utilizo como una pequeña infraestructura personal.

Y aunque no sea el equipo más moderno del mercado, sigue siendo suficientemente útil para ejecutar servicios que resuelven necesidades concretas de mis proyectos.

Actualmente, en esa Mac tengo una API REST que expone diferentes funcionalidades. Algunas están relacionadas con el monitoreo del sistema; otras, con el procesamiento de contenido y la automatización.

La API también puede ser accesible desde fuera de mi red mediante un túnel, lo que me permite utilizar ciertos servicios desde mis otros entornos de trabajo sin tener que desplegarlos en un servidor comercial.

No monté todo esto para presumir de mi infraestructura. Lo hice porque necesitaba resolver problemas.

Y eso cambia por completo la manera de pensar una homelab.

En lugar de preguntarme qué equipo debo comprar para construir algo impresionante, me pregunto qué puedo hacer con el equipo que ya tengo.

Una API que me ayuda a ahorrar tokens en mis proyectos con IA

En mi flujo de trabajo utilizo Muse, un asistente de inteligencia artificial que me ayuda a desarrollar mis proyectos y trabajar con mis portales web. Lo utilizo para tareas como programar, analizar información, preparar contenido y resolver problemas relacionados con mis proyectos.

Precisamente porque utilizo una IA para muchas de estas tareas, he buscado maneras de evitar que todo dependa de ella. Algunas operaciones pueden ejecutarse directamente en mi propia computadora, sin consumir tokens innecesariamente ni recurrir a servicios externos.

Para eso utilizo mi homelab: una vieja Mac en la que tengo una API REST con diferentes herramientas que Muse puede aprovechar cuando las necesita.

La idea es sencilla: en lugar de pedirle a Muse que resuelva mediante un modelo de lenguaje cada tarea, puedo delegar ciertas operaciones en servicios que ya tengo funcionando en casa.

Por ejemplo, traducir un texto, comprimir una imagen o consultar las métricas de mi computadora no siempre requiere inteligencia artificial. Mi API puede encargarse de esas tareas y devolverle a Muse el resultado.

Así, Muse puede concentrarse en lo que realmente necesita razonamiento, mientras mi homelab ejecuta operaciones concretas.

No se trata de reemplazar la IA, sino de complementarla con herramientas propias y aprovechar mejor los recursos que ya tenemos.

La idea es que Muse pueda decidir cuándo necesita alguna de las herramientas que tengo en mi lab y utilizar sus resultados para continuar trabajando.

Por ejemplo, si estoy preparando contenido para mis portales, no necesito que el modelo invente una solución para comprimir imágenes o que utilice tokens para traducir cada párrafo cuando mi Mac puede hacerlo directamente.

Puedo enviarle el texto a mi API, recibir la traducción y utilizarla como parte del proceso.

La API no hace que todas las tareas sean gratuitas. La Mac consume electricidad, mantener los servicios requiere tiempo y algunas operaciones pueden necesitar recursos adicionales. Pero puedo reutilizar una infraestructura que ya poseo y reducir la dependencia de servicios externos para determinadas tareas.

Ese es un beneficio real de una homelab: no solamente aprender, sino construir herramientas que terminan formando parte de nuestro trabajo cotidiano.

Y fíjate que no necesité comprar un servidor empresarial para conseguirlo. Comencé con una computadora que ya tenía y una necesidad concreta.

¿Qué podemos hacer con una vieja PC?

No hace falta tener una Mac. Una computadora con algunos años de antigüedad puede servir para muchas cosas, dependiendo de su procesador, memoria, almacenamiento y estado físico.

Antes de descartarla, vale la pena evaluar qué puede ejecutar.

1. Montar servicios propios

Podemos instalar Linux y experimentar con servicios que normalmente utilizaríamos en la nube.

Algunas ideas:

Un servidor de archivos para compartir documentos entre nuestros equipos.

Un servicio de sincronización de archivos.

Un servidor de copias de seguridad.

Un servidor multimedia para organizar y reproducir contenido.

Una API propia para automatizar tareas.

Un servidor web para alojar aplicaciones y proyectos personales.

Con una sola máquina podemos aprender sobre permisos, usuarios, almacenamiento, redes, certificados, registros, actualizaciones y administración de servicios.

No necesitamos comprar cinco servidores para comprender cómo funciona uno.

2. Aprender Docker y DevOps

Docker es una excelente manera de comenzar a experimentar con infraestructura sin convertir nuestra casa en un centro de datos.

Podemos ejecutar diferentes aplicaciones en contenedores, administrar sus configuraciones y aprender a desplegarlas.

Por ejemplo, una vieja PC puede alojar:

Una API desarrollada con Python, Node.js o Go.

Una base de datos PostgreSQL.

Un servicio de monitoreo.

Un reverse proxy.

Un sistema de automatización.

Podemos utilizar Docker Compose para organizar varios servicios y practicar cómo se comunican entre sí.

Después podemos aprender sobre redes de contenedores, volúmenes persistentes, variables de entorno, logs, backups y despliegues.

Todo esto es conocimiento útil para trabajar en entornos profesionales.

Y si en algún momento necesitamos practicar Kubernetes, podemos comenzar con una distribución ligera o con un clúster virtualizado. No tenemos que comprar un rack completo para dar ese primer paso.

3. Construir una plataforma de automatización#

Una homelab puede convertirse en el lugar donde ejecutamos tareas repetitivas que normalmente hacemos manualmente.

Podemos automatizar:

• La descarga y organización de archivos.
• La generación de reportes.
• La publicación de contenido.
• La revisión de servicios y endpoints.
• La conversión de documentos.
• El procesamiento de imágenes.
• La ejecución programada de scripts.

Herramientas como cron, n8n, Python y otros sistemas de automatización nos permiten experimentar con flujos de trabajo reales.

En mi caso, el procesamiento de noticias, las traducciones y la optimización de imágenes son ejemplos de tareas que puedo integrar en un flujo editorial.

Una PC que parecía inútil puede terminar ayudándonos a producir contenido, ahorrar tiempo o simplificar nuestro trabajo.

4. Practicar redes y seguridad

También podemos utilizar nuestra homelab para aprender sobre redes.

Podemos configurar una red privada, experimentar con DNS, crear un reverse proxy, desplegar servicios internos y estudiar cómo se conectan los dispositivos.

Incluso podemos practicar el acceso remoto utilizando VPN o túneles seguros.

Aquí hay algo importante: exponer una API de nuestra casa a Internet requiere responsabilidad.

Debemos utilizar autenticación cuando corresponda, limitar los permisos, mantener el sistema actualizado y evitar exponer servicios administrativos innecesariamente.

Un túnel no convierte automáticamente una API en segura. Y que una aplicación funcione desde fuera de nuestra red no significa que debamos dejarla abierta sin controles.

La seguridad también forma parte del aprendizaje.

¿Y qué hay de la inteligencia artificial local?

Este es uno de los temas que más me interesan porque conecta directamente con la idea de aprovechar los recursos que ya tenemos.

Hoy podemos ejecutar modelos de inteligencia artificial en nuestra propia computadora, sin enviar necesariamente cada consulta a un proveedor externo.

Herramientas como Ollama y llama.cpp permiten experimentar con modelos de lenguaje que pueden ejecutarse localmente.

Pero aquí conviene mantener los pies en la tierra.

No todas las computadoras viejas pueden ejecutar cómodamente cualquier modelo de IA.

El rendimiento dependerá de la memoria disponible, el procesador, la GPU, el tamaño del modelo y la cuantización utilizada.

Un equipo con poca RAM puede ejecutar algunos modelos pequeños, aunque quizá con una velocidad limitada. Una Mac con memoria unificada puede tener ventajas para determinadas cargas de trabajo, pero eso no significa que todos los modelos funcionarán bien en ella.

Antes de descargar un modelo enorme, podemos comenzar con uno pequeño y comprobar cuánto consume y qué tan rápido responde.

¿Para qué nos sirve una IA local?

Una IA local puede ayudarnos a:

• Resumir documentos.
• Clasificar textos.
• Extraer información de archivos.
• Generar borradores.
• Ayudarnos a escribir código.
• Crear un asistente personal para consultar nuestros propios documentos.
• Experimentar con embeddings y búsqueda semántica.
• Practicar la integración de modelos en nuestras aplicaciones.

También puede resultar útil cuando queremos reducir el envío de datos a servicios externos. Eso sí, ejecutar el modelo localmente no garantiza por sí solo que todo el sistema sea privado: debemos revisar también los registros, las aplicaciones que lo utilizan y las conexiones que realiza.

En mi caso, podría incorporar un modelo local a mi infraestructura y permitir que Muse delegue determinadas tareas en él.

Por ejemplo, podría tener un modelo pequeño encargado de clasificar noticias o generar un resumen inicial. Muse podría utilizar ese resultado para preparar un artículo más completo.

La arquitectura podría verse así:

     Muse (asistente de IA)
                |
                v
      API de mi homelab
                |
    +-----------+-----------+
    |           |           |
    v           v           v
Traducción   Procesamiento  Modelo
  offline      de imagen    local
    |           |           |
    +-----------+-----------+
                |
                v
         Resultado para Muse

No todas las tareas necesitan pasar por el modelo local. Algunas se resuelven con código convencional; otras requieren un modelo de lenguaje; y otras pueden necesitar un modelo más potente en la nube.

La clave es aprender a elegir la herramienta adecuada para cada operación.

Y si nuestro equipo no tiene suficiente capacidad para ejecutar un modelo local con un rendimiento aceptable, podemos comenzar aprendiendo cómo integrarlo desde una máquina más potente, sin necesidad de comprarla inmediatamente.

Una homelab también puede generar beneficios

Cuando digo beneficios, no me refiero necesariamente a ganar dinero vendiendo acceso a nuestros servidores.

Hay beneficios mucho más inmediatos.

Ahorrar dinero

Si una vieja computadora puede ejecutar un servicio que de otra manera contrataríamos, quizá podamos reducir algunos gastos.

No siempre será más barato. Debemos considerar la electricidad, el mantenimiento, las copias de seguridad, la disponibilidad y el tiempo que invertimos.

Pero para ciertos proyectos personales, una máquina que ya tenemos puede ser suficiente.

Ahorrar tiempo

Automatizar tareas repetitivas puede tener un impacto importante.

Si nuestra homelab procesa imágenes, traduce textos, organiza archivos o genera reportes, podemos dedicar más tiempo a las tareas que realmente requieren nuestra atención.

Aprender habilidades profesionales

Podemos practicar tecnologías que aparecen en puestos de desarrollo, DevOps y administración de sistemas.

Y, más importante aún, podemos construir proyectos que demuestren lo que sabemos hacer.

Una API documentada, una aplicación desplegada con Docker, un sistema de monitoreo o una automatización funcional pueden ser mucho más interesantes para explicar en una entrevista que una fotografía de un rack costoso.

Crear herramientas para nuestros propios proyectos

Este es, para mí, uno de los beneficios más valiosos.

En vez de aprender una tecnología únicamente mediante tutoriales, podemos aplicarla a algo que necesitamos.

Si tenemos un blog, podemos automatizar la generación de contenido. Si desarrollamos aplicaciones, podemos montar entornos de prueba. Si trabajamos con datos, podemos experimentar con bases de datos y pipelines.

La homelab deja de ser un pasatiempo aislado y se convierte en una herramienta de trabajo.

Cómo comenzaría una homelab sin gastar dinero

Si tienes una PC guardada en casa, yo comenzaría con un proceso bastante sencillo.

Paso 1: revisa el equipo.

Comprueba que funciona, cuánto almacenamiento tiene, cuánta memoria RAM dispone y si puede permanecer encendido sin problemas.

No necesitas comprar componentes inmediatamente. Primero descubre qué puedes hacer con lo que tienes.

Paso 2: instala un sistema operativo apropiado.

Si el equipo es compatible, puedes probar una distribución Linux ligera o una versión de servidor.

No tienes que instalar una interfaz gráfica si tu objetivo es administrar el equipo mediante SSH.

Paso 3: elige un solo proyecto.

No intentes instalar veinte aplicaciones el primer día.

Puedes comenzar con una API, un servidor de archivos, una aplicación en Docker o un servicio de monitoreo.

Paso 4: documenta lo que haces.

Guarda los comandos, las configuraciones y los problemas que encuentres.

Documentar te ayuda a aprender y te permite reconstruir tu infraestructura si algo falla.

Paso 5: piensa en el siguiente problema.

Cuando el primer servicio esté funcionando, pregúntate qué necesitas mejorar.

Quizá quieras automatizar su despliegue, monitorearlo, crear copias de seguridad o conectarlo con otro servicio.

Así puedes crecer gradualmente, en lugar de comprar equipos que todavía no necesitas.

No necesitas demostrar cuánto gastaste para demostrar lo que sabes

No estoy en contra de los racks, los servidores empresariales, las redes avanzadas ni de quienes disfrutan construyendo infraestructuras impresionantes.

De hecho, hay proyectos donde ese hardware es necesario y donde una homelab más grande permite aprender cosas que no podemos reproducir fácilmente con una sola computadora.

Si tienes los recursos, la curiosidad y un propósito para construir una infraestructura de ese nivel, adelante. Puede ser una experiencia extraordinaria.

Pero también quiero que quienes no tienen ese presupuesto sepan que no están fuera del juego.

No necesitas sentirte menos desarrollador porque tu homelab sea una vieja PC debajo de un escritorio. No necesitas comprar servidores para justificar que te interesa DevOps. No tienes que convertir tu casa en un centro de datos para comenzar a aprender sobre infraestructura.

Y tampoco necesitas demostrar tus conocimientos mediante la cantidad de hardware que posees.

Lo importante no es cuánto hardware tienes, sino qué eres capaz de construir, comprender y resolver con él.

Mi vieja Mac no tiene que parecer un centro de datos para ser útil.

Hoy puedo utilizarla para ejecutar APIs, automatizar tareas, experimentar con servicios y ayudar a una IA como Muse a trabajar mejor en mis proyectos.

Y eso es suficiente para seguir aprendiendo.

Si tienes una computadora que consideras obsoleta, antes de llevarla a reciclar, pregúntate qué podría hacer por ti.

Tal vez pueda convertirse en tu primer servidor, tu laboratorio de Docker, tu entorno de automatización o el lugar donde ejecutes tus primeros modelos de inteligencia artificial.

No necesitas comprar un rack para comenzar. Necesitas una idea, curiosidad y ganas de experimentar. Y, muchas veces, eso ya lo tienes en casa.