Cuando se habla de un agente de IA autónomo programado por horario, la tentación es ir directo al modelo en la nube más pesado y a diez servicios externos. En la práctica, la autonomía no se rompe por el tamaño de la red neuronal. A un bot lo matan los filtros antispam de las redes sociales; a otro, las cuotas diarias y el miedo a filtrar la base de clientes a la nube. Veamos dos montajes de noviembre desde polos opuestos: un clipero en la nube con Grok Bot y un asistente offline en Mac con Ollama.
Pipeline en la nube con Grok Bot: agente autónomo para recortar y publicar clips con ciclo de aprendizaje
Nate Herk montó en Grok Bot un agente llamado Kenji y le entregó canales de clips de GTA 6 en TikTok e Instagram Reels. El bot tiene su propia computadora en la nube: puedes apagar la laptop y controlarlo todo desde el teléfono. El primer montaje tomó dos horas; siguiendo la guía, toma entre 30 y 60 minutos.
Nate le asignó un rol: «Eres el fundador y CEO de una empresa de clipping, y yo solo me siento en la junta directiva». Cada dos horas Kenji ejecuta su ciclo. Primero busca los mejores clips de las últimas 24–30 horas; la opción que mejor funcionó fue la gratuita Twitch Helix API (con Client-ID y OAuth da 800 puntos/min, 1 punto por petición). Luego verifica que en pantalla aparezca GTA 6 y no GTA 5, y descarta duplicados de otras cuentas.
Las redes castigan las resubidas simples. Por eso el bot activa visión por computadora: divide la pantalla (cámara web arriba, gameplay abajo), adelanta el mejor momento al inicio como «gancho flashback», vuelve al arranque, añade subtítulos y etiqueta al autor. Antes de publicar corre un auto-QA: revisa bordes del encuadre, ausencia de chat en pantalla y fuerza del gancho. Los videos listos pasan a la cola mediante Blotato o la alternativa más barata Zernio.
Lo más interesante ocurre tras publicar. A las 13:00 Kenji abre por su cuenta TikTok e Instagram, navega el feed y deja un par de likes temáticos para «calentar la cuenta» como un usuario real. En paralelo corre un health-check: si en una hora suma menos de 20 vistas, sospecha un view jail (límite de alcance) y baja el ritmo. Las métricas de vistas, likes, compartidos y comentarios regresan al ciclo: el bot actualiza su tablero, envía un resumen y ajusta la siguiente selección. Las reglas llevan frenos estrictos: cero DMs pagados, pausa de 2 horas tras editar el perfil, mención al streamer y prohibición de hacerse pasar por cuenta oficial de Rockstar.
Sin cuentos de dinero fácil. En las primeras 12 horas salieron 6 videos y quedaron 9 en cola; la cuenta sumó ~30 seguidores y 2,300 vistas. Hasta el 2 de diciembre el único objetivo es crecer en audiencia. Nate reconoce con franqueza que lanzar el bot no equivale a imprimir billetes, pero con cinco minutos diarios de mantenimiento el experimento vale la pena.
En el precio hace falta una corrección. Nate calcula $50/mes contando un plan Grok Bot de $15, pero según la tabla vigente de X Subscription el acceso a Grok Bot viene desde Premium ($30/mes) y no está en Plus de $8. Con Twitch Helix API gratis y Zernio gratis para 2 cuentas (luego $6/cuenta), arrancar cuesta **$30/mes**, y con Blotato Starter ($29/mes, hasta 20 cuentas, REST API y MCP) sube a ~$59/mes. A eso se suma el riesgo de strikes por recortar streams ajenos.
Asistente local sin internet en Mac: Ollama, Qwen 2.5 y voz Kokoro
El montaje de Julian Goldie ataca el dolor contrario: en los chats en la nube la cuota semanal se quema en un día, y subir allí solicitudes de clientes con correos y presupuestos resulta inseguro.
El «Jarvis» local corre en una Mac con Apple Silicon y 16 GB de RAM sin cuentas, claves de API ni npm install, abriéndose en localhost:7777. Los modelos los ejecuta Ollama. El «cerebro» es el modelo cuantizado (comprimido para laptop) de 3B qwen2.5:3b (~2 GB de RAM). De la búsqueda semántica se encarga el modelo de embeddings mxbai-embed-large (~335 millones de parámetros, ~670 MB en disco, 1–2 GB de RAM, Apache 2.0), que convierte notas en vectores directo en la máquina. La voz corre con el TTS local kokoro-onnx (~350 MB, código MIT, pesos Apache 2.0).
El sistema opera en cinco modos. Unplugged Mode corta toda conexión externa dejando solo la máquina local: el contador de tokens sube junto a ceros en llamadas a la nube y bytes enviados. Brain Sorter ordena la carpeta inbox, reparte archivos en directorios (Business, Ideas, People o nuevos) y arma un mapa de relaciones; ocho notas quedaron clasificadas en menos de un minuto.
Lead Desk puntúa solicitudes de 0 a 100 (hot, warm, cold), anota el motivo y redacta un borrador de respuesta subiendo los leads calientes arriba, sin que los datos salgan de la laptop. The Council («El Consejo») lanza un debate entre tres roles: Estratega busca beneficios, Escéptico detecta riesgos y costes ocultos, Operador traza el plan piloto. Los tres debaten en voz alta con distintas voces de Kokoro sobre un mismo modelo pequeño: «tres voces, un cerebro». Night Shift («Turno nocturno») toma antes de dormir una cola de cinco tareas (informe, ganchos de newsletter, plan de módulo, resumen de notas, bienvenida) y para la mañana deja listos los borradores.
Para que la Mac no se trabe, el agente resuelve tareas de una en una, descarga el modelo tras un par de minutos inactivo y libera la RAM al instante al cerrar la pestaña.
qwen2.5:3b va muy bien para notas personales, pero usa la licencia no comercial Qwen Research License y flaquea en análisis complejos. Para uso empresarial hay que cambiarlo por qwen2.5:7b (Apache 2.0) o gemma3:4b; tanto mxbai-embed-large como kokoro-onnx permiten uso comercial.
| Criterio | Clipero en la nube (Grok Bot) | Asistente offline (Ollama) |
|---|---|---|
| Entorno de ejecución | Máquina virtual en la nube | Mac local sin red |
| Ventaja principal | Ciclo con métricas y calentamiento | Cero cuotas y privacidad total |
| Riesgo principal | Shadowban y derechos de autor | Techo del modelo pequeño y licencia |
| Mejor escenario | Tráfico, redes sociales, monitoreo | Notas, leads, borradores nocturnos |




