Conclusiones clave
- Home Assistant tiene una integración con Ollama incorporada; un modelo local se convierte en el agente de conversación
- Controlas dispositivos en lenguaje natural en lugar de memorizar frases exactas
- El modelo puede ejecutar automatizaciones contextuales que las reglas rígidas no expresan
- Todo corre en tu hardware: sin nube, sin datos de uso saliendo de casa
- Un modelo pequeño con function-calling en un mini PC basta; una GPU o iGPU/NPU capaz reduce la latencia
- Orden de montaje: primero Home Assistant, luego Ollama, luego conectar el agente de conversación, luego añadir voz local
Qué significa ejecutar tu smart home con un LLM local
Significa que un modelo de lenguaje alojado localmente se sitúa entre tú y tus dispositivos, traduciendo la intención en lenguaje natural a acciones de Home Assistant y tomando decisiones de automatización que una regla fija no podría. El LLM cumple dos papeles: agente de conversación (tú hablas, él actúa) y cerebro de automatización (razona sobre el contexto).
- Agente de conversación: dices o escribes "pon el salón acogedor" y el modelo asigna esa intención a llamadas concretas de dispositivos: atenuar luces, fijar un color cálido, bajar las persianas.
- Cerebro de automatización: en lugar de un disparador → una acción, el modelo puede sopesar el contexto: hora del día, quién está en casa, estados de sensores y un objetivo en lenguaje natural.
- Local por diseño: el modelo corre vía Ollama en tu propia máquina, así que ni tus comandos ni el estado de tu hogar se envían a terceros.
Por qué funciona en 2026
Convergieron tres cosas: los modelos pequeños se volvieron lo bastante capaces para el control del hogar, ganaron function-calling fiable y Home Assistant lanzó una integración LLM de primera clase. Ninguna de ellas existía junta para usuarios domésticos hace pocos años.
- Modelos pequeños capaces: los modelos de 3B–8B ya siguen instrucciones lo bastante bien para asignar intención a acciones de dispositivos, y caben en hardware modesto. Para la mecánica y el tamaño de modelo, consulta qué son los LLM locales: esta guía no lo reexplica.
- Function-calling / uso de herramientas: el control del hogar depende de que el modelo emita llamadas estructuradas (encender, fijar temperatura). Los modelos locales modernos lo admiten, y eso es lo que hace posible el control fiable.
- Integración de Home Assistant: Home Assistant expone una interfaz de agente de conversación y una integración con Ollama, así que conectar un modelo local a tus dispositivos es un paso de configuración, no un desarrollo a medida.
La arquitectura: Home Assistant + Ollama + voz local
El stack son tres componentes en tu propio hardware: Home Assistant (dispositivos + automatizaciones), Ollama (el runtime del modelo local) y una pipeline de voz local (Assist + Whisper + Piper). Los datos fluyen en un bucle que nunca sale de tu red.
- 1Home Assistant
Why it matters: Gestiona tus dispositivos, estados de entidades y automatizaciones, y expone la interfaz de agente de conversación. Es el hub a través del cual actúa el modelo: empieza en [Home Assistant: primeros pasos](/es/smart-home/home-assistant-getting-started). - 2Ollama
Why it matters: Ejecuta el modelo local y lo sirve a Home Assistant. Para instalar y elegir modelos, consulta [cómo instalar Ollama](/es/local-llms/how-to-install-ollama); esta guía se centra en el cableado del smart home. - 3Agente de conversación
Why it matters: El ajuste de Home Assistant que apunta Assist al modelo de Ollama para que el lenguaje natural se convierta en acciones de dispositivos: el paso a paso está en [conectar Ollama a Home Assistant](/es/smart-home/home-assistant-ollama-integration). - 4Voz local (opcional)
Why it matters: Whisper transcribe el habla y Piper pronuncia las respuestas, así que obtienes un asistente de voz totalmente sin conexión: consulta [montar un asistente de voz totalmente local](/es/smart-home/local-voice-assistant-smart-home).
Qué desbloquea frente a la automatización por reglas
Un LLM local aporta flexibilidad, lenguaje natural y contexto que la automatización por reglas no puede expresar, a cambio de más configuración y hardware. Usa reglas para disparadores deterministas; el LLM donde importan la intención y el contexto.
- Para ejemplos concretos de automatización y los prompts detrás, consulta automatizaciones más inteligentes con un LLM local.
- Mantén las automatizaciones de seguridad deterministas (alarma de humo, cerraduras) como reglas simples: no las enrutes por el modelo.
| Aspecto | Automatización por reglas | Automatización con LLM local |
|---|---|---|
| Flexibilidad | Disparador fijo → acción fija | Interpreta objetivos y se adapta al contexto |
| Lenguaje natural | Ninguno: cableas condiciones exactas | Comandos e intenciones en lenguaje natural |
| Conciencia del contexto | Solo los estados que programas | Razona sobre tiempo, presencia, sensores |
| Configuración | Sencilla por regla | Mayor: hub + modelo + cableado |
| Necesidad de hardware | Mínima (una Pi) | Un mini PC; una GPU/NPU ayuda con la latencia |
La realidad del hardware
Puedes ejecutar Home Assistant y un modelo local pequeño en un solo mini PC; una GPU, iGPU capaz o NPU reduce la latencia de respuesta. Esta guía no reexplica la VRAM ni la cuantización de modelos: para esa profundidad, enlaza hacia fuera.
- Una sola máquina basta: un mini PC puede alojar Home Assistant más un modelo pequeño vía Ollama. Para recomendaciones, consulta mejores mini PC para Home Assistant + IA local.
- La latencia escala con el hardware: los modelos más grandes y la inferencia solo en CPU responden más despacio; una GPU o iGPU/NPU moderna acorta la distancia hasta un asistente ágil. Para VRAM y tamaño de modelo, consulta mejor hardware para un smart home local.
- Elige el modelo según la tarea: el control del hogar premia modelos pequeños, rápidos y con function-calling frente al más grande disponible: consulta mejores modelos LLM locales para el control del smart home.
Tu camino paso a paso
Monta en orden: Home Assistant, luego Ollama, luego el agente de conversación, luego voz y automatizaciones. Cada paso se trata en una guía dedicada, para que este artículo insignia siga siendo un mapa y no un muro de comandos.
- 1Configura Home Assistant en un mini PC — guía de primeros pasos.
- 2Instala Ollama y descarga un modelo pequeño — cómo instalar Ollama.
- 3Conecta Ollama a Home Assistant y ponlo como agente de conversación — guía de integración.
- 4Elige un modelo afinado para el control del hogar — mejores modelos LLM locales para el smart home.
- 5Añade un frontend de voz totalmente local — asistente de voz local.
- 6Diseña automatizaciones contextuales — automatizaciones con IA con un LLM local.
Preguntas frecuentes
¿Cuál es el mejor modelo local para el control del hogar?
Un modelo pequeño que siga instrucciones y con function-calling fiable —normalmente en el rango de 3B a 8B— es el mejor encaje, porque el control del hogar necesita respuestas rápidas y estructuradas más que el modelo más grande. La elección correcta depende de tu hardware; consulta la guía de los mejores modelos LLM locales para el smart home.
¿Necesito una GPU para un smart home con LLM local?
No, pero ayuda. Un modelo pequeño corre en una CPU moderna o una GPU integrada capaz; una GPU dedicada o NPU sobre todo reduce la latencia de respuesta para que el asistente se sienta más ágil. Ajusta el tamaño del modelo a tu hardware.
¿Funciona sin conexión un smart home con LLM local?
Sí. El modelo corre localmente vía Ollama y Home Assistant controla los dispositivos por tu LAN, así que el control en lenguaje natural y las automatizaciones funcionan sin internet. Solo el acceso remoto desde fuera de casa necesita conexión.
¿Es un LLM local más rápido que Alexa?
Depende del hardware y el tamaño del modelo. Los asistentes en la nube como Alexa están afinados para baja latencia, mientras que un LLM local cambia algo de velocidad por privacidad y operación sin conexión; en un mini PC con GPU la distancia se acorta. La ventaja decisiva es la privacidad y el control, no la velocidad bruta.
¿Puede correr un smart home con LLM local en una Raspberry Pi?
Una Raspberry Pi ejecuta bien Home Assistant, pero la inferencia de LLM en una Pi se limita a modelos muy pequeños y es lenta. Para un asistente con LLM local ágil, un mini PC con iGPU/NPU capaz o una GPU dedicada es la mejor opción.