¿Qué ocurre cuando la red no cae durante diez minutos, sino durante días? ¿O cuando trabajas en un entorno air-gapped, en una zona remota sin cobertura, o en medio de un apagón de infraestructura crítica? Durante años hemos construido todo nuestro ecosistema técnico asumiendo una premisa básica: la conexión a Internet siempre está disponible.
Sin embargo, basta un ciberataque masivo, una crisis geopolítica o un fallo grave en la cadena de suministro en la nube para darnos cuenta de lo frágiles que son nuestros flujos de trabajo actuales.
Es aquí donde entra en juego el Proyecto N.O.M.A.D. (Node for Offline Management, Assistance, and Data), una iniciativa que propone devolvernos la soberanía digital creando un nodo autónomo capaz de ofrecer almacenamiento, mapas, conocimiento y modelos de IA locales sin enviar un solo paquete a la red pública.
Un stack técnico diseñado para el aislamiento
N.O.M.A.D. no es un simple conjunto de scripts; es un ecosistema empaquetado para ser desplegado de manera sencilla (habitualmente mediante contenedores Docker) en hardware accesible, desde un mini PC (Intel NUC, Beelink, Minisforum) hasta una Raspberry Pi 5.
El sistema actúa como una intranet portátil: levanta un punto de acceso Wi-Fi local (usando hostapd y dnsmasq) al que cualquier dispositivo cercano puede conectarse mediante un navegador web.
Entre sus módulos clave destacan:
-
Inteligencia Artificial y RAG en local: Gracias a Ollama como backend de inferencia y una base de datos vectorial (como Qdrant), N.O.M.A.D. permite ejecutar modelos de lenguaje (Mistral, LLaMA, etc.) e interactuar con ellos. Pero lo relevante es que incluye un pipeline de RAG (Retrieval-Augmented Generation), permitiendo realizar consultas semánticas sobre datasets locales cargados previamente (documentación técnica, repositorios, libros o manuales).
-
Acceso a conocimiento estructurado: Integra Kiwix para servir copias completas offline de la Wikipedia, guías médicas o de supervivencia, así como Kolibri para plataformas educativas offline (como contenido de Khan Academy).
-
Cartografía local: Mediante tecnologías como ProtoMaps y renderizado de tiles de OpenStreetMap, proporciona mapas interactivos con búsqueda y navegación sin requerir APIs externas.
-
Caja de herramientas de análisis: Incluye utilidades como CyberChef para tareas de codificación, análisis de datos y cifrado en local, además de gestores de notas Markdown como FlatNotes.
Requisitos y viabilidad energética
A nivel de hardware, los requerimientos varían según las ambiciones del nodo:
-
Configuración básica: Procesador dual-core, 4 GB de RAM y 5 GB de espacio (ideal para navegación de mapas y enciclopedias básicas).
-
Entorno recomendado para IA: Para mover LLMs con soltura y garantizar buenas tasas de inferencia, se recomienda un procesador de 8 núcleos (AMD Ryzen 7 / Intel i7), 32 GB de RAM, tarjeta gráfica con VRAM dedicada (NVIDIA RTX 3060 o equivalente) y almacenamiento SSD NVMe rápido (al menos 250 GB).
Uno de los puntos más atractivos es su consumo energético: al moverse entre los 15W y los 65W según la carga, el nodo puede alimentarse fácilmente mediante un panel solar portátil y una batería LiFePO4, permitiendo mantener una «mini-Internet» operativa de forma indefinida en medio del campo.
Reflexión: De la nube a la resiliencia local
Durante la última década, la tendencia dominante ha sido delegar toda la computación y el conocimiento a la nube. N.O.M.A.D. representa un cambio de paradigma conceptual hacia la resiliencia y la continuidad operativa.
Tanto para auditorías en entornos de alta seguridad, operaciones de campo, gestión de emergencias o simplemente por principios de privacidad e independencia, contar con un nodo de conocimiento e inteligencia que funcione 100% offline ha dejado de ser una curiosidad maker para convertirse en un elemento estratégicamente relevante.
Si quieres explorar el proyecto o probar el despliegue en tu propio hardware, puedes consultar la documentación oficial en Project N.O.M.A.D..