Eran las 11 de la noche y necesitaba revisar un servidor desde mi teléfono, sin laptop a la mano. Abrí una terminal SSH improvisada, conecté al VPS, y ahí estaba: la misma conversación con Claude que había dejado a medias esa tarde en mi escritorio, como si nunca me hubiera ido. Ese momento — pequeño, casi anecdótico — terminó cambiando cómo pensamos la infraestructura de IA en Guatemalia.
Cuando alguien dice "vamos a correr IA en nuestros servidores", la reacción instintiva es sacar la calculadora: ¿cuánta RAM necesito?, ¿qué GPU compro?, ¿cuánto va a costar escalar esto? Es el mismo reflejo de quien, para cocinar más rápido, piensa que necesita una cocina más grande. A veces sí. Pero a veces lo que necesitas es un mejor menú, no más estufas.
Corremos Claude Code directamente en nuestro VPS. Al conectarnos por SSH — desde PuTTY, desde otra terminal, desde donde sea — descubrimos que la sesión de trabajo no vive en la ventana que abrimos. Vive en el proceso que corre en el servidor, como una conversación en pausa que retomamos exactamente donde la dejamos, sin importar desde qué puerta entremos.
Pero la persistencia era solo la superficie. Lo que realmente valía la pena mirar era dónde ocurre el esfuerzo de verdad.
Aquí está el punto que más nos cambió el flujo de trabajo: la conexión por SSH solo hace falta la primera vez, para abrir la sesión. Después de eso, Claude queda corriendo del lado del servidor, con el contexto de todo el proyecto ya cargado — no es una terminal que se apaga cuando cierras la ventana.
Eso significa que no tenemos que repetir el ritual de siempre — loguearnos, ubicar la carpeta, recordar qué comando iba dónde — cada vez que necesitamos que algo se revise o se ejecute en el servidor. Claude ya está ahí, listo, con memoria de lo que se hizo antes. Solo hace falta escribirle qué se necesita, desde donde sea, y él se encarga remotamente de ejecutarlo directamente sobre el sistema real.
Piénsalo así: nuestro VPS funciona como el recepcionista de un edificio de oficinas, no como el equipo de ingenieros del piso 20. Su trabajo es liviano — anotar quién entra, qué pidió, dónde quedó la conversación. Guarda contexto: texto, referencias a archivos, resultados de comandos. Nada de esto pide GPU ni RAM industrial.
El trabajo pesado — el que realmente "piensa" — ocurre en la infraestructura de Anthropic, a través de la suscripción que ya pagamos. No estamos "compartiendo RAM entre servidores" como si fuera cómputo distribuido de ciencia ficción. Estamos haciendo algo más simple y más elegante: separar quién recibe la llamada de quién resuelve el problema.
El beneficio se siente en dos frentes.
Para equipos pequeños como el nuestro, esto reemplaza la pregunta equivocada — "¿cuánto hardware necesito para hacer IA?" — por una mejor: "¿qué parte de este trabajo realmente necesita vivir en mi servidor, y qué parte puedo delegar a una nube que ya estoy pagando?"
En nuestro caso, la respuesta fue casi incómoda de simple: casi todo el peso se puede delegar. Y lo que nos queda son recursos locales libres para lo único que en realidad importa — servir mejor a quienes usan Guatemalia.
A veces la mejor optimización no es correr más rápido. Es dejar de cargar cosas que nunca debiste llevar tú.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel