La herramienta que dejó fuera la IA a propósito
El ejemplo de este artículo es un programa de notas concreto, porque tiene algo que conviene saber y que en 2026 es rareza.
Obsidian está vivo y en desarrollo activo: la última versión es la 1.14.1, con fecha del 8 de septiembre de 2026. Las entregas de las últimas semanas van del editor, la captura rápida en el móvil y la accesibilidad.
No tiene ninguna función de IA oficial, y eso no es retraso sino rumbo. La capacidad de IA viene exclusivamente de plugins de la comunidad — o sea, tú decides si algo sube a la nube. En una carpeta donde está todo, desde el nombre de tus clientes hasta tus negociaciones de sueldo, eso no es un detalle menor.
Y además las notas son archivos markdown normales en una carpeta de tu propio ordenador. Si mañana desaparece el programa, tus notas siguen ahí.
La medición que más importa: la estructura marca diez veces de diferencia
Esta es la espina dorsal del artículo, y vale para mucho más que un programa concreto.
Cuando una IA busca entre tus notas, no lee el archivo entero. Lo trocea, convierte los trozos en números y te devuelve el trozo más cercano a tu pregunta. La forma de cortar decide lo bueno que será el resultado.
Un estudio de marzo de 2026 comparó 36 métodos de troceado en seis áreas de conocimiento, con cinco modelos de embedding distintos:
| Troceado | Acierto en el primer resultado | Acierto entre los cinco primeros |
|---|---|---|
| Por grupos de párrafos (consciente de la estructura) | ~24 % | ~59 % |
| Por número fijo de caracteres (corte ciego) | 2–3 % | bastante menos |
Diez veces de diferencia, con el mismo material. El estudio lo formula así: el troceado consciente del contenido mejora de forma apreciable la recuperación frente a la división ingenua de longitud fija.
Lo que hay que hacer con esto: un muro de tres mil palabras sin dividir lo corta el sistema en trozos de longitud fija, y de ahí sale el 2–3 %. Ese mismo material, ordenado en párrafos con sentido y bajo títulos, da veinticuatro.
Así que la pregunta no es cuántas notas tienes. Es si los límites de tus párrafos coinciden con tus unidades de pensamiento.
Qué corre en local
Uno de los argumentos principales de la base de conocimiento personal es que no hace falta mandar nada a la nube. Hoy es realmente viable, y conviene saber qué significa en la práctica.
Hacen falta dos modelos distintos, y mucha gente los confunde:
- Un modelo de embedding, que convierte tus notas en números para poder buscar en ellas. Es pequeño y rápido. El modelo más popular de este tipo es el cuarto más descargado del entorno de ejecución local, con ochenta y cinco millones de descargas — o sea, la búsqueda semántica local hoy es práctica habitual, no un experimento.
- Un modelo de lenguaje, que redacta la respuesta con los trozos encontrados. Este es el grande y lento.
Los modelos de lenguaje pensados para portátil arrancan hoy en torno a los 7 GB en las familias abiertas más grandes, con un contexto de 128.000 tokens; las versiones para estación de trabajo van entre 8 y 20 GB, con más contexto. Los fabricantes marcan expresamente qué versión destinan a portátil y a móvil.
Hay una cosa, eso sí, que no conviene creerse de ninguna fuente: los grandes entornos de ejecución no publican ninguna tabla concreta de requisitos de memoria. El tamaño de descarga se conoce; el mínimo de máquina, no — eso te lo va a decir tu propio ordenador.
Qué pueden hacer los plugins
Tres plugins vivos y comprobados, con datos de septiembre de 2026:
| Plugin | Última versión | Qué aporta |
|---|---|---|
| Un plugin de asistente | 4.0.7 — 9 de septiembre de 2026 | usa la suscripción que ya tienes, ejecuta coding agents de forma nativa, admite servidores de modelos locales y el indexado de tus notas se queda en tu ordenador |
| Un buscador semántico | 4.7.2 — 6 de agosto de 2026 | ha crecido el catálogo de modelos de embedding locales integrados, entre ellos algunos multilingües — y eso cuenta directamente para las notas en español |
| Un generador de texto con plantillas | no se pudo leer la fecha exacta | admite varios proveedores y modelos locales, con plantillas de la comunidad |
El modelo de embedding local multilingüe es la fila más importante de esa tabla. Para notas en español, los modelos afinados para el inglés son bastante peores, y hasta ahora ese era el límite principal de la solución local.
¿Cuándo se vuelve lento?
Aquí hay que contestar con honestidad: no hay ningún límite de tamaño ni curva de rendimiento publicados.
Lo que hay son avisos de usuarios en el foro oficial — sin tamaño de muestra ni método, así que no son datos. Aun así se leen dos patrones recurrentes:
- las quejas suelen ir ligadas no al número de notas, sino a los adjuntos;
- la búsqueda rápida por nombre de archivo sigue siendo rápida aunque la búsqueda de texto completo se ralentice, algo lógico porque las dos usan índices distintos.
Pero la respuesta más importante viene de la medición de arriba: lo que estropea la calidad de la búsqueda no es sobre todo la cantidad, sino la estructura. Ese 2–3 % de acierto no sale de tener muchas notas.
Lo que la base de conocimiento resuelve y lo que no
Aquí está la exageración más frecuente, y conviene tumbarla de entrada.
La búsqueda montada sobre tus propias notas mejora la recuperación: hace que el modelo vea tu material en vez de adivinar de memoria. Eso es real y medible.
Pero no elimina la alucinación. La mejor prueba ni siquiera viene del mundo de las notas: las herramientas de investigación líderes conectadas a su propia base de datos jurídica — es decir, sistemas construidos exactamente así — alucinaron entre un 17 y un 33 % en una medición preregistrada. La formulación del estudio es precisa: la alucinación baja frente a los chatbots generales, pero no desaparece. Lo detalla con cifras el post redactar contratos, ofertas e informes , tipo de documento por tipo de documento.
Y sobre si una colección de notas personal mejora la calidad de la respuesta, simplemente no hay medición publicada. Lo que sí sabemos: la estructura marca diez veces de diferencia en la recuperación, y si el modelo no encuentra la nota, la nota no mejora nada.
La base de conocimiento resuelve, pues, el encontrar, no la verdad.
Cómo hacerlo
1. UNA NOTA = UN TEMA
Si trata de dos cosas, dos archivos. El troceado
respeta el archivo y el título — tus ideas no.
2. TROCEA CON TÍTULOS
No es formato: es lo que dice dónde se puede cortar.
Esta es la diferencia entre el 24 % y el 2–3 %.
3. PÁRRAFO = UNA IDEA
De cuatro a ocho frases. Tres mil palabras seguidas
son el peor caso.
4. LA FECHA, DENTRO DEL TEXTO
No solo en los metadatos del archivo. En las
mediciones, es el metadato que mejora.
5. PRIMERO BUSCA, DESPUÉS PREGUNTA
Mira qué encuentra con tu pregunta. Si trae las
notas equivocadas, la respuesta también fallará.
6. EMBEDDING LOCAL SI EL CONTENIDO ES SENSIBLE
Para buscar basta el modelo pequeño. Meter el
grande es una decisión aparte.
El sexto punto da el mejor compromiso en la práctica: que el indexado y la búsqueda corran en local, y que la redacción vaya a tu suscripción de siempre — así todas tus notas no salen nunca del ordenador, solo los pocos párrafos por los que preguntas.
El quinto punto es la única comprobación que de verdad cuenta. Si el sistema te enseña de qué notas ha trabajado, en dos segundos ves si la respuesta está respaldada. Si no te lo enseña, no puedes saberlo — y ese ajuste importa más que cualquier elección de modelo.
Malentendidos habituales
- "Cuantas más notas tenga, mejor irá." La medición dice que cuenta la estructura, no la cantidad. Con material sin dividir el acierto es diez veces peor.
- "El título es solo formato." El troceado usa los títulos y los límites de párrafo como puntos de corte. Es la mejora de calidad más barata que existe.
- "Si trabaja con mis propias notas, no puede alucinar." Sí puede. Sistemas profesionales conectados a su propia base de datos alucinaron entre un 17 y un 33 % en una medición preregistrada.
- "Ejecutarlo en local es complicado." El modelo pequeño que hace falta para buscar hoy se usa de forma masiva. El que pide máquina es el grande — y ese no hace falta para buscar.
- "Necesitas una aplicación de notas con IA." No. El gestor de notas puede ser uno que no tenga IA integrada en absoluto: la capacidad viene del plugin, y así decides tú qué sube a la nube.
Lo que conviene llevarse
En una base de conocimiento personal, la mayor parte del trabajo está en tomar las notas, no en elegir la herramienta. Títulos, un tema por archivo, párrafos legibles y la fecha escrita — y de todo eso, la parte estructural, los títulos y los límites de párrafo, es la que marca diez veces de diferencia en que la máquina encuentre lo que buscas.
Y un límite que conviene tener claro: la base de conocimiento mejora el encontrar, no sustituye a la comprobación. Que la respuesta salga de tu propia nota no te ahorra mirar si de verdad dice eso.
Cómo construir la toma de notas para que esto funcione lo recorre paso a paso el post tomar notas que alimenten tu IA ; y el orden entre leer e investigar lo cuenta el post leer e investigar más rápido , con su método.