AMD AI Playbooks: qué son y cómo sacarles el máximo partido para montar IA local

Qué son exactamente los AMD AI Playbooks

Los AMD AI Playbooks son guías paso a paso para construir y ejecutar cargas de trabajo de IA sobre hardware de AMD: tanto las APU Ryzen AI (con su NPU, la unidad dedicada a IA) como las tarjetas Radeon e incluso la CPU. No son un programa que instalas: son tutoriales reproducibles que te guían desde la preparación del entorno hasta tener el modelo corriendo y montar una aplicación de verdad encima.

Sus características clave:

• Son gratuitos y abiertos. Están publicados en un repositorio público de GitHub (github.com/amd/playbooks) y en la web de desarrolladores de AMD. Puedes clonarlos, ejecutarlos y modificarlos para adaptarlos a tu propio flujo de trabajo.
• Son reproducibles. Cada playbook detalla los pasos exactos, de modo que puedas replicar el resultado en tu equipo sin adivinar nada.
• Cubren todo el proceso. No se quedan en “instala esto”: van desde la configuración inicial hasta ejecutar modelos localmente y construir aplicaciones reales (chatbots, agentes, herramientas).
• Aprovechan tu hardware AMD. Están pensados para exprimir la NPU, la GPU o la CPU según lo que tengas, repartiendo el trabajo donde mejor rinda.

Qué puedes hacer con ellos

Aquí está lo interesante: la biblioteca de playbooks cubre los usos más habituales de la IA local, cada uno apoyado en herramientas conocidas del mundo del código abierto. Estos son los principales:

Desglosando lo más destacado:

• Chatear con LLM (chatbots locales). Guías para ejecutar y servir modelos de lenguaje con LM Studio, Ollama o Open WebUI, ya sea desde la terminal, una app de escritorio o una API REST. Es la puerta de entrada más fácil.
• Generar imágenes con IA. Por ejemplo, crear imágenes con ComfyUI y modelos como Z Image Turbo, todo en tu propia GPU.
• Asistente de programación privado. Usar VS Code con un modelo Qwen3-Coder corriendo en local, para que te ayude a programar sin enviar tu código a ningún servidor.
• Agentes de IA 100 % locales. Con el SDK GAIA puedes montar un agente que razona y usa herramientas (por ejemplo, un “asesor de hardware”), con una tubería RAG multiagente ejecutándose en CPU, GPU o NPU.
• Automatización de flujos. Combinar n8n con Lemonade para, por ejemplo, construir un resumidor de noticias automático impulsado por IA.
• Servir y medir modelos. Lemonade permite servir y hacer benchmark de modelos en CPU, GPU y NPU, para ver qué rinde mejor en tu equipo.

Cómo empezar (requisitos y primeros pasos)

Ponerse en marcha no requiere ser un experto, pero sí conviene tener claro el punto de partida:

1. Comprueba tu hardware. Lo ideal es una APU Ryzen AI (con NPU) o una tarjeta Radeon reciente, aunque muchos playbooks también funcionan aprovechando la CPU. Cuanta más memoria (RAM y, sobre todo, VRAM de la GPU), modelos más grandes podrás mover.
2. Entra en la biblioteca de playbooks. Están en developer.amd.com/playbooks y en el repositorio de GitHub. Ahí ves la lista completa, ordenada por tipo de tarea.
3. Elige un playbook según lo que quieras hacer (chat, imágenes, código, agentes…) y sigue los pasos. Cada guía indica el software necesario, cómo instalarlo y cómo dejar el modelo funcionando.
4. Empieza por lo sencillo. Si es tu primera vez, arranca con un chatbot local vía LM Studio u Ollama: son las recetas más directas y te dan una victoria rápida antes de meterte con agentes o generación de imágenes.

Cómo sacarles el máximo partido

Con las guías en marcha, estos consejos te ayudarán a exprimirlas de verdad:

• Reparte el trabajo entre NPU, GPU y CPU. No todo rinde igual en cada sitio. La NPU de los Ryzen AI es muy eficiente para ciertas cargas (y consume poco), la GPU brilla con modelos grandes y generación de imágenes, y la CPU siempre está de apoyo. Usa Lemonade para medir qué combinación te da más rendimiento en tu equipo.
• Ajusta el tamaño del modelo a tu VRAM. Si vas justo de memoria de vídeo, tira de modelos cuantizados (versiones “comprimidas” que ocupan menos y van más rápido, con una pérdida de calidad mínima). Es la diferencia entre que algo funcione con fluidez o se arrastre.
• Combina playbooks. La gracia está en encadenarlos: un LLM local para chatear + un agente con GAIA que use herramientas + automatización con n8n. Así pasas de “probar IA” a montarte tus propias aplicaciones.
• Aprovecha que son modificables. Al ser abiertos, puedes adaptar cada receta a tu caso: cambiar el modelo, conectar tus propios datos (RAG) o integrarlo en tu flujo de trabajo.
• Prioriza la privacidad. Como todo corre en local, es la vía perfecta para trabajar con información sensible sin que salga de tu ordenador. Ese es, para muchos, el mayor atractivo frente a las IA en la nube.

Si quieres seguir explorando, echa un vistazo a nuestra recopilación de las mejores herramientas de IA gratis y a la explicación de qué son los agentes de IA.