Cómo instalar Open WebUI con Docker y acceder desde cualquier dispositivo

¿Cómo instalar Open WebUI con Docker y acceder desde cualquier dispositivo? Si alguna vez has sentido que depender de la nube para usar inteligencia artificial es un engorro o te preocupa dónde acaban tus datos, montar tu propio servidor en casa es la solución definitiva. Imagina tener un sistema parecido a ChatGPT, pero que viva enteramente en tu ordenador, sin pagar suscripciones mensuales ni preocuparte por las claves de API, manteniendo la privacidad al máximo.

Para lograr esto, la combinación ganadora es el tándem formado por Ollama y Open WebUI. Mientras que el primero se encarga de la parte «pesada» de ejecutar los modelos, el segundo nos regala una interfaz visual espectacular y muy intuitiva, permitiéndonos gestionar chats, documentos y configuraciones sin tener que pelearnos con la terminal de comandos todo el tiempo.

Conceptos básicos: ¿Qué son exactamente estas herramientas?

Para que no haya confusiones, es importante entender que no son lo mismo. Ollama es el motor o runtime; es la herramienta que descarga los modelos de lenguaje (los famosos archivos GGUF) y los hace correr aprovechando tu procesador o tu tarjeta gráfica. Es, básicamente, la maquinaria que procesa la información y genera las respuestas.

Por otro lado, Open WebUI es la capa visual. Es un frontend de código abierto que se conecta a Ollama mediante una API. Gracias a ella, pasamos de escribir comandos aburridos en una consola a tener un panel con historial de conversaciones, gestión de usuarios y una experiencia de usuario muy pulida que cualquier persona, sea técnica o no, puede manejar sin problemas.

Requisitos previos y preparación del sistema

Antes de lanzarnos a la instalación, necesitamos que la máquina esté a punto. Lo ideal es contar con un sistema Linux como Ubuntu 24.04, aunque funciona perfectamente en Windows o macOS. En cuanto al hardware, para que la experiencia no sea desesperante, se recomienda disponer de al menos 16 GB de memoria RAM, aunque algunos modelos ligeros pueden arrancar con 8 GB.

Es fundamental tener instalado Docker y Docker Compose V2. Estas herramientas nos permiten encapsular la aplicación en contenedores, lo que evita que se ensucie el sistema operativo y facilita enormemente las actualizaciones. Si buscas un rendimiento óptimo, contar con una GPU NVIDIA o un chip Apple Silicon marcará la diferencia entre obtener una respuesta instantánea o esperar varios segundos por cada palabra.

Guía paso a paso para la instalación

Hay dos formas principales de montar este sistema. La primera es el camino rápido mediante un comando docker run. Basta con ejecutar la instrucción canónica que mapea el puerto 3000 al 8080 del contenedor y utiliza el flag –add-host=host.docker.internal:host-gateway, que es el truco maestro para que el contenedor de la web pueda hablar con el servidor de Ollama instalado en el host.

Para quienes buscan algo más serio y robusto, la mejor opción es Docker Compose. Creando un archivo compose.yml en una ruta como /opt/docker/ia/, podemos definir ambos servicios (ollama y open-webui) en un mismo entorno. En este caso, la comunicación es más sencilla ya que se utiliza el DNS interno de Docker, configurando la variable de entorno OLLAMA_BASE_URL=http://ollama:11434.

Una vez desplegado el contenedor con docker compose up -d, solo tenemos que entrar en el navegador a la dirección http://localhost:3000. El primer usuario que se registre se convertirá automáticamente en el administrador del sistema, dándonos control total sobre quién accede a la IA y qué modelos están disponibles.

Optimización según tu hardware

No todos los equipos son iguales y aquí es donde debemos ajustar la tuerca. Si usas Apple Silicon (M1, M2, M3, M4), el consejo de oro es ejecutar Ollama de forma nativa y NO en Docker. Esto se debe a que el passthrough de la GPU Metal no es perfecto en Docker, y ejecutarlo fuera permite que la IA vuele aprovechando la memoria unificada del chip.

Para los usuarios de NVIDIA en Linux o Windows (WSL2), es imprescindible instalar el NVIDIA Container Toolkit. Al lanzar el contenedor con la bandera --gpus all, permitimos que Ollama acceda a los núcleos CUDA, lo que dispara la velocidad de generación de tokens. En el caso de tarjetas AMD, se debe utilizar la imagen dedicada basada en ROCm para obtener un rendimiento competitivo.

Funcionalidades avanzadas: RAG, Voz y Pipelines

Lo que realmente hace que Open WebUI sea superior a otras opciones como LM Studio es su capacidad de RAG (Generación Aumentada por Recuperación). Podemos subir nuestros propios PDFs o documentos de texto en la sección de «Conocimiento». El sistema fragmenta la información y la almacena en una base de datos vectorial (ChromaDB), permitiendo que la IA responda basándose en nuestros archivos privados.

Además, el sistema soporta entrada y salida de voz. Podemos configurar Whisper para el reconocimiento de voz de forma local y utilizar la API de OpenAI o un motor como coqui-tts para que la IA nos hable. Todo esto se gestiona desde el menú de ajustes de audio, convirtiendo la interfaz en un asistente personal conversacional muy completo.

Para los usuarios más avanzados, existen los Pipelines y las Functions. Estas permiten ejecutar scripts de Python externos que actúan como filtros o herramientas. Por ejemplo, se puede crear un filtro que elimine datos sensibles antes de que lleguen al modelo o conectar la IA con herramientas externas mediante el Model Context Protocol (MCP), permitiendo que el modelo interactúe con GitHub, Slack o servidores propios.

Solución de problemas comunes

Es muy habitual que, tras la instalación, la lista de modelos aparezca vacía. Esto suele pasar porque el contenedor de la interfaz no encuentra a Ollama. La solución es verificar que OLLAMA_HOST esté configurado como 0.0.0.0:11434 en el sistema host para que no esté limitado solo a la dirección local y que el flag de host.docker.internal esté correctamente implementado.

Si notas que la respuesta es excesivamente lenta, revisa la cuantización del modelo. No intentes ejecutar un modelo gigante en una máquina con poca RAM; es preferible optar por versiones como llama3.2 de 3B parámetros, que son extremadamente rápidas y sorprendentemente inteligentes para tareas cotidianas, consumiendo apenas unos pocos gigas de memoria.

Acceso remoto y seguridad

Para acceder a nuestra IA desde cualquier dispositivo de la casa o incluso desde la calle, no debemos abrir el puerto 3000 directamente al mundo, ya que sería un riesgo de seguridad enorme. La forma más profesional de hacerlo es mediante un proxy inverso como Caddy o un túnel de Cloudflare.

Caddy nos permite obtener certificados SSL de Let’s Encrypt automáticamente, proporcionando una conexión HTTPS segura. Por otro lado, Cloudflare Tunnel es la opción más sencilla si no queremos abrir puertos en nuestro router. Una vez configurado el acceso, es vital entrar en la administración y desactivar la opción de registro abierto para evitar que extraños creen cuentas en nuestro servidor privado.

Contar con un entorno de IA local mediante Open WebUI y Ollama permite transformar la manera en que trabajamos con los modelos de lenguaje, ofreciendo una plataforma multiusuario robusta, con gestión de documentos y total control sobre la privacidad. Desde la configuración rápida en Docker hasta la implementación de flujos complejos con MCP y RAG, este sistema se adapta tanto a quien solo quiere chatear con un modelo como a quien desea construir una herramienta de productividad empresarial sin que sus datos salgan jamás de su propia red.