Cada desarrollador lo ha escuchado, generalmente murmurado entre dientes a las dos de la mañana: "En mi máquina funciona". Cuando una compilación pasa localmente pero falla en el entorno de staging, instintivamente culpamos a la versión del framework, a una variable de entorno faltante o al propio Docker. Más a menudo de lo que nos gusta admitir, el sistema operativo es el verdadero culpable. Las rutas de archivos, las llamadas al sistema, los gestores de paquetes y el comportamiento del kernel moldean la forma en que se ejecuta el código. Elegir el SO adecuado no se trata de unirse a una tribu. Se trata de eliminar la fricción entre tu portátil y la producción.

Windows: El generalista

Windows sigue siendo el predeterminado por una razón sencilla: el hardware simplemente funciona. Conecta un periférico y probablemente ya exista un controlador. Para los desarrolladores que trabajan en el ecosistema .NET, Visual Studio sigue siendo el estándar de oro. IntelliSense, las herramientas de depuración y el scaffolding de proyectos se sienten nativos porque fueron creados para esta plataforma.

Con Windows Subsystem for Linux 2, Microsoft cerró gran parte de la brecha entre Windows y los flujos de trabajo basados en Unix. WSL2 ejecuta un kernel de Linux real dentro de una VM de utilidad ligera, lo que significa que puedes invocar bash, usar apt y ejecutar Ubuntu sin necesidad de dual-boot. La integración es lo suficientemente fluida como para que muchos desarrolladores olviden que no están en un Linux nativo.

Pero la abstracción tiene límites. Docker Desktop en Windows depende de una VM de Linux para su motor, y la traducción del sistema de archivos entre el kernel de Windows NT y el contenedor de Linux introduce latencia. Las operaciones con mucha carga de E/S, como montar directorios de node_modules grandes o compilar dentro de un volumen, se ejecutan notablemente más lento que en un Linux bare-metal. Las actualizaciones de Windows también tienen la costumbre de reiniciar tu máquina a mitad de una tarea, lo cual no es ideal cuando estás sumergido en una sesión de depuración.

Windows brilla para estudiantes, gamers e ingenieros que lanzan aplicaciones .NET. Si necesitas una máquina que ejecute Steam fuera del horario laboral y Visual Studio durante el día, esta es la opción práctica.

Linux: El estándar de servidores

Si la producción vive en Linux, desarrollar en Linux elimina sorpresas. El sistema operativo fue construido para servidores, y sus supuestos de diseño coinciden con lo que esperan los entornos de la nube. La filosofía Unix de tratar todo como un archivo significa que la configuración, los dispositivos de hardware y los procesos en ejecución viven en algún lugar del árbol del sistema de archivos. Esa consistencia hace que la automatización sea sencilla. Puedes crear scripts de despliegue con bash, gestionar servicios con systemd y orquestar contenedores sin tener que traducir entre dos arquitecturas de kernel diferentes.

Docker fue construido sobre primitivas de Linux. Namespaces y cgroups son nativos aquí, por lo que los contenedores arrancan más rápido y funcionan a una velocidad más cercana al bare-metal que en otras plataformas. La sobrecarga es mínima, los gestores de paquetes son maduros y puedes reducir el sistema a solo lo que necesitas. Un servidor Linux headless puede funcionar durante años sin un reinicio.

La contrapartida es el pulido del escritorio. El soporte para software comercial se queda atrás. No encontrarás aplicaciones nativas de Adobe Creative Cloud, y algunos IDE propietarios o herramientas de colaboración requieren soluciones alternativas. La configuración del hardware puede exigir paciencia. Las tarjetas Wi-Fi, los adaptadores Bluetooth y los gráficos híbridos a veces requieren la instalación manual de controladores o ajustes en los módulos del kernel. Los controladores de NVIDIA han mejorado sustancialmente, pero configurar CUDA correctamente todavía requiere leer documentación que asume que sabes moverte por la terminal.

Los ingenieros de backend, los profesionales de DevOps y cualquiera que esté construyendo infraestructura de IA deberían tratar a Linux como el predeterminado. Cuando tu entorno de producción ejecuta Ubuntu o RHEL, replicar eso localmente ahorra horas de depuración de despliegues.

macOS: Unix refinado

macOS se sitúa en un punto medio que atrae a los desarrolladores que quieren una terminal que se comporte como Linux y una interfaz gráfica (GUI) que se comporte como un producto de consumo. Bajo el capó, es un sistema operativo Unix certificado, lo que significa que bash, zsh, make, ssh y git funcionan exactamente como esperarías en un servidor. Apple Silicon cambió el cálculo por completo. Los chips de la serie M ofrecen un rendimiento de clase de escritorio, mientras que la duración de la batería de los portátiles se sitúa en el rango de 10 a 20 horas. Puedes compilar un proyecto, ejecutar un stack local y realizar una videollamada sin que los ventiladores se aceleren.

Para los desarrolladores móviles, macOS es innegociable. Xcode y el simulador de iOS solo funcionan en hardware de Apple. El ecosistema también tiende a favorecer los flujos de trabajo creativos y full-stack. Los trackpads y las pantallas son excelentes, y la fiabilidad del modo suspensión/activación significa que abres la tapa y reanudas el trabajo al instante.

Las desventajas son el costo y la flexibilidad. Pagas un sobreprecio por las actualizaciones de memoria y almacenamiento que serían triviales en una PC personalizada o una ThinkPad. La gama de hardware es limitada. Si necesitas una GPU específica para el entrenamiento de modelos locales o puertos poco comunes para equipos de laboratorio, es posible que una Mac no te sea suficiente sin adaptadores y carcasas externas.

Los desarrolladores full-stack, ingenieros de iOS y fundadores de startups que valoran la portabilidad suelen inclinarse por esta opción. Es una elección costosa, pero una que minimiza la fricción diaria.

¿Importa el sistema operativo para la IA?

El modelo en sí es indiferente. Un modelo de lenguaje extenso que se ejecute a través de Ollama, LM Studio o vLLM produce los mismos tokens, independientemente de si tu kernel fue compilado por Microsoft, Linus Torvalds o Apple. Tus herramientas importan mucho más que tu sistema operativo. Cuando estés construyendo agentes de IA, enfócate en dominar la gestión de dependencias de Python, los entornos de ejecución de Node.js, Docker para entornos reproducibles, las integraciones de API y la gestión de memoria para las ventanas de contexto.

Dicho esto, los sistemas de IA en producción se ejecutan mayoritariamente en Linux. Los controladores de GPU para centros de datos de NVIDIA y el toolkit de CUDA se desarrollan y optimizan primero para Linux. Se elimina la sobrecarga de un escritorio gráfico, dejando más VRAM y ciclos de CPU para el entrenamiento y la inferencia. Si estás alquilando computación en la nube, es casi seguro que estarás accediendo por SSH a una instancia de Linux. Para la experimentación local, una MacBook con Apple Silicon es silenciosa y eficiente energéticamente, pero cuando llega el momento de entrenar a