Ir al contenido principal

Glosario de IA Operations

¿Qué es la IA en el edge (edge AI)?

IA en el edge (Edge AI)

← Todos los términos del glosario
En pocas palabras

Ejecutar modelos de IA en dispositivos o servidores locales cerca de donde se generan los datos, para bajar la latencia, no sacar los datos y funcionar sin conexión fija.

Explicación

La IA en el edge consiste en ejecutar la inferencia en el propio dispositivo que genera los datos, o cerca de él, como una cámara, un sensor, un móvil, un vehículo o un servidor en planta, en lugar de enviarlo todo a una nube central. Reduce la latencia, ahorra ancho de banda, mantiene los datos sensibles en local y permite seguir funcionando con mala conexión. Lo habitual es entrenar los modelos en la nube y después comprimirlos y desplegarlos en el edge. El aprendizaje federado lleva la idea al entrenamiento: aprende de datos que no salen de los dispositivos.

Por qué ejecutar IA en el edge

  • Latencia: decisiones en milisegundos, por ejemplo en una línea de producción o en un vehículo.
  • Privacidad y soberanía: imágenes, audio o datos personales que no salen de las instalaciones.
  • Conectividad: funciona sin red o con redes intermitentes.
  • Ancho de banda y coste: se envían resultados o alertas, no flujos de vídeo en bruto.

Cómo funciona

El modelo se entrena de forma centralizada y después se hace más pequeño y rápido con cuantización, poda o destilación, para que quepa en la memoria y el consumo del hardware de destino. Se empaqueta para un runtime del dispositivo y se despliega, a menudo en muchos dispositivos a la vez.

Lo difícil es operar la flota: actualizar modelos, vigilar su precisión sobre el terreno y dar marcha atrás cuando algo falla. Muchas arquitecturas son híbridas: un modelo pequeño en el edge resuelve la mayoría de casos y envía los dudosos a un modelo mayor en la nube.

Usos habituales

  • Inspección visual de calidad en fábrica.
  • Mantenimiento predictivo a partir de sensores de vibración o sonido.
  • Asistencia a la conducción y robótica.
  • Asistentes y transcripción en el propio móvil o portátil.
  • Cámaras en tienda que cuentan o detectan eventos sin guardar vídeo.
  • Dispositivos médicos que analizan señales junto al paciente.

Preguntas frecuentes

¿Qué es la IA en el edge, explicada fácil?

Es IA que se ejecuta en el propio dispositivo o en un servidor cercano, en lugar de en un centro de datos lejano. Una cámara que detecta un defecto por sí sola, sin mandar el vídeo a la nube, es un ejemplo.

¿Qué diferencia hay entre IA en el edge e IA en la nube?

La IA en la nube procesa los datos en centros de datos centrales, con mucho cómputo y actualizaciones sencillas. La IA en el edge los procesa en local, con menos latencia y menos movimiento de datos, pero con límites más estrictos de tamaño de modelo. Muchos sistemas combinan las dos.

¿Se pueden ejecutar modelos de lenguaje en el edge?

Los modelos de lenguaje pequeños, a menudo cuantizados, funcionan en portátiles, móviles y servidores locales. Los modelos más grandes siguen necesitando hardware de centro de datos, así que en el edge se suele usar un modelo pequeño en local y llamar a uno mayor solo cuando hace falta.

¿Qué es el aprendizaje federado?

Es una forma de entrenar un modelo común entre muchos dispositivos sin recoger sus datos en bruto. Cada dispositivo entrena en local y solo envía las actualizaciones del modelo, que un servidor combina. Nació para dispositivos móviles y encaja bien con la IA en el edge.

¿Qué retos tiene la IA en el edge?

Cómputo y memoria limitados, muchos tipos de dispositivo distintos, actualizar y vigilar modelos en toda la flota y la seguridad física del hardware. La operación suele ser más difícil que el primer despliegue.

Guías de decisión que usan este término

Cómo llevarlo a la práctica

Dónde aparece en Thinkia

Para seguir leyendo

Fuentes

Actualizado: 2026-10-21

¿Quieres ver cómo se aplica en tu organización?

Habla con un experto en IA