La Inteligencia Artificial en el Borde y las diferencias entre Cloud AI, Fog AI y Edge AI.
He hablado en mis posts largo y tendido de la Internet de las Cosas (IoT). De cómo nos vigila, de cómo nos vende a las marcas, de cómo sus datos nos ahogan en posverdad y de cómo en Cuba, con nuestros apagones e internet deficiente, casi parece un lujo de ciencia ficción. Pero hay un término que ha ido apareciendo en la serie Open Electronics sin que le hayamos dedicado una explicación pausada: Edge AI, la inteligencia artificial en el borde. Y no es un tecnicismo más. Es la pieza que, de pronto, lo cambia todo.
Tal vez usted se esté preguntando: «¿No contradice esto un poco las ideas de que un dispositivo IoT se conecta a una IA externa y hasta te traiciona?». En efecto, lo parece. Pero como veremos, la realidad es más turbia y fascinante: la Edge AI no elimina el peligro, simplemente lo mueve de sitio. Como un virus que muta para ser más eficiente.
En este post confluyen tres series que hasta ahora circulaban por carriles separados pero paralelos:
- Inteligencia Artificial → los modelos, el entrenamiento, la capacidad de inferencia.
- Internet de las Cosas → los dispositivos, los sensores, los protocolos (MQTT vs HTTP) y el drama de la conectividad (especialmente en el contexto cubano).
- Open Electronics → la mirada crítica al hardware, a la auditabilidad de los chips, a la posibilidad real de saber qué hace un dispositivo cuando no depende de la nube.
Vayamos pues al grano … como diría el dermatólogo.
Definiendo Edge AI: La inteligencia que no necesita salir de casa
Empecemos por lo básico. Cuando hablamos de inteligencia artificial en la nube (Cloud AI), el proceso es el que ya conocemos: su dispositivo (una refrigerador, un televisor, una lavadora) captura datos —su imagen, su voz, sus hábitos— y los envía a un gigantesco centro de datos en algún lugar del mundo. Allí, un modelo de IA «mastica» la información y devuelve una respuesta. Ese modelo suele ser enorme, entrenado con ingentes cantidades de datos, y su potencia es innegable. Pero tiene un coste: la latencia (ese pequeño retraso mientras los datos viajan), el consumo de ancho de banda y, sobre todo, la pérdida total de privacidad.
La Edge AI da la vuelta a esta lógica. Aquí, el algoritmo de inteligencia artificial se ejecuta directamente en el dispositivo local: en el propio sensor, en la cámara, en el coche, en el microcontrolador de su cafetera. Los datos no salen de su casa. El dispositivo procesa, infiere y decide en el mismo lugar donde se generan los datos. Como si su cerebro no tuviera que llamar por teléfono a un superordenador cada vez que quiere apartar la mano del fuego.
Las cifras son reveladoras: mientras que un procesador en la nube puede consumir 1 watt para hacer una inferencia, un procesador ARM moderno con aceleradores de IA especializados (las famosas NPU) puede hacer la misma tarea con solo 100 microwatts. Es una ventaja de eficiencia de 10,000 veces. No es una mejora; es otra forma de hacer las cosas. Los chips específicos para Edge AI, como los nuevos microcontroladores de Synaptics y Texas Instruments, integran NPU para ejecutar inferencias directamente sobre el hardware. Las NPU ya se han convertido en un componente estándar en estos dispositivos. El mercado, por cierto, está explotando: se espera que pase de los 9 mil millones de dólares en 2025 a casi 50 mil millones en 2030.
| Aspecto | Cloud AI | Edge AI |
|---|---|---|
| Latencia | Alta (100-500 ms) | Ultrabaja (5-10 ms) |
| Privacidad | Datos salen del dispositivo | Datos permanecen en el dispositivo |
| Dependencia | Requiere conexión constante | Funciona sin conexión |
| Ancho de banda | Alto consumo | Mínimo (solo alertas) |
| Coste operativo | Suscripciones, servidores | Inferencia local, bajo coste |
| Escalabilidad | Centralizada, cuellos de botella | Distribuida, sin saturación |
La Cloud AI es una biblioteca infinita: tiene todos los libros, pero hay que ir a buscarlos y pedir cita. La Edge AI es tener los libros que más usa en la mesita de noche. Más limitado, pero mucho más rápido y privado.
AIoT: Cuando el IoT y la IA se dan la mano (sin necesidad de wifi)
Y aquí es donde aparece un concepto que ya hemos empezado a desarrollar en este blog. En concreto, en el post «IoT (sin IA) vs AIoT (con IA), aspectos técnicos» ya apuntábamos en esta dirección: el IoT con IA permite interoperabilidad entre fabricantes, decisiones en el borde (edge) y mantenimiento predictivo, entre otras ventajas. La Edge AI no es más que la materialización técnica de esa visión: el «MCP» (Model Context Protocol) que mencionábamos no es otra cosa que la interfaz que permite a esos modelos de IA correr localmente, en el propio dispositivo, con todo el contexto que necesitan para decidir sin depender de la nube.
El AIoT (Artificial Intelligence of Things) es, por tanto, el matrimonio conceptual del que la Edge AI es uno de sus frutos más prácticos. Podríamos verlo así:
- IoT es la red de cosas conectadas: sensores, actuadores, dispositivos.
- IA es la inteligencia que procesa los datos de esas cosas.
- AIoT es la integración de ambas, en cualquier punto del espectro (nube, niebla o borde).
- Edge AI es una forma concreta de implementar AIoT: llevar esa inteligencia al extremo de la red, al dispositivo mismo.
El AIoT se estructura en tres capas: la capa de dispositivos (sensores y actuadores), la capa de conectividad (protocolos como MQTT o HTTP) y la capa de computación donde los modelos de IA procesan los datos, ya sea en la nube o en el borde. La tendencia, eso sí, es imparable hacia el borde, especialmente para aplicaciones que necesitan respuestas en menos de un segundo.
Un matiz importante: El borde no es la niebla (Fog vs. Edge)
Antes de seguir, conviene aclarar una confusión habitual. La Edge AI es parte de un ecosistema más amplio que incluye otras arquitecturas de computación distribuida. Si la nube (cloud) está lejos y el borde (edge) está pegado al dispositivo, existe un nivel intermedio: la niebla (fog computing).
Mientras que el edge computing procesa los datos directamente en el dispositivo (en la cámara, en el sensor), el fog computing crea una arquitectura jerárquica con múltiples niveles de procesamiento entre los dispositivos y la nube. Es como si el fog computing dijera: «No hace falta que todo llegue a la nube, pero tampoco es necesario que cada dispositivo lo haga todo solo; creemos nodos intermedios que agreguen y procesen datos de varios dispositivos a la vez».
En la práctica, el fog computing es una extensión del edge: incluye a la nube, mientras que el edge la excluye. Para la mayoría de los casos domésticos o de pequeña escala, el edge es suficiente. Pero en entornos industriales masivos (una fábrica con 10,000 sensores), el fog computing se convierte en una necesidad para no colapsar la red.
La contradicción aparente: Edge AI vs. el «IoT perverso»
Y aquí llegamos al meollo, al nudo gordiano que ya yo había enunciado en mi artículo «La publicidad invisible: cómo las cosas de tu hogar te venden a tus espaldas (ah, el «perverso» IoT)» en el que describía con pelos y señales cómo los dispositivos IoT envían tus datos a la nube, donde una IA los procesa para segmentarlo, perfilarlo y venderlo a las marcas.
Si la Edge AI procesa todo localmente y los datos no salen de tu casa… ¿no acaba con ese problema? ¿No es la solución que estábamos esperando?
Pues sí y no.
Sí, porque la Edge AI, bien implementada, es una barrera formidable contra la vigilancia masiva. Al mantener los datos en el dispositivo, elimina el principal canal de filtración hacia servidores externos. Por eso, cada vez más voces —incluyendo a Juno Labs y UBOS Tech— defienden la Edge AI como una herramienta para la soberanía de sus datos personales. Incluso hay movimientos hacia la «publicidad contextual on-device» donde los anuncios se seleccionan localmente, sin enviar sus datos a ningún lado. Sería una publicidad que te conoce, pero que no puede contarle a los demás.
Pero no, porque el problema de fondo no es solo técnico, es de control y propiedad. Que el dispositivo procese los datos localmente no significa que el fabricante no pueda seguir teniendo el control. Puede ocurrir lo siguiente:
- Modelos pre-instalados con intereses ocultos: El fabricante puede pre-cargar en el dispositivo un modelo de IA que, aunque funcione localmente, haya sido entrenado para priorizar ciertos resultados. Tu refrigerador Edge AI podría decidir, sin conectarse a internet, que la marca de yogur que más le conviene (para el fabricante) es X, y sugerírsela activamente.
- Actualizaciones forzadas de modelo: El dispositivo necesita actualizar su modelo de IA de vez en cuando. Esa actualización puede venir con nuevos «sesgos» comerciales. El fabricante ya no necesita tus datos, pero sigue decidiendo qué hace tu dispositivo.
- Dependencia del hardware: La Edge AI requiere chips específicos (NPU, memorias). Si el fabricante controla ese hardware, puede diseñarlo para que sea difícil de auditar o modificar. Su dispositivo es una caja negra que toma decisiones, pero usted no puede ver sus entrañas.
- El dilema de la suscripción: Como ya apuntamos en el post «La Internet de las Cosas y el impacto de la IA sobre ella«, los fabricantes pueden exigir suscripciones caras simplemente para que el dispositivo funcione. Con la Edge AI, ese riesgo no desaparece: el algoritmo local puede «bloquearse» si no paga, sin necesidad de conectarse a ninguna nube.
Además, la Edge AI introduce nuevos vectores de ataque. No todos los peligros vienen de fuera. Los dispositivos en el borde son físicamente accesibles, lo que permite desde la extracción del modelo (robar el algoritmo) hasta ataques de adversario (manipular la entrada para que el dispositivo tome decisiones erróneas). Y lo que es peor: aproximadamente un tercio de los ataques documentados contra IA en el borde aún no tienen mecanismos de defensa conocidos. Como señala un informe de Dell, los dispositivos de borde ya representan cerca del 30% de las intrusiones iniciales en pequeñas y medianas empresas, dando a los atacantes acceso directo a los pipelines posteriores de IA.
El papel de Open Electronics: por qué el hardware abierto es más necesario que nunca
Y aquí es donde la tercera serie, Open Electronics, entra en escena con todas las de la ley. Porque si el dispositivo decide localmente pero no podemos ver cómo decide, entonces la Edge AI no es más que una nube más pequeña y más escondida. El problema no es la localidad del cómputo, sino la opacidad del hardware y el firmware.
Desde la perspectiva de Open Electronics, hay tres niveles de transparencia que deberíamos exigir:
- Hardware auditable: Los chips que integran NPU y los microcontroladores deberían tener documentación abierta y, a ser posible, diseños de referencia libres. Si no sabemos qué instrucciones ejecuta la NPU, no podemos saber si el fabricante ha metido una puerta trasera hardware (como hacen en los teléfonos para espiarte tus hábitos de consumo). Proyectos como RISC-V y los esfuerzos de OpenTitan van en esa dirección, pero aún son marginales frente a ARM y x86.
- Firmware modificable y verificable: El modelo de IA que corre en el borde debería poder ser extraído, inspeccionado y reemplazado. Si el fabricante permite actualizaciones over-the-air pero no permite que el usuario cargue su propio modelo, sigue siendo una jaula. La filosofía de OpenWrt, Coreboot y los routers libres debería aplicarse a cada termostato Edge AI.
- Datos de entrenamiento y sesgos: Un modelo local puede ser ciego en origen. Si el fabricante lo entrenó con datos sesgados, el dispositivo será injusto o manipulador aunque nunca se conecte. Open Electronics no puede resolver esto sola, pero puede exigir que el modelo venga acompañado de su «etiqueta nutricional»: qué datos se usaron, qué métricas de sesgo se midieron, qué versiones hay.
En el post «Cuba versus el AIoT» ya advertíamos que las nuevas tecnologías industriales vienen preparadas para trabajar SOLAMENTE en modo IoT+IA, sin opción a desconexión. La Edge AI, si no se diseña con transparencia y soberanía del usuario, será simplemente una versión más eficiente y sigilosa del mismo control. Pero si desde Open Electronics logramos que existan alternativas de hardware abierto y firmware libre, entonces la Edge AI puede ser una herramienta de emancipación real.
Un caso de prueba: Edge AI en el contexto cubano
No podemos cerrar sin mirar a casa. En Cuba, con nuestra internet intermitente, nuestros apagones, nuestra dificultad para acceder a servicios en la nube de forma estable, la Edge AI no es un lujo: es casi una necesidad. Un dispositivo meteorológico que procese localmente sus datos y solo envíe alertas cuando algo relevante ocurra (en lugar de depender de un servidor en el extranjero) puede funcionar donde un sistema cloud simplemente colapsaría.
Pero también hay riesgos específicos:
- Actualizaciones: Si el modelo Edge AI necesita actualizarse cada dos semanas y nuestra conexión es inestable, el dispositivo puede quedar obsoleto o volverse errático.
- Hardware cerrado: La mayoría de los chips con NPU no se consiguen en el mercado cubano de forma fácil ni asequible. Dependemos de lo que entre por valijas o de proyectos más modestos con microcontroladores como el ESP32-S3 (que ya tiene aceleración de IA básica).
- Soberanía tecnológica: Una Edge AI diseñada en Cuba, con modelos entrenados con datos locales (temperaturas, patrones de consumo, comportamientos de la red eléctrica), sería un acto de resistencia. Pero para eso hace falta acceso a herramientas de entrenamiento y a hardware abierto y además, ENERGÍA.
Por eso, desde Open Electronics seguiremos insistiendo: la tecnología que no podemos inspeccionar, modificar y reparar no es tecnología nuestra. La Edge AI tiene el potencial de ser un caballo de Troya de la vigilancia o un vehículo de liberación. La diferencia está en quién controla el hardware, el firmware y los modelos. Eso, en LADETEC lo aplicamos muy bien a los radares meteorológicos.
Conclusión: Tres series, una misma batalla
Hemos recorrido un camino que empezó en la Inteligencia Artificial (los modelos, las inferencias, los sesgos), pasó por la Internet de las Cosas (los protocolos, la conectividad, el drama de la latencia y la privacidad) y aterrizó en Open Electronics (el hardware auditable, el firmware libre, la soberanía del usuario). La Edge AI es el punto de intersección natural de estas tres series.
No es ni el mesías ni el anticristo. Es, simplemente, otra batalla en la guerra por el control de nuestras vidas digitales. Y como en toda guerra, lo importante no es el arma, sino quién la empuña y con qué fines.
La Cloud AI centraliza el poder en manos de unos pocos (Google, Amazon, Microsoft). La Edge AI lo distribuye, sí, pero lo distribuye entre los fabricantes de chips y los diseñadores de modelos. El poder sigue sin estar en sus manos a menos que usted tenga acceso al hardware abierto y a modelos auditables. La buena noticia es que, por primera vez, la tecnología permite dar un paso atrás en la dependencia permanente de la nube. La mala noticia es que, si no peleamos por la transparencia, ese paso atrás nos llevará directamente a una jaula de oro más cómoda, más eficiente y mucho más difícil de detectar.
En la serie Open Electronics seguiremos explorando estas tensiones. En la serie Internet de las Cosas seguiremos midiendo el pulso silencioso de MQTT y HTTP. Y en la serie Inteligencia Artificial seguiremos desmontando los algoritmos que quieren decidir por nosotros. Porque la tecnología nunca es neutral, y nuestro trabajo es desnudar sus contradicciones, no cantar sus alabanzas.
Deja una respuesta