By Kernel Creativo 
Octubre 25, 2026 Cuando tu teléfono desbloquea la pantalla con tu rostro, transcribe un audio o mejora una fotografía al instante, muchas veces no consulta ningún servidor remoto. El modelo de inteligencia artificial se ejecuta dentro del propio aparato. Este enfoque se conoce como computación de borde, y está cambiando cómo se diseñan los sistemas inteligentes.
En el modelo tradicional, un dispositivo envía los datos a un centro de datos en la nube, donde se procesan, y recibe el resultado. El borde de la red es el lugar más cercano a donde se generan los datos: el teléfono, la cámara, el vehículo o la máquina industrial. Procesar allí evita el viaje de ida y vuelta.
La primera es la velocidad: sin depender de la red, la respuesta es casi instantánea, algo crítico en un vehículo que debe frenar. La segunda es la privacidad, porque los datos sensibles, como tu voz o tu rostro, no salen del dispositivo. La tercera es la fiabilidad: funciona sin conexión. La cuarta es el ahorro de ancho de banda y de costos de servidores.
Ejecutar modelos de inteligencia artificial en un teléfono exige mucha capacidad de cálculo con muy poca energía. Por eso los procesadores modernos incluyen unidades de procesamiento neuronal, aceleradores especializados en las operaciones matriciales que dominan estos modelos, mucho más eficientes que un procesador general.
Los modelos grandes no caben en un teléfono, así que se reducen mediante técnicas como la cuantización, que usa números de menor precisión; la poda, que elimina conexiones poco útiles; y la destilación, donde un modelo pequeño aprende a imitar a uno grande. Se sacrifica algo de precisión a cambio de gran eficiencia.
Reconocimiento facial y de huellas, dictado por voz, traducción de texto con la cámara, modo noche en fotografía, sugerencias de escritura, detección de caídas en relojes inteligentes y cancelación de ruido en llamadas son ejemplos de inteligencia artificial en el dispositivo.
En fábricas, las cámaras inspeccionan productos en tiempo real. En agricultura, sensores analizan cultivos en el campo sin conexión. En ciudades, cámaras de tráfico cuentan vehículos sin enviar el video completo a la nube. En medicina, dispositivos portátiles detectan arritmias localmente.
Los dispositivos tienen memoria, energía y capacidad limitadas, y no pueden ejecutar los modelos más grandes. Lo habitual es un enfoque híbrido: tareas rápidas y sensibles en el dispositivo y tareas pesadas en la nube, decidiendo en cada caso la mejor opción.
Actualizar modelos en millones de dispositivos, protegerlos contra manipulaciones y garantizar que los resultados sean consistentes son desafíos técnicos importantes. Un dispositivo en manos de un atacante también podría ser analizado para extraer información del modelo.
Un ejemplo de privacidad por diseño es el reconocimiento de huellas y rostros: los datos biométricos se guardan en un área protegida del chip y no se envían a servidores de la empresa. Cuando eliges una aplicación, conviene revisar si las funciones de inteligencia artificial se ejecutan en el dispositivo o en la nube, y qué se almacena en cada caso. Esa información suele estar en la política de privacidad y en los ajustes de la aplicación.
La computación de borde acerca la inteligencia artificial a las personas, haciéndola más rápida, privada y eficiente. Es una de las tendencias que más influirá en los dispositivos del futuro.
