Ir al contenido

AI at the Edge: la pregunta es dónde corre, no qué modelo

Daniel Situnayake y Jenny Plunkett · O'Reilly, 2023
27 de septiembre de 2025 por
AI at the Edge: la pregunta es dónde corre, no qué modelo
Andrés Briñez

El libro trata de correr modelos en el borde: en el aparato que mide, no en un servidor. Vigilancia de maquinaria, conteo, detección de palabras clave, cámaras que no mandan la imagen a ningún lado. La mitad del contenido no es de modelos sino de diseño del problema y de recolección de datos, que es donde fracasan estos proyectos.

Qué me llevé

El árbol de decisión sobre dónde ejecutar. Si la conexión es intermitente, si el dato es sensible, si la respuesta tiene que llegar en milisegundos o si mandar todo a la nube cuesta más que el aparato, la respuesta cambia. En una bodega de Quito con una antena floja, esa conversación se tiene antes de elegir herramienta, no después.

La segunda idea la aplico a todo: primero los datos, después el modelo. Los autores insisten en salir a recoger datos del sitio real, con el ruido del sitio real, antes de entrenar nada. Traducido a una implementación de ERP con periféricos, significa ir a ver la báscula, el lector y la impresora antes de escribir la integración, porque el dato que llega en la práctica nunca es el del manual.

Y una tercera, incómoda: el sistema tiene que comportarse de manera razonable cuando el modelo se equivoca, porque se va a equivocar. Un aparato sin supervisión no tiene a quién preguntarle.

Qué dejé fuera

Todo el detalle de hardware y herramientas. Esa parte ya envejeció y se consulta en línea, no en papel. Y honestamente, el libro entero está a un costado de lo que hago: lo leí porque los periféricos aparecen en casi toda implementación y quería entender la frontera. Lo que quedó fue criterio, no técnica.

AI and Machine Learning Algorithms for Engineering Applications: una compilación sin hilo
Krishan Arora, Himanshu Sharma y Aeidapu Mahesh (edición) · CRC Press, 2026
WhatsApp