Edge AI es ejecutar la inferencia donde está la máquina. No es una preferencia de arquitectura: la latencia y el ancho de banda la imponen. Esta ficha explica de dónde sale esa obligación, qué se queda en el borde, qué sube y qué límites tiene.
Qué es la inferencia en el borde
El edge computing sitúa cómputo en la planta, junto a los equipos. Edge AI es el paso siguiente: en ese mismo dispositivo se ejecuta un modelo ya entrenado, de modo que el dato se convierte en decisión sin salir del perímetro. La distinción que importa es entre entrenar e inferir. El entrenamiento necesita histórico largo y comparable, y vive donde está ese histórico. La inferencia necesita estar cerca del fenómeno, y por eso baja a la planta. Un mismo modelo se entrena arriba y se ejecuta abajo, versionado, con la posibilidad de retirarlo rápido.
Por qué la latencia lo impone
Los lazos industriales trabajan con tiempos de ciclo habituales de 10 ms, 1 ms y 0,5 ms en la comunicación periódica, según el documento de 5G-ACIA y ZVEI sobre la integración de Ethernet industrial con redes 5G publicado en noviembre de 2019. Ese mismo documento señala que los dominios de reloj de trabajo, donde viven robots y control de movimiento, exigen sincronización menor o igual a 1 microsegundo. Con esas cifras, cerrar un lazo a través de una red no determinista no falla por ancho de banda: falla por varianza del retardo, porque un lazo con jitter no se puede sintonizar. El perfil de red industrial que aborda ese problema, IEC/IEEE 60802, se publicó el 29 de junio de 2026 según el grupo TSN de IEEE 802.1: ya es norma, no borrador. La misma lógica aparece en el estado del arte de la robótica: en Helix, presentado por Figure AI el 20 de febrero de 2025, la política reactiva corre a 200 Hz y el razonamiento semántico a 7-9 Hz. Dos velocidades, y la rápida siempre pegada al actuador.
Por qué el ancho de banda lo impone
La segunda razón es de volumen. Para diagnosticar un rodamiento hay que observar una banda de vibración de varios kilohercios, y el criterio de Nyquist obliga a muestrear por encima del doble de la frecuencia máxima de interés, con margen adicional si además se quiere reconstruir la forma de la señal. Transmitir esa forma de onda en continuo, por activo y durante años, no es razonable ni útil. Lo sensato es calcular el espectro y los indicadores en el borde y enviar el resultado con su ventana temporal. Lo mismo ocurre con la imagen: no tiene sentido subir el caudal entero de una cámara de inspección para que casi todos los fotogramas resulten ser una pieza correcta.
Qué se queda y qué sube
La regla que ordena el reparto: el cómputo vive en el nivel más alto que cumpla la latencia y que permita al nivel inferior seguir degradando de forma segura si el superior desaparece.
- Se queda en el borde. La adquisición y el filtrado previos al muestreo, la marca de tiempo puesta en origen, el cálculo de indicadores, la detección de anomalía, la inspección visual en línea, el almacenamiento temporal que sobrevive a la caída del enlace y cualquier decisión con latencia acotada.
- Sube a la plataforma. Los agregados con su contexto, los eventos con su marca de tiempo, los episodios recortados alrededor de un fallo y las métricas de calidad del propio dato.
- Baja desde la plataforma. Modelos versionados, umbrales, recetas y consignas, siempre con un camino de retirada probado.
Límites de la decisión
El borde tiene coste de operación: mantener decenas de dispositivos con modelos versionados, vigilar la deriva de cada uno y poder revertir sin desplazarse a planta exige una disciplina que no aparece sola. Un dispositivo que además escribe en el proceso amplía la superficie expuesta, y ahí el marco de referencia es la serie ISA/IEC 62443 de ciberseguridad para sistemas de automatización y control industrial. Y hay un límite conceptual: acercar la inferencia a la máquina no resuelve el problema de saber en qué estado está la planta. Si el dato llega sin unidad, sin activo y sin hora fiable, ejecutar el modelo un metro más cerca no lo arregla.
Relación con otros términos
Edge AI es la forma en que la IA física alcanza sensores, cámaras y controladores. Se apoya en el gateway industrial y en la adquisición de datos, alimenta la detección de anomalías y la visión artificial industrial, y es la capa donde se ejecuta buena parte del bucle cerrado. En la escalera de la IA física aparece ya en el nivel 1 y se vuelve determinante en el 3. La arquitectura completa se describe en la plataforma de datos industriales.