La narrativa del IoT suele ser: sensores recolectan datos, los datos suben a la nube, la nube los procesa, y todo aparece en un dashboard. En la práctica, esta cadena se rompe por latencia, ancho de banda, conectividad intermitente o datos que no pueden salir de la empresa. Ahí es donde entra el edge computing, y en muchos casos no como complemento sino como la decisión correcta desde el día uno.
Qué es edge computing, en términos simples
Edge computing es procesar datos lo más cerca posible de donde se generan, en vez de mandarlos a un datacenter lejano. Puede ser un gateway industrial junto a una máquina, un mini servidor en una faena, o un equipo robusto en una sala de producción. La nube sigue existiendo, pero solo para lo que justifica el viaje: almacenamiento de largo plazo, modelos de analítica avanzada, integración con otros sistemas.
La idea no es nueva. Lo que cambió en los últimos años es que el hardware es más barato, los frameworks de software maduraron, y los casos donde la nube simplemente no sirve se hicieron más evidentes.
Cuándo edge es obligatorio, no opcional
Latencia que no admite viaje
Una línea de manufactura con visión computacional que detecta defectos necesita respuesta en menos de 50 milisegundos. Una válvula que se cierra automáticamente ante una condición crítica no puede esperar el round trip a un datacenter en otro continente. En estos casos, edge no es una optimización: es la única forma de que el sistema funcione.
Conectividad intermitente o nula
Una faena minera en la cordillera, un campo agrícola en zonas sin cobertura, una plataforma marina o un bus de transporte en rutas con señal irregular generan datos que no pueden esperar a tener internet. Edge permite operar el sistema localmente y sincronizar con la nube cuando la conectividad vuelve.
Volumen que no es viable subir
Una cámara industrial en una línea de producción genera entre 5 y 20 GB de video por hora. Una planta con 20 cámaras produce más de 100 GB diarios, gran parte del cual no tiene valor después de procesarse. Subirlo todo a la nube para recién analizarlo es un gasto inútil. Edge filtra, analiza y solo manda a la nube los eventos que importan.
Datos que no pueden salir
Información de salud, geolocalización sensible, datos de procesos productivos competitivos o información bajo regulación sectorial muchas veces no pueden salir del perímetro de la empresa. Edge permite procesarlos internamente y mantener el control.
Cuándo la nube sigue siendo la respuesta
Edge no siempre conviene. Para casos de baja frecuencia, baja criticidad y baja sensibilidad, mandar todo a la nube es más simple y barato. Sensores que reportan temperatura cada diez minutos, medidores de consumo eléctrico, contadores en una oficina: para esos, la nube es suficiente.
La regla práctica es: si el dato puede esperar segundos o minutos, la nube basta. Si necesita respuesta en milisegundos, edge es obligatorio. La mayoría de los proyectos vive en un punto intermedio, y la solución es híbrida: edge para la operación inmediata, nube para el resto.
Cómo armar una arquitectura edge razonable
Tres componentes definen una solución edge que funcione:
- Hardware industrial confiable. Gateways certificados para operar en condiciones reales (temperatura, polvo, vibración). Equipos como los basados en NVIDIA Jetson, gateways Advantech o PLCs modernos con capacidad de cómputo son opciones comunes. Un Raspberry Pi sirve para un prototipo, no para producción.
- Plataforma de software en el edge. Soluciones como AWS IoT Greengrass, Azure IoT Edge o frameworks propios permiten desplegar lógica, modelos de IA y reglas de negocio en los gateways, y sincronizar con la nube cuando corresponde.
- Modelo de operación claro. Edge sin mantenimiento es edge muerto. Hay que definir cómo se actualizan los dispositivos, cómo se monitorea su estado, y cómo se recuperan cuando fallan.
La decisión correcta no es edge vs nube
Edge y nube no compiten. En un proyecto bien diseñado, ambos se complementan. Edge maneja la operación inmediata, la nube maneja el histórico, la analítica y la integración. La clave es entender qué necesita respuesta local y qué puede esperar, y armar la arquitectura con esos criterios en vez de elegir una por defecto.
En CodeHub diseñamos arquitecturas IoT híbridas para empresas chilenas, desde la selección de hardware edge hasta la integración con plataformas cloud y sistemas on-premise.