Para gestionar todo lo que se le pide a la IA, la mayoría de los fabricantes asumen que necesitan dos entornos de computación: el edge para la velocidad y capacidad de respuesta, y la nube para la escala y el entrenamiento. Pero el futuro de la IA en la fabricación depende de un enfoque híbrido.
Por Germán Fernandez y WenChieh Huang | de Belden
Independientemente de dónde se aplique en las operaciones, la IA tiene dos funciones en la fabricación:
Actuar rápido y tomar medidas inmediatas en la máquina.
Aprender de las operaciones para que el rendimiento siga mejorando con el paso del tiempo.
Sin embargo, estas cargas de trabajo no tienen los mismos requisitos. Algunas decisiones deben ocurrir en tiempo real, justo donde se crean los datos. Otras dependen del análisis de patrones en líneas de producción, plantas y flotas completas.
Para cumplir con todo esto, muchos fabricantes asumen que necesitan elegir. Pero el futuro de la IA industrial depende de usar ambos entornos correctamente.
Por qué la mentalidad de "Nube vs. Edge" es insuficiente
La IA en la nube y la IA en el edge suelen presentarse como una decisión excluyente: eliges el entorno que mejor se adapta a tu carga de trabajo y construyes en torno a él. Pero ese enfoque fuerza compensaciones innecesarias.
Por qué solo la nube no basta
Un enfoque exclusivo en la nube tiene sentido cuando el objetivo es entrenar modelos o comparar datos de varios sitios para obtener una visión amplia del rendimiento. Pero falla cuando la aplicación depende de una respuesta inmediata en la máquina. Enviar cada señal a la nube puede generar costos innecesarios y problemas de ancho de banda.
Incluso un retraso mínimo es crítico cuando el modelo supervisa una falla o anomalía para actuar; los datos deben viajar a la nube y regresar antes de que suceda cualquier cosa.
Por qué solo el edge no basta
Un enfoque exclusivo en el edge resuelve el problema de la velocidad, pero crea nuevas limitaciones. El procesamiento en el extremo es rápido pero aislado; no ofrece visibilidad de lo que ocurre en otras ubicaciones. Sin la nube, los modelos no pueden aprender de conjuntos de datos amplios y los patrones permanecen encerrados en cada sitio o se pierden por completo.
Por ejemplo, si un patrón de vibración en una máquina CNC resulta ser una señal temprana de falla en el husillo, otras plantas que operan equipos similares nunca se beneficiarán de lo aprendido en esa única máquina.
La IA híbrida es el mejor camino a seguir
El futuro de la IA en la fabricación es "local-first" (primero lo local) y habilitado por la nube. No todas las señales necesitan salir del piso de planta.
Es por eso que muchos fabricantes se están moviendo hacia un modelo híbrido: IA en la nube + IA en el edge, en lugar de una contra la otra. Cada capa juega un papel central en la resolución de diferentes partes de los mismos desafíos industriales. Juntas, crean un enfoque inmediato y escalable para la toma de decisiones, que es lo que la IA industrial necesita.
El Edge se encarga del trabajo que debe suceder de inmediato.
La Nube respalda el aprendizaje más amplio, la coordinación de flotas y la optimización a largo plazo.
IA híbrida en acción: detección de anomalías
Usemos la detección de anomalías en tiempo real como ejemplo de lo que puede hacer una arquitectura local-first habilitada por la nube.
Presentamos esta demostración en la HANNOVER MESSE 2026 en abril, junto con Storm Reply y Amazon Web Services (AWS). El sistema analiza el comportamiento del motor en tiempo real, justo donde se generan los datos, mediante el uso de AWS IoT Greengrass v2 en un dispositivo de borde Belden y un modelo de IA de "Bosque de Aislamiento" (Isolation Forest) para la puntuación del comportamiento.
Solo los conocimientos y métricas relevantes se mueven a la nube periódicamente (cada 10 minutos) para reentrenar los modelos. Esto asegura un uso eficiente del ancho de banda y reduce los costos de almacenamiento. Una vez actualizado en la nube, el nuevo modelo se envía de vuelta al edge.
Lo que muestran los números
Los resultados de esta configuración híbrida frente a una basada solo en la nube fueron contundentes:
Tiempo de inferencia: ~63 ms (edge) vs. ~442 ms (nube).
Reducción de tráfico backhaul: ~40% menos.
Disponibilidad durante una caída de red (WAN): 99.2% (híbrido) vs. 5.8% (solo nube).
La tercera pieza de la ecuación: la red
El futuro de la IA en la fabricación une la inteligencia en tiempo real en el edge, la inteligencia escalable en la nube y una red OT (Tecnología Operativa) confiable que conecte ambas.
Una red determinista y resiliente asegura que los datos correctos lleguen al lugar adecuado en el momento justo. Permite que el edge tome decisiones en milisegundos y que la nube aprenda de lo que el edge "ve". Sin ella, la IA híbrida se desmorona antes de poder entregar valor.
Las soluciones de conexión completa de Belden respaldan la IA de extremo a extremo. El camino estratégico es claro: Construye para el edge, construye para la nube y construye la red que haga que ambos funcionen.