Una cámara frigorífica puede enviar su temperatura cada pocos minutos y aun así dejar una tarea difícil a su responsable: decidir qué cambio requiere atención, encontrar a la persona adecuada y configurar la respuesta. Conectar el sensor resuelve solo una parte del problema. AIoT combina inteligencia artificial e Internet de las cosas para ayudar a interpretar información de dispositivos, hacer predicciones o ejecutar tareas definidas.

Para mí, lo útil es preguntarse qué cambia esa inteligencia en el trabajo cotidiano. ¿Puede alguien describir la supervisión que necesita y revisar la configuración resultante? ¿Preguntar por un equipo desconocido sin perder de vista qué dispositivo está implicado? ¿Comprobar qué ocurrirá antes de aceptar una acción?

En eso trabajamos en Kilo, una plataforma IoT para conectar, supervisar y controlar dispositivos. Su asistente de IA ayuda a configurar dispositivos, reglas y alarmas mediante las operaciones de la plataforma. Puedes explorar este funcionamiento con un dispositivo emulado antes de comprar hardware. Primero conviene entender dónde encaja la IA y cuándo basta con una automatización convencional.

¿Qué es AIoT y en qué se diferencia del IoT?

AIoT significa Artificial Intelligence of Things: la combinación de IA y objetos conectados. El IoT aporta mediciones, identidades de dispositivos y comunicación. La IA puede reconocer patrones, interpretar peticiones, predecir condiciones o seleccionar tareas. La introducción de Cisco a AIoT explica esta combinación de sensores, redes, procesamiento y aplicaciones.

Un sensor de temperatura conectado es IoT. Una regla que envía una alerta cuando la lectura supera un umbral configurado es automatización convencional. Ninguno necesita un modelo entrenado. Un modelo que analiza patrones o un asistente que interpreta una petición en lenguaje natural para configurar el sistema añade un componente de IA.

Son usos distintos de la inteligencia. Un asistente puede ayudar a crear una regla determinista sin convertirla en un modelo de aprendizaje automático. Una vez desplegada, la regla evalúa la condición especificada sin pedir a un modelo de lenguaje que decida en cada ejecución. Es una división útil: la IA facilita la configuración y una lógica explícita gobierna la operación repetible.

AIoT también se relaciona con la IA física. AIoT parte de los objetos conectados y la inteligencia aplicada a sus datos o su gestión. La IA física enfatiza comprender e interactuar con el entorno material. Un proyecto de supervisión conectada puede ser su base sin constituir ya un sistema de control autónomo.

Arquitectura AIoT: dispositivos, conectividad, IA y aplicaciones

No necesitas desarrollar todas las capas, pero sí saber quién asume cada responsabilidad. Una respuesta convincente en un chat puede ocultar una lectura ausente o un destinatario todavía sin configurar.

Empezar con una medición identificable

Una lectura útil necesita identidad del dispositivo, hora de medición, unidad y contexto. Un valor de 25 puede representar temperatura, batería o nivel de un depósito. Incluso una temperatura bien etiquetada resulta engañosa si el último mensaje llegó ayer.

En el primer proyecto, asigna un nombre claro al equipo, comprueba la decodificación de su carga útil y compara el valor con una referencia razonable. Mantén visible la hora original. Una explicación segura de sí misma no corrige una unidad equivocada.

Adaptar la conexión al trabajo

La conexión debe transportar datos al ritmo que necesita la aplicación. Un dispositivo que envía lecturas ocasionales tiene requisitos diferentes de un equipo que debe responder pronto a una orden. Comprueba por separado intervalos de envío, cobertura, alimentación y capacidad para recibir comandos.

Kilo documenta comandos para dispositivos MQTT compatibles, dispositivos LoRaWAN de clase C y dispositivos emulados con esa función habilitada. Un sensor LoRaWAN de clase A abre ventanas de recepción después de transmitir un mensaje ascendente; no es un actuador disponible permanentemente. Verifica el dispositivo y su conector antes de diseñar control bajo demanda.

Decidir qué hace la IA y dónde se ejecuta

La inteligencia puede ejecutarse cerca del equipo, en un servicio en la nube o como asistente que utiliza herramientas de la plataforma. Depende de la tarea, la disponibilidad de conexión, los datos necesarios y la demora tolerable. Trasladar el procesamiento a una pasarela es una decisión arquitectónica, no una función implícita en la palabra AIoT.

Con un asistente, pregunta qué datos recibe el proveedor del modelo y qué operaciones puede invocar. El asistente integrado de Kilo y un cliente MCP externo son vías diferentes. Hay que evaluar por separado su configuración y su comportamiento de aprobación.

Separar ejecución y respuesta

Si la IA propone una acción, aún hace falta validar parámetros, enviar el comando y comunicar su estado. Propuesta, solicitud aceptada y resultado físico son eventos distintos. Que el controlador acepte una orden no demuestra que una válvula se haya movido o que la habitación haya alcanzado la temperatura deseada.

Define qué prueba acreditará el éxito: un estado compatible del dispositivo, una medición posterior o una comprobación humana. La falta de respuesta debe tener un resultado propio; el silencio no significa éxito. Resuelve esta responsabilidad antes de activar el control automático.

Ejemplos de AIoT: dónde cambia el trabajo la inteligencia

Estos tres ejemplos son diseños ilustrativos, no resultados medidos de clientes ni afirmaciones sobre modelos predictivos integrados en Kilo.

En una cámara frigorífica, la supervisión convencional puede avisar al empleado responsable cuando persiste una condición de temperatura. Un asistente ayuda a configurar la regla y sus destinatarios. Un modelo predictivo independiente podría estimar un fallo incipiente de refrigeración, pero necesitaría datos históricos adecuados y evaluación. Una alarma de umbral no es, por sí sola, mantenimiento predictivo.

En un edificio con varios contadores, un analista puede necesitar comparar el consumo de un periodo. El asistente facilita la pregunta, pero la respuesta sigue necesitando contadores, unidades y fechas correctos. Comprueba si la explicación puede vincularse a las lecturas originales. Sin ese vínculo, un resumen atractivo es difícil de utilizar responsablemente.

En un equipo conectado, una persona puede pedir al asistente que ejecute un comando existente. El flujo documentado de Kilo enumera los comandos configurados, presenta los parámetros para confirmación e informa del estado de ejecución. No convierte un dispositivo incompatible en controlable ni inventa un comando de actuador a partir de una frase.

El valor de cada caso proviene de reducir un trabajo concreto de comprensión o configuración. Identifica primero ese trabajo. Si una alerta sencilla ya responde a la necesidad, consérvala. Añade inteligencia donde puedas demostrar una capacidad adicional útil.

¿Qué debe ofrecer una plataforma AIoT?

La evaluación mejora cuando sigue una tarea de principio a fin. Pide a cada proveedor que demuestre el mismo dispositivo, los mismos datos de ejemplo y la misma respuesta prevista. Anota qué incluye, qué exige otro servicio y qué deberá configurar tu equipo.

Contexto del dispositivo. ¿Puedes identificar el activo y la hora de cada lectura? ¿Revisar campo decodificado, unidad y conexión? Pregunta también qué ocurre cuando deja de transmitir, no solo cómo se ve el panel cuando llegan datos.

Un papel definido para la IA. ¿Ofrece asistencia de configuración, inferencia, análisis predictivo o varias funciones? No son intercambiables. Si promete una predicción, pide evaluarla con datos representativos, incluidos errores de predicción y eventos no detectados.

Operaciones revisables. ¿Puedes ver qué creó o modificó el asistente? Kilo documenta el alta de dispositivos y la configuración de reglas y alarmas. Revisa los objetos, los destinatarios y las condiciones resultantes; una afirmación en la conversación no sustituye a una prueba completa.

Pruebas que controlen los efectos externos. El depurador de reglas de Kilo ofrece Execute, Skip y Mock para los nodos compatibles con efectos externos. Execute realiza la operación real y está seleccionado inicialmente. Elige Skip o Mock expresamente cuando quieras evitarla durante la prueba. Un emulador no vuelve inofensiva cualquier acción externa.

Un proceso de despliegue controlado. Distingue la configuración en edición del artefacto que funciona en producción. En Kilo, restaurar una regla anterior crea una nueva versión del borrador; compilarla y desplegarla son pasos separados. La restauración no deshace acciones físicas ya realizadas.

Una visión completa del coste. Incluye dispositivos, conectividad, consumo del proveedor del modelo cuando corresponda, capacidad de la plataforma, instalación y mantenimiento. Una cuenta gratuita facilita aprender, pero no hace gratuitos el hardware y la red.

Estas preguntas también permiten comparar las capacidades de control de una plataforma AIoT con tus requisitos reales. Busca un funcionamiento que el equipo entienda lo suficiente para operarlo, ampliarlo y resolver problemas.

Cómo iniciar un proyecto de IoT con IA en Kilo

Empieza con un dispositivo de prueba bien identificado, una vista útil y una respuesta. Un sensor de temperatura emulado que alimenta un panel y permite probar una regla es un ejemplo manejable. Usa un contexto de prueba y valores ilustrativos, no límites recomendados para equipos reales.

  1. Crear la cuenta y el dispositivo. Abre Kilo para empezar gratis y sigue la documentación de dispositivos emulados. El plan gratuito actual admite hasta cinco dispositivos, un panel y una regla. Consulta los precios antes de ampliar el proyecto.
  2. Confirmar los datos. Asigna un nombre de prueba claro. Revisa campo, unidad y marca de tiempo antes de mostrarlos. Envía un valor conocido y confirma que el dato corresponde a ese dispositivo.
  3. Describir la regla. Indica al asistente el dispositivo, la medición, la condición y la respuesta deseada. Para una notificación, identifica al destinatario y configura el canal. La existencia de una alarma en la plataforma no demuestra que alguien haya recibido el aviso.
  4. Revisar y probar. Examina la regla con valores que deben y no deben cumplir la condición. Comprueba Execute, Skip y Mock antes de continuar con efectos externos. Revisa la salida de ejecución, no únicamente la última frase del asistente.
  5. Añadir hardware deliberadamente. Verifica modelo, carga útil, región de radio, requisitos de pasarela o red y comandos compatibles. Puedes comprar dispositivos en Kilo Electronics, la tienda de hardware independiente. Hardware y conectividad tienen costes separados del plan de plataforma.

Si después necesitas más dispositivos, paneles o reglas, elige un plan adecuado al alcance real. Primero demuestra que la lectura llega al lugar correcto y que la respuesta definida puede probarse. Eso te da una base concreta antes de incorporar predicciones o control físico.

Continúa con la guía para configurar Kilo con el asistente de IA, que explica operaciones disponibles e información necesaria. Antes de habilitar acciones físicas, consulta la guía de un primer flujo de dispositivos con IA física.