Melby, de Dairyland, tiene muy presente la infraestructura inteligente autogestionada, ya que en el sector energético se está intentando utilizar la IA para cumplir los objetivos de emisiones, pasar a las energías renovables y aumentar la resistencia de la red. “Estamos intentando adoptar intercambios de energía más flexibles, distribuir la generación de energía y combinar muchos recursos en una operación en tiempo real”, afirma. “Aprovechando la IA y la computación de borde, podríamos reducir eficazmente el riesgo de algunas decisiones operativas complejas estableciendo decisiones de máquina con límites claros y predecibles”. Un área específica es la selección y el equilibrio de múltiples fuentes de energía, como la eólica, la solar o el almacenamiento en baterías, en función del coste y las previsiones, y la optimización automática del flujo bidireccional de energía.
Otro sector es la fabricación. Blumofe, de Akamai, señala cómo los fabricantes podrían utilizar algoritmos de IA en la periferia para controlar la calidad de la producción y la seguridad en el lugar de trabajo, y realizar ajustes en tiempo real en los procesos de producción. Esto también podría incluir el mantenimiento predictivo y el autodiagnóstico de las máquinas.
Crawford, de AVOA, afirma que existen otras circunstancias especializadas, como llevar la IA generativa a un soldado en el teatro de operaciones. Sin embargo, en general, Crawford tiene una visión más pragmática de la IA en el borde, considerándola más un caso de uso especializado que una técnica global. “La IA y la computación periférica siguen siendo un nicho”, afirma. Lo atribuye en parte a los elevados costes de formación de los modelos y a la escasa rentabilidad. “Tiene que haber un valor significativo para compensar el coste”.
