En plena eclosión de la revolución digital a veces resulta complejo seguir la pista a los avances y, dentro de ellos, destacar y entender los que son realmente disruptivos o, cuando menos, están llamados a serlo. El edge computing es uno de ellos, un modelo de procesamiento descentralizado que sitúa la gestión y el análisis de la información más cerca de los puntos donde esta información se genera, antes de recurrir exclusivamente a servidores o estructuras cloud. 

¿Cómo podemos definir el edge computing?

Se trata de un modelo de trabajo o una perspectiva determinada a través de la cual entender el funcionamiento dentro del mundo de la computación. Según dicha aproximación todas las operaciones lógicas, todos los procesos relacionados con datos, su almacenamiento y su gestión procuran situarse lo más cerca posible a los dispositivos o los servidores más cercanos al usuario o la fuente de esa información. 

Se entiende mejor el edge computing si lo contraponemos a la perspectiva tradicional, que generalmente envía la información a centros de datos remotos respecto al usuario. El procesado de datos en el filo o en el borde —que es la traducción literal de edge— reduce la latencia e incrementa la eficiencia de las infraestructuras tecnológicas que se valgan de este modelo. Algo que es especialmente relevante si tenemos en cuenta el vigente incremento, prácticamente exponencial, del consumo de datos y del volumen que requieren tecnologías como la inteligencia artificial, las redes smart o el Internet de las Cosas (IoT), por citar solo algunos ejemplos. 

¿Cómo almacena los datos y ahorra ancho de banda el edge computing?

El almacenamiento en el edge computing se realiza en nodos distribuidos, que pueden ser dispositivos locales, servidores regionales o gateways de red. Estos nodos tienen capacidad para almacenar y procesar datos en el lugar donde se generan, eliminando la necesidad de enviar todo a un centro de datos centralizado. Esta manera de trabajar con la información proporciona distintas ventajas, como ya hemos avanzado más arriba: reduce la latencia, optimiza el ancho de banda —porque solo se transmite una parte de la información relevante a los servidores o la nube— y ofrece mayor seguridad, dado que la información sensible puede salvaguardarse en redes locales, reduciendo riesgos. 

Algunos casos de uso interesantes

Dado que el centro del interés del cloud computing está en la eficiencia, el ahorro de recursos y la dinamización del procesado de datos, sus aplicaciones prácticas son virtualmente ilimitadas. Algunos de sus casos de uso más llamativos pueden ser: 

• Área de la ciberseguridad: Ya que hace posible la detección de amenazas en tiempo real mediante análisis local en aquellos dispositivos conectados a una red. Esto hace más fácil proteger los distintos sistemas y dispositivos son tener que depender de conexiones externas. 

• IoT y Smart Cities: El cloud computing deposita la carga de trabajo en las estructuras locales. Esto permite, por ejemplo, el procesado de datos de sensores locales para gestionar sistemas de tráfico, alumbrado y recolección de residuos de manera eficiente. Lo que, a su vez, otorga autonomía y reduce la dependencia a agentes externos a quien administre los sistemas edge. 

• Sector Salud: En hospitales, los dispositivos médicos pueden analizar datos vitales al instante, mejorando la atención al paciente, sin tener que esperar una respuesta por parte de una estructura jerárquicamente superior, o a instancias ubicadas en una localización remota, respecto de la instalación hospitalaria. 

• Sector retail: En tiendas físicas, el edge computing permite personalizar ofertas en tiempo real basándose en el comportamiento de los clientes, sin estar sujetas a políticas de empresa no acordes con las tendencias del público local, o a decisiones estratégicas que no conocen las dinámicas de cercanía. 

Todos los casos de uso anteriores, junto con otros muchos, pueden verse aún más beneficiados con la interacción del edge computing con la inteligencia artificial. La ejecución de algoritmos en servidores locales, la elaboración de predicciones basadas en análisis de comportamiento o patrones de fallos, los análisis heurísticos o la personalización pueden hacer que la interacción con la tecnología no solo sea más eficiente y rápida, sino que se sienta realmente más cercana y útil por parte de las personas, que son las beneficiarias de toda tecnología, en última instancia.