Hace aproximadamente un año tuve la oportunidad de comenzar a trabajar, dentro de un proyecto de investigación, con una plataforma de computación especializada para inteligencia artificial.

Hasta ese momento, gran parte de mi experiencia en robótica y automatización había estado alrededor de los microcontroladores: Arduino Mini, Nano y Mega, ESP8266, NodeMCU, Micro:bit y diferentes versiones de ESP32.

Y debo decir que mi opinión sobre ellos no ha cambiado.

El ESP32 continúa siendo uno de mis dispositivos favoritos para desarrollar proyectos educativos y prototipos. Tiene una relación costo-beneficio difícil de superar: es económico, potente, dispone de conectividad WiFi y Bluetooth, consume relativamente poca energía y permite construir una enorme variedad de soluciones.

Muchos proyectos pueden resolverse perfectamente con un microcontrolador. No hace falta utilizar una plataforma más compleja únicamente porque exista.

Sin embargo, hace un año apareció ante mí otra posibilidad.

No reemplazó al ESP32.

Lo que hizo fue abrir una puerta hacia una categoría de proyectos que hasta ese momento había explorado muy poco.

Descubriendo otro mundo

Cuando comencé a trabajar con una plataforma de computación para inteligencia artificial entendí rápidamente que no estaba frente a “un Arduino más potente”.

Era otra categoría de dispositivo.

Por primera vez podía ejecutar modelos de inteligencia artificial directamente sobre el equipo, trabajar con visión por computador, procesar imágenes en tiempo real e integrar herramientas que anteriormente asociaba principalmente con computadores de escritorio o servicios remotos.

Empezaron a aparecer conceptos y tecnologías como:

  • reconocimiento facial;
  • detección de objetos;
  • modelos de aprendizaje profundo;
  • OpenCV;
  • ROS 2;
  • SLAM;
  • navegación autónoma;
  • procesamiento paralelo mediante GPU;
  • integración de cámaras y diferentes tipos de sensores.

Lo interesante no era únicamente que cada una de esas herramientas funcionara por separado.

Lo verdaderamente atractivo era la posibilidad de integrarlas dentro de un mismo sistema.

La robótica empezaba a dejar de ser únicamente movimiento, sensores y actuadores. Ahora también podía incluir percepción, interpretación del entorno y procesamiento avanzado de información.

Lo que realmente cambió no fue el hardware

Al principio pensé que el principal aprendizaje sería utilizar una nueva tarjeta.

Con el tiempo entendí que el cambio más importante había ocurrido en mi manera de pensar los proyectos.

Antes muchas ideas terminaban rápidamente con una pregunta:

“¿Será que este microcontrolador alcanza para hacer esto?”

Era una pregunta lógica porque la memoria, la velocidad de procesamiento y las capacidades disponibles condicionaban fuertemente las posibilidades del proyecto.

Con una plataforma capaz de ejecutar modelos de inteligencia artificial, la pregunta comenzó a cambiar.

Ahora podía preguntarme:

“¿Cómo puedo combinar sensores, visión artificial y procesamiento inteligente para resolver este problema?”

El cambio parece pequeño, pero transforma completamente la forma de diseñar una solución.

Ya no se trata únicamente de conectar componentes y programar una respuesta. Empieza a ser posible analizar información más compleja, interpretar imágenes, reconocer patrones y tomar decisiones a partir de lo que el sistema percibe.

Un año aprendiendo inteligencia artificial aplicada

Durante este tiempo he tenido que aprender mucho más de lo que imaginaba cuando comencé.

Cada tecnología abrió la puerta hacia otra.

Trabajar con visión por computador llevó a aprender sobre cámaras, resolución, iluminación, procesamiento de imágenes y modelos de detección.

Trabajar con robótica llevó a ROS 2, integración de sensores, navegación, construcción de mapas y coordinación entre diferentes componentes de software.

Los modelos de inteligencia artificial llevaron a preguntas sobre procesamiento local, uso de GPU, optimización, dependencias y rendimiento.

Y cada respuesta generaba nuevas preguntas.

Eso probablemente sea una de las características que más disfruto de esta etapa: cuanto más aprendo, más consciente soy de todo lo que todavía puedo explorar.

Las ideas comenzaron a cambiar

Antes pensaba principalmente en construir robots capaces de ejecutar determinadas acciones.

Ahora también pienso en sistemas que puedan percibir parte de lo que sucede a su alrededor.

Robots capaces de reconocer elementos del entorno, analizar imágenes, construir mapas, desplazarse de manera autónoma o combinar información proveniente de diferentes sensores.

También comencé a pensar con mayor frecuencia en cómo estas capacidades pueden utilizarse para resolver problemas reales y no solamente para demostrar que una tecnología funciona.

Ese cambio es importante.

Un prototipo puede ser muy interesante desde el punto de vista técnico, pero adquiere otra dimensión cuando comienza a responder a una necesidad concreta.

¿Significa eso abandonar los microcontroladores?

En absoluto.

De hecho, después de trabajar con plataformas de mayor capacidad he aprendido a valorar todavía más los microcontroladores.

El ESP32 sigue siendo extraordinario para controlar motores, sensores, actuadores y sistemas embebidos que no necesitan ejecutar procesos demasiado complejos.

Una plataforma especializada en inteligencia artificial aporta capacidades diferentes: mayor procesamiento, ejecución de modelos, visión artificial y manejo de grandes cantidades de información.

No se trata de decidir cuál es mejor.

Se trata de comprender qué herramienta necesita cada parte del problema.

Muchas veces una buena arquitectura consiste precisamente en combinar ambas.

Un microcontrolador puede encargarse del control de bajo nivel, mientras otro equipo procesa imágenes, ejecuta modelos o toma decisiones de mayor complejidad.

Comprender esa diferencia también cambió mi manera de diseñar proyectos.

Aprender a elegir antes de construir

Una de las lecciones que me ha dejado este proceso es que la tecnología más potente no siempre es la mejor solución.

Antes de seleccionar una plataforma conviene preguntarse qué debe hacer realmente el sistema.

¿Necesita visión artificial?

¿Debe procesar grandes cantidades de datos?

¿Requiere conectividad?

¿Debe controlar motores en tiempo real?

¿Tiene restricciones de energía?

¿El proyecto necesita funcionar de manera autónoma?

¿Podría resolverse de forma más sencilla con un microcontrolador?

Responder esas preguntas antes de comenzar puede evitar diseñar soluciones innecesariamente costosas o complejas.

La ingeniería no consiste en utilizar la mayor cantidad posible de tecnología.

Consiste en seleccionar y combinar las herramientas adecuadas para resolver un problema.

Mirando hacia adelante

Después de un año puedo decir que esta experiencia transformó mi manera de entender la robótica.

No solamente porque ahora conozco nuevas herramientas, sino porque descubrí una forma diferente de imaginar lo que un sistema puede hacer.

La inteligencia artificial no tiene que vivir únicamente en grandes centros de datos o aplicaciones en la nube.

También puede ejecutarse localmente.

Puede integrarse con cámaras y sensores.

Puede formar parte de un robot.

Puede ayudar a interpretar información y apoyar decisiones.

Y todavía queda muchísimo por aprender.

No siento que haya llegado a una meta.

Más bien siento que encontré un camino que continúa abriendo nuevas posibilidades.

Y, siendo sincera, esa es precisamente la parte que más disfruto.

Junio de 2026.