Cuándo tu IA debe quedarse en el edificio: una guía en lenguaje sencillo sobre visión por computadora on-premise
Un cliente nos pidió una vez agregar cámaras capaces de reconocer rostros en su recepción. Lo interesante no era la IA. Era decidir dónde debía vivir esa IA.
Equipo thehsquares
3 mar 2026 · thehsquares
Imagina un guardia de seguridad que nunca levanta la vista
Imagina que contratas a un guardia para tu recepción, pero cada vez que alguien entra, él no puede decidir nada por su cuenta. En cambio, saca una foto, llama por teléfono a un desconocido en otra ciudad, le describe a la persona y espera a que ese desconocido devuelva la llamada y diga "sí, déjalo pasar". Funciona. Pero es lento, pagas por cada llamada, y ahora un desconocido tiene una foto de todos los que visitan tu edificio. Ese arreglo de llamar-a-un-desconocido es básicamente lo que ocurre cuando tus cámaras envían cada imagen a un servicio de IA en la nube. En este artículo recorreremos un tipo de proyecto real que hacemos, y por qué a veces mantenemos el "cerebro" dentro de tu edificio. No hace falta un título en ingeniería.
Primero, qué queremos decir con "visión por computadora"
La visión por computadora es simplemente software que ve. Apuntas una cámara al mundo y, en lugar de solo grabar video, el software entiende qué hay en la imagen. Puede detectar un rostro y reconocer de quién es, contar cuántas cajas quedan en un estante, o seguir a un montacargas mientras se mueve por una bodega. Piénsalo como darles a tus cámaras existentes un par de ojos y algo de criterio. La parte que hace el reconocimiento en sí se llama el "modelo": esa es la pieza de software entrenada que aprendió, a partir de miles de ejemplos, cómo se ve un rostro, una caja o un montacargas. Guarda esa palabra, "modelo", porque un malentendido común y costoso es creer que el modelo es todo el trabajo. No lo es, y ya llegaremos a eso.
Nube u on-premise: la decisión que hay debajo del proyecto
Hay dos lugares donde puede vivir el "cerebro". El primero es la nube: un gran servicio de IA operado por otra persona, allá afuera en internet, al que tus cámaras llaman para cada decisión. Es fácil de empezar y las máquinas son de otro. El segundo es on-premise, que simplemente significa "en tus propios servidores, dentro de tu propio edificio" (también decimos "en las instalaciones"). Es el guardia que trabaja en el sitio y toma la decisión él mismo, ahí mismo. Ninguno es automáticamente mejor. Para un chatbot que responde una pregunta de vez en cuando, la nube suele estar bien. Pero para cámaras que vigilan de forma continua, todo el día, a menudo encontramos que on-premise es la opción más inteligente, y se reduce a tres razones sencillas: velocidad, costo y privacidad. Veámoslas una por una, usando como ejemplos un sistema de reconocimiento facial que construimos para un cliente privado y una instalación de cámaras en una bodega.
Razones uno y dos: es más rápido, y más barato a gran escala
Primero, la velocidad. Cada vez que una cámara llama a la nube, la solicitud viaja hacia internet y la respuesta viaja de vuelta. Ese viaje de ida y vuelta toma tiempo: los ingenieros llaman a esa demora "latencia", pero puedes pensarlo simplemente como la pausa antes de que llegue la respuesta. Para una puerta que debería abrirse en el instante en que se reconoce a alguien, o para un sistema que sigue un objeto en movimiento, esa pausa es la diferencia entre algo fluido y algo torpe. Un cerebro dentro del edificio responde en un parpadeo porque nada tiene que salir. Ahora, el costo. Los servicios de IA en la nube suelen cobrarte un poco por cada imagen que miran. Una cámara, de vez en cuando, es barato. Pero una bodega con cuarenta cámaras funcionando cada segundo de cada día son millones de pequeños cargos al mes: el contador nunca se detiene. Compra el servidor una vez y ejecútalo en tu edificio, y ese contador simplemente no existe. Pasado un número sorprendentemente pequeño de cámaras, ser dueño del hardware es el camino más barato.
Razón tres: una privacidad que de verdad puedes prometer
Esta es la que decide muchos proyectos. Cuando los rostros o las grabaciones sensibles salen de tu edificio hacia la nube, ahora tienes que confiar —y ser legalmente responsable— de lo que pase con esos datos allá afuera. Para muchos de nuestros clientes, eso es inaceptable de entrada. A veces es una regla de la empresa; a veces la ley simplemente no lo permite. Aquí está lo hermoso de mantener el cerebro on-premise: si las grabaciones nunca salen del edificio, toda una categoría de problemas del tipo "¿y si se filtran los datos?" no puede ocurrir en absoluto. No es una promesa escrita en una política de privacidad que esperas que se cumpla. Es un hecho de cómo está construido el sistema. Puedes entregarle a tu propio equipo de seguridad toda la instalación y decir: "mira, nada sale de aquí". Esa garantía estructural suele ser la diferencia entre un proyecto que se aprueba y uno que muere en una revisión legal.
El modelo es solo una cuarta parte del trabajo: planifica el resto
Aquí viene la parte honesta que la mayoría no espera. ¿Ese ingenioso "modelo" que hace el reconocimiento? Es quizás una cuarta parte del trabajo real. Las otras tres cuartas partes son todo lo que lo rodea, lo que llamamos el pipeline (la cadena de pasos): capturar el video, corregir la mala iluminación y los ángulos raros, decidir qué tan seguro es lo suficientemente seguro antes de decir "eso es una coincidencia", y conectarlo todo a la puerta, la alerta o el tablero que tu personal realmente usa. Un modelo brillante conectado con descuido te da falsas alarmas en las que nadie confía. Y una cosa más para presupuestar desde el primer día: el mundo cambia. Las cámaras se mueven, la iluminación cambia con las estaciones, empiezas a almacenar un producto nuevo que el sistema nunca ha visto. Por eso un buen sistema se construye para poder volver a enseñarle —los ingenieros lo llaman "reentrenamiento"— de modo que tu propio equipo pueda mantenerlo afinado con el tiempo en lugar de que se vuelva obsoleto poco a poco. La conclusión: cuando evalúes un proyecto de visión con IA, no preguntes solo "¿es buena la IA?". Pregunta dónde debería vivir, y quién la mantiene inteligente el año que viene. Acierta en esas dos cosas y la tecnología hace su trabajo en silencio, como un buen guardia que simplemente siempre está ahí.
¿Tienes en mente un proyecto como este?
thehsquares convierte ideas como estas en software de producción. Hablemos de lo que estás construyendo.
Iniciar un proyecto