El gasto mundial en edge computing crecerá alrededor de 15% y alcanzará USD 450.000 millones en 2029, según una previsión publicada por International Data Corporation (IDC) en febrero de 2026. La firma vincula esta expansión con nuevas cargas de inteligencia artificial que requieren procesar información más cerca de su origen.
El movimiento responde a una necesidad operativa. Cámaras, sensores, máquinas y otros dispositivos conectados generan información que, en determinados procesos, debe analizarse con rapidez. Enviar todos esos datos a una infraestructura central antes de recibir una respuesta puede añadir latencia y aumentar el tráfico de red.
La inteligencia artificial impulsa nuevas cargas en el borde
Gartner señala que las plataformas de edge computing están evolucionando para soportar aplicaciones diseñadas específicamente para ejecutarse cerca de la fuente de los datos. Su Market Guide for Edge Computing Platforms, publicado en junio de 2026, identifica entre las prioridades la gestión automatizada, la integración entre edge y cloud y el avance de cargas asociadas con edge AI.
La lógica se traslada a entornos como plantas industriales, tiendas, vehículos y otros puntos operativos. Gartner define estas plataformas como infraestructura para aplicaciones que necesitan procesamiento local, baja latencia o capacidad para seguir funcionando incluso cuando la conexión con sistemas centrales es limitada. Entre sus usos menciona análisis de datos en streaming, automatización y aplicaciones de inteligencia artificial y aprendizaje automático.
Los estándares tecnológicos también reflejan esta expansión. ETSI mantiene en 2026 nuevas especificaciones de Multi-access Edge Computing (MEC), una de las arquitecturas dentro del ecosistema de computación en el borde. Sus casos de uso incluyen Internet de las Cosas, vehículos conectados, drones, analítica de video, realidad aumentada y distribución local de contenidos.
El crecimiento del edge no supone reemplazar la nube. Gartner plantea arquitecturas híbridas en las que parte de los datos se procesa cerca de su origen para reducir latencia y costos de ancho de banda, mientras otras funciones continúan en infraestructura centralizada. Esta combinación gana relevancia a medida que las aplicaciones de inteligencia artificial necesitan reaccionar con mayor rapidez y procesar mayores volúmenes de información.
Para las empresas, la decisión tecnológica deja así de centrarse únicamente en dónde almacenar los datos. También incorpora qué información necesita desplazarse, cuál conviene procesar localmente y cuánto tiempo puede esperar una operación antes de actuar.
