A más de 240 kilómetros por hora, hay muy poco tiempo para preguntarle a un asistente de inteligencia artificial en qué punto se pierde velocidad. Sin embargo, eso fue lo que probó Dan Ticktum, piloto de Fórmula E, durante el Festival de la Velocidad de Goodwood de 2026, donde un Google Pixel 10 Pro instalado en el nuevo GEN4 analizó la telemetría del auto en tiempo real y le transmitió la información de inmediato. El experimento de Google Cloud mostró el potencial del edge AI, una modalidad que procesa los datos directamente en el dispositivo y reduce la dependencia de los servidores remotos.
El GEN4 es el monoplaza más potente de la Fórmula E hasta la fecha. Alcanza hasta 600 kW, unos 815 caballos de fuerza, cuenta con tracción integral permanente y acelera de 0 a 100 km/h en aproximadamente 1,8 segundos. Como me explicó Ellie Norman, directora de marketing de la categoría, se trata del monoplaza con la mayor aceleración del planeta, una muestra contundente de cuánto avanzó la tecnología aplicada a la competición eléctrica. Ticktum completó la prueba de Goodwood en 42,46 segundos, uno de los mejores tiempos registrados en la histórica subida.
La IA entra en el auto
Para acceder a la información del vehículo, el smartphone estaba conectado a la red electrónica interna que recopila y transmite los datos de sus sensores y sistemas. Esta conexión le permitía leer variables como la tracción, el equilibrio del auto y los sectores del recorrido en los que el piloto perdía tiempo.
John Abel, director general de la Oficina del CTO de Google Cloud, explicó que el teléfono ejecutaba un microagente calibrado específicamente para responder las preguntas que Dan Ticktum podía hacerse durante la prueba. “¿Dónde estoy perdiendo tiempo? ¿Cómo va mi tracción? ¿Cómo está el equilibrio de izquierda a derecha?”, enumeró.
A diferencia de buena parte de las herramientas de IA generativa, que envían la información a grandes centros de datos alojados en la nube, este modelo de menor tamaño analizaba la telemetría directamente en el propio teléfono. Según Abel, el sistema podía procesar los datos y transmitirle indicaciones al piloto a través de su auricular “en cuestión de segundos”.
La prueba puso a prueba este modelo de IA local en un escenario altamente exigente. El auto circulaba a velocidades extremas, generaba enormes cantidades de datos y subía por un camino caluroso y polvoriento, donde la conectividad no siempre estaba garantizada.
De Gemma a Gemini
El sistema distribuía el procesamiento entre dos modelos de Google. Gemma, ejecutado directamente en el teléfono, analizaba la telemetría del vehículo y atendía las consultas que exigían una respuesta inmediata. Por su parte, Gemini operaba en la nube y podía aportar información adicional, como los tiempos de la prueba o los datos de la transmisión del evento.
Dan Cherowbrier, director técnico de la Fórmula E, explicó que el objetivo era reducir la distancia entre el procesamiento de la información y el lugar donde se tomaban las decisiones. “Para el desafío de Goodwood, queríamos acercar un poco más al piloto la información proporcionada por la IA”, señaló.
Esta arquitectura híbrida permite distribuir las tareas según sus necesidades. Algunas necesitan la capacidad de procesamiento de la nube, mientras que otras funcionan mejor de forma local cuando la velocidad de respuesta, la continuidad del servicio o la privacidad de los datos tienen mayor peso. Los sistemas pueden determinar dónde conviene ejecutar cada operación y qué agente de IA debe hacerse cargo.
La Fórmula E funciona como un laboratorio ideal para probar este tipo de sistemas, ya que el rendimiento se mide en fracciones de segundo. La tecnología siempre ocupó un lugar central dentro de la categoría y el experimento de Goodwood trasladó esa filosofía al terreno de la inteligencia artificial.
Por qué la IA local es importante más allá del automovilismo
Abel señaló que una de las aplicaciones más claras se observa en la industria manufacturera. Las cámaras y los modelos de IA incorporados a los equipos de producción podrían detectar una desviación o una falla y alertar de inmediato a un operario, sin esperar a que la información sea procesada por un servidor remoto.
El mismo enfoque puede aplicarse a robots, vehículos, depósitos, infraestructura energética, dispositivos médicos y maquinaria industrial. En todos estos casos, analizar los datos cerca de la máquina, del sensor o de la persona que debe actuar permite responder con mayor rapidez y mantener las funciones críticas incluso cuando la conectividad es limitada.
Para las empresas, esta tecnología amplía la discusión más allá de la mera incorporación de chatbots. El desafío consiste en identificar qué procesos podrían beneficiarse de la inteligencia local para reducir demoras, mejorar la confiabilidad y ayudar a las personas a tomar mejores decisiones en tiempo real.
La próxima generación de IA estará integrada
Google Cloud y la Fórmula E ya habían utilizado IA para definir estrategias de carrera, analizar transmisiones y realizar pruebas de ingeniería. Goodwood representó un paso adicional al trasladar esa tecnología al entorno operativo, donde podía interpretar la telemetría y asistir al piloto mientras la prueba estaba en marcha.
El experimento mostró cómo un sistema híbrido puede distribuir tareas entre un dispositivo y la nube, coordinar diferentes agentes y entregar información en el momento preciso. Ese modelo permite incorporar inteligencia artificial directamente en productos y sistemas cuyo funcionamiento depende de decisiones rápidas.
La experiencia de Goodwood anticipó una IA cada vez más integrada al mundo físico, capaz de analizar lo que ocurre y de ayudar a tomar decisiones desde el mismo entorno donde se genera la información.
*Esta nota fue publicada originalmente en Forbes.com.
