El papel de la inteligencia artificial en el análisis de datos generados por la internet de las cosas (IoT)
Barra lateral del artículo
Contenido principal del artículo
Resumen
Este estudio usó un método súper riguroso para entender cómo la inteligencia artificial (IA) le da una mano al Internet de las Cosas (IoT), especialmente con la montaña de datos que se generan. Se revisaron un montón de artículos recientes y se vio que la IA es clave para darle sentido a todo eso: encuentra patrones, predice lo que puede pasar y hasta toma decisiones por su cuenta. Esta combinación ya está pegando fuerte y cambiando sectores como la salud, la industria y el transporte, todo gracias a tecnologías como LoRaWAN, NB-IoT y el rapidísimo 5G. Claro que también hay desafíos éticos y técnicos, y el estudio no los ignora. Además, nos adelanta un poco el futuro con tendencias como la IA explicable y el procesamiento en el borde.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Adi, E., Anwar, A., Baig, Z. & Zeadally, S. (2020). Machine learning and data analytics for the IoT. Neural Computing and Applications, 32(20), 16205-16233. https://doi.org/10.1007/s00521-020-04874-y
Aguilar, L. (2021). Internet de las cosas: Un futuro hiperconectado: 5G, inteligencia artificial, Big Data, Cloud, Blockchain y ciberseguridad. Marcombo.
Alahi, M., Sukkuea, A., Tina, F. W., Nag, A., Kurdthongmee, W., Suwannarat, K., & Mukhopadhyay, S. (2023). Integration of IoT-Enabled Technologies and Artificial Intelligence (AI) for Smart City Scenario: Recent Advancements and Future Trends. Sensors, 23(11), Article 11. https://doi.org/10.3390/s23115206
Cárdenas, J. (2023). Inteligencia artificial, investigación y revisión por pares: Escenarios futuros y estrategias de acción. Revista Española de Sociología, 32(4), a184. https://doi.org/10.22325/fes/res.2023.184
Destouet, C., Tlahig, H., Bettayeb, B. & Mazari, B. (2023). Flexible job shop scheduling problem under Industry 5.0: A survey on human reintegration, environmental consideration and resilience improvement. Journal of Manufacturing Systems, 67, 155-173. https://doi.org/10.1016/j.jmsy.2023.01.004
Fernández, Ó., García, J. & Fernández, F. (2025). Policy weighting via discounted Thomson sampling for non-stationary market-making. Artificial Intelligence Review, 58(10), 318. https://doi.org/10.1007/s10462-025-11312-9
Franco-Lazarte, E. (2024). Inteligencia Artificial: Automatización y Desarrollo de la Creatividad en Estudiantes en la Educación Superior. Revista Tecnológica-Educativa Docentes 2.0, 17(2), 268-275. https://doi.org/10.37843/rted.v17i2.574
Hauser, O. P., Light, M., Shelmerdine, L. & Blumenau, J. (2025). Why evaluating the impact of AI needs to start now. Nature, 643(8073), 910-912. https://doi.org/10.1038/d41586-025-02266-7
Huang, T. (2025). Content moderation by LLM: from accuracy to legitimacy. Artificial Intelligence Review, 58(10), 320. https://doi.org/10.1007/s10462-025-11328-1
Juca-Maldonado, F. (2023). El impacto de la inteligencia artificial en los trabajos académicos y de investigación. Revista Metropolitana de Ciencias Aplicadas, 6(Esp1), 289-296.
Khadam, U., Davidsson, P. & Spalazzese, R. (2024). Exploring the Role of Artificial Intelligence in Internet of Things Systems: A Systematic Mapping Study. Sensors, 24(20), Article 20. https://doi.org/10.3390/s24206511
Marín-González, D. & Carbonell-Garbey, C. (2024). Uso de la Inteligencia Artificial en la redacción de artículos científicos. Revista Información Científica, 103, e4473-e4473. https://doi.org/10.5281/zenodo.10681748
Murari, A., Rossi, R., Spolladore, L., Wyss, I. & Gelfusa, M. (2025). Informed machine learning to reconcile interpretability with fidelity in scientific applications. Artificial Intelligence Review, 58(10), 317. https://doi.org/10.1007/s10462-025-11282-y
Peñalver-Higuera, M. J., Isea-Argüelles, J. J., Peñalver-Higuera, M. J., & Isea-Argüelles, J. J. (2024). Transformación hacia fábricas inteligentes: El papel de la IA en la industria 4.0. Ingenium et Potentia. Revista Electrónica Multidisciplinaria de Ciencias Básicas, Ingeniería y Arquitectura, 6(10), 38-53. https://doi.org/10.35381/i.p.v6i10.3742
Raoufi, P., Hemmati, A. & Rahmani, A. M. (2024). Deep learning applications in the Internet of Things: A review, tools, and future directions. Evolutionary Intelligence, 17(5), 3621-3654. https://doi.org/10.1007/s12065-024-00949-0
Saini, K., Kalra, S. & Sood, S. K. (2022). Disaster emergency response framework for smart buildings. Future Generation Computer Systems, 131, 106-120. https://doi.org/10.1016/j.future.2022.01.015
Salman, M. & Hasar, H. (2023). Review on environmental aspects in smart city concept: Water, waste, air pollution and transportation smart applications using IoT techniques. Sustainable Cities and Society, 94, 104567. https://doi.org/10.1016/j.scs.2023.104567
Schiller, J., Stiller, S. & Ryo, M. (2025). Artificial intelligence in environmental and Earth system sciences: Explainability and trustworthiness. Artificial Intelligence Review, 58(10), 316. https://doi.org/10.1007/s10462-025-11165-2
Wilkins, N. (2020). Inteligencia Artificial: Una Guía Completa sobre la IA, el Aprendizaje Automático, el Internet de las Cosas, la Robótica, el Aprendizaje Profundo, el Análisis Predictivo y el Aprendizaje Reforzado. Bravex Publications.
Yuan, H., Hao, H., Zhang, Y., Zhao, Y. & Chen, Y. (2022). Method for intelligently identifying underground safety accidents based on fully connected neural network. 2022 IEEE 6th Information Technology and Mechatronics Engineering Conference (ITOEC), 6, 367-370. https://doi.org/10.1109/ITOEC53115.2022.9734567
Zhou, A., Zhou, N., Yi, B. & Zhu, C. (2023). A cost-efficient hybrid redundancy coding scheme for wireless storage systems. Computer Communications, 203, 226-237. https://doi.org/10.1016/j.comcom.2023.03.012