Según la Comisión Europea, para 2030, tres de cada cuatro empresas de la UE estarán ya utilizando servicios de computación en la nube, Big Data (macrodatos) o Inteligencia Artificial (IA). Son muchas las finalidades de uso de estas tecnologías, pero a grandes rasgos destacan:
- Procesamiento de datos en tiempo real.
- Mejora de la atención al cliente.
- Personalización de productos y servicios.
- Mejora de la eficiencia en tareas rutinarias.
Además, la adopción de otras tecnologías emergentes, como Edge y Fog Computing, permiten la optimización de las principales anteriormente mencionadas.
Edge Computing o computación en el borde es un modelo que lleva el procesamiento de datos cerca del lugar donde se generan, es decir, en el borde o periferia de la red. La información se procesa parcial o completamente en dispositivos locales cercanos al origen.
Fog Computing o computación en la niebla es otro modelo descentralizado que extiende las capacidades de procesamiento y almacenamiento desde los centros de datos centrales hacia ubicaciones más cercanas al origen de los propios datos. Esta arquitectura introduce una capa intermedia (la “niebla”) compuesta por nodos locales como routers, gateways o servidores periféricos que procesan y filtran los datos en tiempo real antes de enviar solo los necesarios a la Nube.
Estos nuevos modelos de arquitectura descentralizada mejoran la calidad de todos los servicios digitales. Pero también dan respuesta a algunos de los retos que plantea el crecimiento generalizado de la implementación masiva de estas tecnologías.
Nuevas arquitecturas distribuidas: Edge y Fog Computing
Edge Computing y Fog Computing son modelos de arquitectura distribuida que acercan el procesamiento de datos al lugar donde se generan, reduciendo la dependencia de la Nube centralizada.
Al reducir la distancia que recorren los datos, se mejora la eficiencia, se optimiza el uso del ancho de banda y se refuerza la seguridad, al mantener los datos sensibles más cerca de su origen. De hecho, la mayor seguridad y control de los datos procesados localmente es una de las ventajas más importantes. Al procesar los datos en el mismo lugar donde se generan o muy cerca de él, los datos sensibles no necesitan ser enviados constantemente a servidores en la Nube. Esto reduce significativamente el riesgo de accesos no autorizados. Además, facilita el cumplimiento de normativas de privacidad y protección de datos, ya que el control sobre la información permanece en el entorno local o empresarial.
También resultan especialmente útiles cuando el balance entre la tasa de generación de datos y la de envío se vuelve negativa (se generan más datos de los que se pueden transportar). Asimismo, son la mejor opción cuando se requiere respuesta inmediata (vehículos autónomos, ciudades inteligentes, sistemas industriales conectados…) y en entornos con conectividad limitada.
Ambos sistemas proponen un procesamiento distribuido con ventajas comunes. La diferencia principal radica en la ubicación exacta del análisis. Edge procesa los datos principalmente en el propio dispositivo o sensor de origen. Fog utiliza nodos intermedios de red (como gateways o servidores locales) situados cerca de esos dispositivos.
Ninguno de los dos pretende reemplazar a la computación en la Nube, sino complementarla. Mientras la Nube ofrece escalabilidad, almacenamiento masivo a largo plazo y capacidades analíticas avanzadas, Edge y Fog Computing permiten tomar decisiones rápidas, reducir la latencia y optimizar el uso de recursos. Mejoran notablemente el Cloud, posibilitando una arquitectura híbrida más ágil, resiliente y eficiente.
Edge y Fog Computing e IoT
Ambos están muy enfocados a la integración con Internet de las Cosas, pero de distinta forma. El Edge Computing está más directamente integrado en los dispositivos de campo. Procesa los datos dentro del propio dispositivo IoT (como un sensor inteligente) o en el hardware conectado de forma inmediata. Ofrece una respuesta casi instantánea y más autónoma, sin depender de otros nodos de la red.
En cambio, el Fog Computing actúa como una capa intermedia de red que conecta dichos dispositivos con la nube. Conecta múltiples dispositivos IoT y agrupa la información antes de decidir cuál de toda esa información enviar a la nube mediante un filtrado optimizado. Así optimiza el rendimiento y reduce el coste de almacenamiento y análisis masivo en la nube.
Ambos son clave en el futuro del IoT. Edge Computing procesa los datos de forma inmediata en el mismo dispositivo o nodo. Su gran aportación es reducir la latencia crítica. Por su parte, el Fog Computing ofrece una capacidad de escalabilidad superior al extender la inteligencia hacia una red descentralizada intermedia.
Estandarizado originalmente por OpenFog Consortium, el Fog Computing está, de hecho, concebido específicamente como una extensión descentralizada de la arquitectura de red para IoT a gran escala.
Al estar diseñado para integrarse fácilmente con arquitecturas de IoT, permite una escalabilidad progresiva y flexible. A medida que se añaden sensores, dispositivos o aplicaciones, la infraestructura de la niebla puede expandirse de forma modular, sin comprometer el rendimiento general del sistema. Esto resulta muy útil en proyectos de ciudades inteligentes, automatización industrial o gestión de infraestructuras urbanas.
El sector asegurador adopta rápidamente las tendencias tecnológicas
Según señalan los informes sectoriales, el sector asegurador en Europa se encuentra en una fase de aceleración estratégica de la adopción de las tecnologías digitales. Alrededor del 90% de las aseguradoras europeas utilizan servicios en la nube para el almacenamiento de datos y la capacidad de cómputo. Además, ocho de cada diez prevén trasladar hasta el 80% de su negocio a infraestructuras en la nube (European Cloud Adoption Index for Insurance, de la consultora EY). En cuanto al uso de la IA, alrededor del 40% de ellas utilizan la inteligencia artificial, además de los servicios en la nube (Informe de Gestión de Clientes del Sector Seguros 2025, de la consultora Innova TSN).
En cuanto a la inversión, más del 80% planea incrementar su presupuesto destinado a servicios en la nube (EMEA Cloud Business Survey 2025, de PWC).
Datos aparte, es evidente que algunos avances tecnológicos serán determinantes para el negocio de los seguros. Ya lo vimos en un artículo anterior sobre IoT y Computación cuántica en el sector asegurador.
En el caso del Edge y Fog Computing, aportan la posibilidad de calcular precios de pólizas y evaluar daños en segundos. También reaccionar sin retrasos ante emergencias o siniestros. Otra de las aplicaciones fundamentales se refiere al peritaje de siniestros, al procesar fotos y videos de los daños en el lugar del accidente de forma inmediata.
En la telemática de vehículos, analiza la conducción en tiempo real desde el propio vehículo para ofrecer seguros basados en el uso real (pólizas Pay-per-use y Pay-as-you-drive).
Ejemplos de Edge Computing en el sector asegurador
En el sector asegurador, un ejemplo de Edge Computing lo encontramos en el segmento del automóvil. El uso de dispositivos OBD-II (Diagnóstico a Bordo – segunda generación), donde un chip que analiza todos los indicadores durante la conducción puede generar una alerta de accidente en milisegundos sin depender de la cobertura de red central.
También en los seguros del hogar tiene ya aplicación directa, a través de sensores que detectan fugas de agua en tuberías, analizando el sonido y el caudal localmente. El dispositivo corta la llave de paso de inmediato, previniendo daños mayores antes de notificar a la compañía de seguros para abrir el parte.
Ejemplos de Fog computing en el sector asegurador
El Fog Computing en el sector asegurador tiene una aplicación directa relacionada con la valoración de riesgos. Por ejemplo, en flotas comerciales, una pasarela (gateway) local instalada en un camión recopila datos de múltiples cámaras y sensores del vehículo, filtrando la información irrelevante y enviando a la aseguradora solo los resúmenes de riesgo o infracciones clave.
También lo encontramos en las centralitas domésticas, donde un router avanzado procesa las señales de cámaras y sensores y valida en local si es una falsa alarma. Esto reduce el tráfico masivo de video e información, filtrando lo que se envía a la nube de la aseguradora.
Impacto de los modelos descentralizados y otras tecnologías
Los sistemas descentralizados tienen una estrecha relación con otras tecnologías:
- Big Data: se reduce el consumo energético y la ingente cantidad de información transmitida por los dispositivos IoT al universo Big Data, que no toda es siempre útil. Así consigue optimizar tareas de análisis, antes sobrecargadas por exceso de datos.
- Machine Learning: permitiendo a los dispositivos conectados no solo reaccionar en tiempo real sino también aprender patrones para mejorar decisiones en el futuro.
La conjunción de estos avances tecnológicos impactan en innumerables industrias: salud, logística, transporte, manufactura, agricultura… Aunque su aplicación enfrenta retos como la ciberseguridad, la interoperabilidad de equipos heredados y la gestión compleja de dispositivos distribuidos.
