El problema: tecnología que no llega
Trabajo en comunidades de la Costa Caribe colombiana — Membrillal, Galerazamba, Ovejas, Parque Heredia — lugares donde la conectividad es irregular, los presupuestos son cero y los manuales de fabricación digital no consideran que el cortálaser más cercano está a 3 horas de distancia.
El reto no es solo técnico. Es cultural y logstico: ¿cómo prototipar un sistema de monitoreo para una deshidratadora solar cuando la comunidad necesita el prototipo funcionando en 2 días, con partes compradas en un ferretero local?
El contexto cambia todo. Una solución elegante en un laboratorio puede ser inutilizable en campo. La IA no reemplaza el criterio de quien conoce el territorio — lo potencia.
Desde 2024 empecé a integrar herramientas de IA en mi flujo de trabajo no como magia, sino como un acelerador muy concreto: generación de código de diseño 3D, ajuste de scripts de IoT y construcción de experiencias de Realidad Aumentada adaptadas a entornos de baja conectividad.
Mi enfoque: IA como copiloto, no como autor
Una aclaración importante antes de continuar: la IA no diseña por mí. Diseño yo, con el conocimiento del contexto, la relación con la comunidad y el criterio técnico. La IA ejecuta iteraciones en segundos que a mí me tomarían horas.
Las tres funciones reales que le doy a la IA
- Generador de código paramétrico — Le paso las dimensiones, el material disponible y las restricciones, y me devuelve un script OpenSCAD funcional.
- Depurador rápido — Cuando un script de Python para Raspberry Pi falla en campo, la IA identifica el error en segundos y sugiere la corrección.
- Documentador de proceso — Genero la documentación técnica del prototipo en el mismo momento en que lo construyo, usando IA para transcribir mis notas de voz y fotos en un formato replicable.
OpenSCAD + prompts: caso real
El ejemplo más claro es la deshidratadora solar de Ovejas (Sucre). Necesitábamos un sistema de soporte para los paneles de deshidratación que pudiera fabricarse con madera local, tornillos estándar y sin torno ni fresadora.
El proceso fue así:
- Tomamos medidas del espacio disponible con cinta métrica (45cm × 60cm).
- Prompt a la IA: "Genera un script OpenSCAD para una estructura modular de soporte de paneles, madera de 3cm de espesor, unión con tornillos M6, dimensiones 45×60cm, altura ajustable entre 20 y 40cm."
- La IA entregó el script en 40 segundos. Revisamos, ajustamos 2 parámetros, renderizamos el modelo 3D.
- Exportamos el plano de corte como SVG y lo cortamos a mano con sierra circular.
El prototipo funcionó. Lo que normalmente tomaría 3 sesiones de diseño se comprimió en 2 horas de trabajo con la comunidad frente a un portátil.
// Estructura modular — generada con IA, ajustada en campo
// Ovejas, Sucre — Julio 2026
module travesano(largo, espesor) {
cube([largo, espesor, espesor]);
}
module estructura(ancho=450, prof=600, alto=300, e=30) {
// Patas
for(x = [0, ancho-e]) for(y = [0, prof-e])
translate([x, y, 0]) cube([e, e, alto]);
// Travesaños superiores
translate([0, 0, alto-e]) travesano(ancho, e);
translate([0, prof-e, alto-e]) travesano(ancho, e);
}
estructura();IoT con Raspberry Pi en territorio
El segundo caso es el sistema de monitoreo IoT para riego en Santa Catalina. La comunidad necesitaba saber en tiempo real la humedad del suelo y el estado de la bomba de agua, con acceso desde celúlares sin necesidad de servidor propio.
La arquitectura que implementé usa Raspberry Pi 4 + Cloudflare Tunnel: el dispositivo en campo se expone a internet a través de un túnel seguro, sin IP estática ni router configurado. El dashboard es una página web simple que funciona desde cualquier teléfono.
La IA entró en dos momentos críticos:
- Generación del script MQTT para la lectura del sensor de humedad (SHT31) — la librería tenía una incompatibilidad con el kernel de la Pi, la IA la identificó y sugirió el workaround en minutos.
- Diseño del worker de Cloudflare que sirve como API intermedia entre la Pi y el frontend — generado completamente por prompt, con autenticación por token.
Principio clave: el sistema tiene que funcionar sin internet el 80% del tiempo. La IA nos ayudó a diseñar el modo offline-first: datos almacenados localmente en SQLite y sincronización solo cuando hay conexión.
Realidad Aumentada sin infraestructura
El tercer frente es AR educativa con MindAR.js — una librería de código abierto que corre completamente en el navegador, sin app, sin servidor dedicado y sin necesidad de conectividad estable durante la experiencia.
Con niños de la Escuela de Robótica ERNE en Membrillal construimos marcadores impresos en papel (blanco y negro, impresora normal) que al ser apuntados con la cámara del teléfono despliegan modelos 3D, videos o información interactiva.
La IA aportó en la generación automática de marcadores personalizados con identidad visual del barrio y en la optimización de los modelos 3D para que carguen rápido en dispositivos de gama baja.
Aprendizajes y próximos pasos
Lo que sí funciona
- IA para generar código de diseño paramétrico (OpenSCAD, Python, JavaScript)
- IA para depurar errores rápidamente en campo
- IA para documentar mientras construyes, no después
- Arquitecturas offline-first con sincronización ocasional
Lo que no funciona (aún)
- Pedirle a la IA que “diseñe” sin darle contexto territorial específico — produce soluciones genéricas.
- Usar modelos 3D complejos en Realidad Aumentada en dispositivos de menos de 3GB RAM.
- Depender de conectividad para el funcionamiento crítico del prototipo.
Los próximos pasos son escalar este flujo a talleres replicables: una guía abierta para que cualquier educador o prototipador comunitario en América Latina pueda usar IA para construir prototipos con lo que tiene disponible en su territorio.
Si estás trabajando en algo similar o quieres co-diseñar un taller, escríbeme. Estoy armando la próxima cohorte para el segundo semestre de 2026.