Cuando diseñar una cerradura sea más fácil que soldar la reja
Hace unos días, Jeff Geerling, una de las figuras más conocidas de la comunidad Raspberry Pi documentó qué ocurre al reemplazar la memoria RAM soldada de una Pi 5. Al reemplazar el chip LPDDR4X se dió cuenta que las versiones modernas del firmware pueden impedir que la placa funcione con una configuración distinta de aquella con la que salió de fábrica.
Si bien se solucionó volviendo a un firmware anterior de 2024, esta limitante que parece un cambio en la filosofía en Raspberry.
Raspberry Pi tiene razones para preocuparse por estas modificaciones. Cambiar memoria LPDDR no se parece demasiado a insertar un módulo RAM en un computador de escritorio: las memorias deben haber sido validadas, sus parámetros importan y una mala soldadura puede provocar fallos difíciles de diagnosticar.
Existe además un problema comercial: placas modificadas por terceros pueden terminar revendidas como modelos originales de mayor capacidad y los problemas posteriores llegan al soporte de Raspberry Pi. La propia compañía califica distintas memorias antes de incorporarlas a producción; una notificación de febrero de 2026, por ejemplo, documenta dos nuevas fuentes de RAM y señala que requirieron firmware compatible.
La cantidad de personas que alguna vez intentará reemplazar la memoria soldada de una Raspberry Pi probablemente sea minúscula. Precisamente por eso la historia resulta interesante.
Porque estamos hablando de una máquina que existe, en buena medida, gracias a la idea contraria: reducir la distancia entre una persona curiosa y las entrañas de una computadora.
La computadora que podía tocarse
Cuando Raspberry Pi apareció en 2012, buena parte de su atractivo podía explicarse con una fotografía.
Era una computadora sin caja.
No había que imaginar qué ocurría dentro: estaba ahí. Procesador, memoria, conectores, componentes y pistas convivían sobre una placa del tamaño aproximado de una tarjeta de crédito. Podías conectarla a una pantalla y utilizarla como computadora, pero también podías ponerla sobre una mesa, conectar cables a sus pines y hacer que algo sucediera fuera de ella.
Ese segundo atributo terminó siendo tan importante como el primero.
Una Raspberry Pi pertenece a una familia de máquinas llamadas single-board computers o SBC: computadoras completas construidas sobre una sola placa. A diferencia de una PC convencional, donde procesador, memoria, almacenamiento, fuente y distintos periféricos se distribuyen entre componentes reemplazables, aquí gran parte de la computadora se concentra en una pequeña superficie.
Esa superficie es una PCB, una printed circuit board. Prácticamente toda la electrónica que nos rodea contiene alguna. Si abriéramos un router, una alarma, una lavadora moderna o el tablero de control de una máquina, encontraríamos alguna variante de esas placas, normalmente verdes, azules o negras, sobre las que componentes diminutos están conectados mediante pistas de cobre.
Una PCB es, en cierto sentido, cableado convertido en objeto industrial. En lugar de unir cada componente manualmente con cables, diseñamos los caminos que deberá recorrer la electricidad y fabricamos una placa que los contiene.
Raspberry Pi añadió a esa pequeña computadora algo particularmente fértil: una hilera de pines GPIO, entradas y salidas de propósito general. Allí la computadora podía dejar de limitarse a calcular cosas y comenzar a percibir y actuar.
Un sensor podía decirle que una habitación estaba demasiado caliente. Una salida podía activar un relé, una especie de interruptor controlado eléctricamente. Ese relé podía encender una bomba, una lámpara o una cerradura. Otro circuito podía mover un motor. Una cámara podía convertir la placa en ojos.
No había nada revolucionario en cada uno de esos componentes por separado. Lo extraordinario era la reducción de la distancia entre ellos.
Y alrededor de esa reducción apareció una cultura.
Tutoriales, foros, proyectos, bibliotecas de software, accesorios y personas compartiendo instrucciones para construir estaciones meteorológicas, robots, servidores domésticos, consolas, cámaras, sistemas de riego o aparatos que probablemente no necesitaban existir, salvo porque alguien quería saber si podía construirlos.
Raspberry Pi fue diseñada inicialmente alrededor de una preocupación educativa. Sus fundadores querían recuperar una relación con la computación en la que aprender significara también experimentar. Pero aquella computadora educativa terminó escapando rápidamente del aula.
Hoy Raspberry Pi afirma haber vendido más de 73 millones de unidades. Y la compañía que las fabrica ya no es solamente la pequeña organización asociada al computador educativo: Raspberry Pi Holdings cotiza en la Bolsa de Londres, reportó ingresos por 323,2 millones de dólares en 2025 y declara explícitamente entre sus objetivos comerciales aumentar el número y el valor de sus clientes industriales. La fundación educativa, mientras tanto, continúa existiendo como organización benéfica separada.
Hay una cifra que cambia particularmente la imagen que solemos tener de estas pequeñas placas: Raspberry Pi ha indicado que alrededor del 70% de sus productos se destinan a clientes industriales y empresariales.
La computadora de los makers se convirtió también en una pieza de industria.
Lo que hay dentro de otras cosas
Para entender ese salto conviene mirar un producto menos famoso que la Raspberry Pi convencional.
Se llama Compute Module.
En lugar de vender una computadora pequeña rodeada de los conectores que podría necesitar un usuario —USB, HDMI y demás— Raspberry Pi ofrece allí algo parecido al núcleo de la máquina. Una empresa puede tomarlo y diseñar alrededor una placa propia con exactamente los conectores, sensores, fuentes y interfaces que necesita su producto.
La Raspberry deja entonces de verse.
Puede terminar dentro de otra máquina.
Raspberry Pi documenta casos como sintetizadores de Korg que utilizan Compute Modules. Para un fabricante, la ventaja es considerable: no necesita desarrollar desde cero todo el subsistema de computación que requiere su aparato. Puede concentrarse en aquello que hace especial a su producto y apoyarse en una plataforma que ya dispone de procesador, memoria, software, documentación y un ecosistema conocido.
Es una versión industrial de una idea que los aficionados habían descubierto mucho antes: no siempre hay que comenzar desde el transistor.
Arduino había empujado esa idea desde otro lugar.
Aunque ambos nombres suelen aparecer juntos, un Arduino clásico y una Raspberry Pi representan formas diferentes de acercarse a la computación física. Un Arduino gira alrededor de un microcontrolador: un pequeño computador diseñado para ejecutar una tarea dedicada una y otra vez. Leer un sensor. Esperar. Encender un motor. Comprobar un botón. Cerrar una válvula.
Una Raspberry Pi convencional es una computadora de propósito general. Puede ejecutar Linux, administrar archivos, conectarse a redes, mostrar una interfaz, procesar imágenes y correr múltiples programas simultáneamente. En muchos proyectos ambas categorías incluso conviven: el microcontrolador se encarga de reaccionar de manera simple y predecible al mundo físico mientras un computador de mayor capacidad almacena información, ofrece una interfaz o se comunica con Internet.
Lo importante no es decidir cuál es mejor. Es observar lo que ocurrió cuando ambas culturas hicieron accesibles capacidades que antes exigían conocimientos, herramientas y dinero considerablemente mayores.
Y preguntarse si estamos a punto de reducir otra barrera.
Después del código
Gran parte de la conversación sobre inteligencia artificial generativa ha ocurrido frente a una pantalla.
Los modelos escriben textos, imágenes y, sobre todo, software. Una persona puede describir una pequeña aplicación y obtener código funcional sin conocer completamente el lenguaje en que está escrito.
Eso ha producido una intuición engañosa: el software sería la parte fácil de la tecnología y el hardware, su frontera inevitablemente difícil.
Pero no existe una ley semejante.
Un sistema de software que coordina millones de usuarios, permisos, pagos, bases de datos, interfaces y servidores distribuidos puede ser infinitamente más complejo que un circuito cuya tarea consiste en comprobar una temperatura y apagar una máquina.
La electrónica cotidiana está llena de problemas modestos: medir, comparar, encender, apagar, abrir, cerrar, registrar, avisar.
Lo difícil no siempre está en la función final. Está en saber cómo convertirla en un objeto.
Supongamos que queremos fabricar una pequeña placa electrónica.
Primero hay que transformar la necesidad en requisitos. Elegir componentes. Leer sus datasheets, los documentos técnicos donde los fabricantes explican cómo funcionan. Después dibujamos un esquemático: no la forma física del aparato, sino un mapa lógico de cómo deben conectarse sus componentes.
De allí aparece una BOM, bill of materials, la lista precisa de piezas que habrá que comprar.
Luego esos componentes deben colocarse sobre una PCB y hay que decidir por dónde pasarán las pistas que los conectan. Ese proceso se llama routing o enrutado. Hay que comprobar voltajes, corrientes, distancias y reglas de fabricación. Después se generan archivos que una fábrica pueda interpretar, se encarga la placa, se ensamblan sus componentes, se escribe el firmware —el software que vive cerca del hardware y controla su funcionamiento— y comienza la parte que los diagramas suelen ocultar: probar, descubrir errores y volver a diseñar.
Es aquí donde los modelos empiezan a salir de la pantalla.
Ya existen herramientas de diseño electrónico asistido en las que una IA puede observar el proyecto y trabajar sobre él. Flux, por ejemplo, integra un modelo dentro de su entorno de diseño que puede examinar esquemáticos, componentes, conexiones y la lista de materiales; responder preguntas, proponer piezas y efectuar modificaciones al esquemático con autorización del usuario. En 2025 comenzó a ofrecer en beta funciones para transformar instrucciones en lenguaje natural en operaciones sobre circuitos.
No significa que podamos escribir “hazme una alarma” y enviar tranquilamente el resultado a una fábrica.
En 2026 estamos bastante más cerca de un copiloto que de un ingeniero electrónico autónomo.
Pero quizá estamos mirando la unidad de medida equivocada.
La pregunta interesante no es cuándo desaparecerá el ingeniero.
Es cuánto conocimiento que antes había que llevar dentro de la cabeza puede comenzar a encontrarse, interpretarse y combinarse durante una conversación.
Una máquina vieja en algún taller
Imaginemos una empresa pequeña. No necesita un robot humanoide ni una fábrica inteligente. Tiene una máquina antigua que todavía hace perfectamente su trabajo, salvo por una cosa: nadie sabe que está teniendo problemas hasta que se detiene.
Lo que sus dueños realmente quieren podría escribirse en una servilleta.
Medir la temperatura y quizás el consumo eléctrico. Detectar una anomalía. Activar una señal o un relé si se supera cierto límite. Guardar un registro. Enviar una alerta.
Cada una de esas funciones existe desde hace décadas.
Un sensor puede medir. Un microcontrolador puede vigilar continuamente el sensor. Un relé puede accionar otro circuito. Si necesitamos almacenar datos, ofrecer una interfaz o comunicarnos con otros sistemas, una Raspberry Pi puede encargarse de esa capa.
Al principio podríamos construir todo conectando módulos mediante cables. Pero si queremos convertir el experimento en algo que pueda instalarse de manera ordenada y repetible, podemos diseñar nuestra propia PCB.
Y ahí la IA podría comenzar a cambiar la economía intelectual del proyecto.
Puede ayudarnos a encontrar un sensor adecuado, leer un datasheet, explicar por qué necesitamos una resistencia en determinado lugar, proponer componentes, escribir parte del firmware o revisar un esquema. Una herramienta especializada puede tener incluso contexto del circuito sobre el que estamos trabajando.
Después podemos enviar los archivos de nuestra placa a un fabricante que produzca unas pocas unidades.
Ninguna de estas cosas nació con la IA.
Ese es precisamente el punto.
Los componentes baratos ya estaban allí. Los microcontroladores estaban allí. Raspberry Pi estaba allí. Las herramientas de diseño electrónico estaban allí. Las fábricas capaces de producir pequeñas series estaban allí. Internet contenía documentación, tutoriales, foros y proyectos construidos durante décadas.
La IA agrega otra cosa: una interfaz capaz de recorrer parte de ese conocimiento con nosotros.
No elimina el mundo físico.
Una pista demasiado fina puede calentarse. Un relé puede no soportar la carga que intentamos controlar. Una fuente mal diseñada puede fallar. Los motores producen ruido eléctrico. Hay humedad, vibraciones, temperaturas, interferencias electromagnéticas y componentes que dejan de fabricarse.
Y cuando aparecen voltajes peligrosos, un error deja de ser una respuesta incorrecta en una pantalla.
Puede incendiar algo. Puede matar a alguien.
Existe además una diferencia profunda entre conseguir que un prototipo funcione sobre una mesa y construir un aparato que funcione durante diez años dentro de una fábrica. Certificación, pruebas, documentación, mantenimiento y conocimiento acumulado siguen importando.
La IA podría incluso crear una clase nueva de incompetencia: permitirnos avanzar suficientemente lejos para construir algo cuyo funcionamiento no comprendemos lo bastante como para reconocer cuándo se ha vuelto peligroso.
Pero nada de esto elimina la posibilidad. La vuelve más concreta.
Quizá el cambio no sea que todos podamos convertirnos en ingenieros electrónicos.
Quizá una persona competente pueda hacer trabajos que antes requerían un equipo mayor. Y alguien que está aprendiendo pueda recorrer distancias que antes exigían meses de conocimiento previo antes de fabricar siquiera el primer prototipo.
El lujo de automatizar cosas pequeñas
En América Latina esa posibilidad merece una atención particular.
No porque la región sea simplemente “atrasada”. Chile, por ejemplo, posee una infraestructura de conectividad comparativamente desarrollada dentro de América Latina. Pero la OCDE observa simultáneamente una brecha entre empresas grandes y pequeñas: en 2023, el 63% de las pymes chilenas evaluadas por el programa Digital Checkup estaba en los dos niveles inferiores en tecnología y habilidades digitales. Solo el 47% decía tomar medidas continuas para digitalizarse, frente al 84% de las grandes empresas.
Una investigación reciente sobre 536 pymes chilenas encontró una separación similar: herramientas digitales básicas relativamente extendidas, pero adopción todavía incipiente de tecnologías asociadas a Industria 4.0, con restricciones financieras y falta de capital humano especializado entre las principales barreras.
A escala latinoamericana el patrón también aparece. El Latin American Economic Outlook 2025 señala una distancia considerable entre tecnologías digitales básicas y avanzadas: aproximadamente la mitad de las empresas de la región tiene acceso a banda ancha de alta velocidad, mientras alrededor de una décima parte utiliza soluciones de inteligencia artificial.
Pero “automatización” es una palabra peligrosa porque inmediatamente nos hace imaginar brazos robóticos dentro de una planta automotriz.
También puede ser una bomba que se apaga antes de funcionar en seco.
Una alarma adaptada a un pequeño negocio.
Un refrigerador que avisa cuando pierde temperatura.
Una cooperativa que registra cuánta agua utiliza.
Un sistema de riego que consulta la humedad del suelo.
Una sede comunitaria con su propio control de acceso.
Una máquina fabricada hace treinta años que, de pronto, puede decirnos cómo está funcionando.
Son tecnologías poco espectaculares. Y quizá por eso importan.
Durante mucho tiempo, muchos problemas pequeños han ocupado una zona económicamente incómoda: suficientemente molestos como para necesitar una solución, pero demasiado particulares para justificar contratar ingeniería especializada o comprar un sistema industrial costoso.
¿Qué ocurre si cambia el costo de construir esas soluciones?
No solamente el precio de sus componentes. También el costo de saber cómo hacerlas.
Una tecnología que todavía no existe del todo
Hay que resistir la tentación de llamar a esto democratización demasiado pronto.
Una comunidad capaz de conversar con un modelo de lenguaje sigue necesitando componentes fabricados en industrias extremadamente sofisticadas. La Raspberry Pi puede diseñarse en Reino Unido, pero su existencia depende de una cadena global de semiconductores. Las placas personalizadas pueden encargarse a precios sorprendentes precisamente porque detrás existe una gigantesca infraestructura industrial.
Y una IA alojada en la nube tampoco es autonomía en estado puro.
Podemos disminuir nuestra dependencia de un integrador especializado y aumentar, al mismo tiempo, nuestra dependencia de un proveedor de modelos, una biblioteca mantenida por desconocidos, un fabricante extranjero de componentes o una plataforma de diseño que algún día cambie sus condiciones.
La reducción de una barrera puede simplemente revelar la siguiente.
Pero existe otra manera de mirar la historia.
El computador personal no convirtió a cada usuario en diseñador de microprocesadores. La web no convirtió a cada programador en administrador de centros de datos. Arduino no convirtió a cada estudiante en ingeniero electrónico.
Lo que hicieron esas tecnologías fue cambiar el punto desde el que una persona podía comenzar.
Tal vez la IA haga algo parecido con la electrónica.
No necesitamos imaginar a alguien fabricando un procesador de última generación en el garaje. Una suscripción de veinte dólares a un modelo de IA no va a permitirnos atravesar las fronteras nanométricas de la industria de semiconductores.
Quizá estamos mirando demasiado abajo, hacia los transistores.
La transformación podría ocurrir varios niveles más arriba, donde la electrónica se encuentra con problemas humanos ordinarios.
Una puerta.
Una bomba.
Una alarma.
Una máquina.
Un invernadero.
Una luz.
Una cerradura.
Quizá llegue un momento en que diseñar la cerradura electrónica resulte más fácil que soldar la reja donde habrá que instalarla.
No sabemos si ocurrirá.
Pero por primera vez resulta relativamente sencillo imaginar la cadena que podría llevarnos hasta allí.
Primero abaratamos los componentes. Después pusimos microcontroladores al alcance de estudiantes y aficionados. Convertimos computadoras completas en pequeñas placas. Construimos comunidades que documentaron millones de experimentos. Creamos herramientas gratuitas para dibujar circuitos. Hicimos posible enviar un archivo al otro lado del mundo y recibir unas pocas PCB fabricadas industrialmente.
Ahora estamos construyendo máquinas capaces de acompañarnos a través del conocimiento necesario para juntar esas piezas.
Quizá la próxima democratización tecnológica no consista en fabricar tecnologías más extraordinarias.
Puede consistir en que problemas demasiado ordinarios para interesar a una gran empresa dejen de ser demasiado difíciles para quienes los padecen.
Volver a la memoria
Y entonces aquella extraña historia sobre la memoria RAM de una Raspberry Pi adquiere otro significado.
Raspberry Pi nació de una voluntad explícita de poner computación accesible en manos de más personas. Esa misión no desapareció: su fundación sigue dedicada a educación informática. Pero la organización comercial que creció alrededor de esas máquinas vende millones de unidades, cotiza en bolsa y busca activamente clientes industriales. Raspberry Pi ya no tiene solamente que entusiasmar a alguien que quiere experimentar durante el fin de semana; debe mantener una plataforma suficientemente predecible para empresas que la incorporan dentro de sus propios productos.
Desde ahí, impedir configuraciones de memoria no validadas deja de parecer una decisión inexplicable. Hay falsificaciones, modificaciones revendidas como originales, problemas de soporte y memorias cuyos parámetros deben ser probados cuidadosamente.
Pero la contradicción permanece.
Tenemos herramientas cada vez mejores para entender un circuito, modificarlo, diseñar otro y enviarlo a fabricar. Al mismo tiempo, el objeto físico puede contener una capa de firmware capaz de decidir si aceptará la modificación que acabamos de realizar.
Nunca tuvimos simplemente “el hardware” por un lado y “el software” por otro.
Tenemos objetos hechos de silicio, cobre, conocimiento, documentación, código, cadenas de suministro, comunidades y decisiones tomadas por quienes diseñaron cada capa.
Quizá por eso la pregunta que deja Raspberry Pi no sea finalmente si tenemos derecho a cambiarle la memoria.
Es qué ocurrirá cuando construir pequeñas máquinas deje de parecernos una actividad reservada a otros.
Durante décadas aprendimos a vivir rodeados de electrónica sin necesidad de comprenderla. Alarmas, sensores, controles, fuentes, cerraduras, temporizadores y placas fueron convirtiéndose en una especie de naturaleza artificial: cosas que simplemente estaban ahí.
La inteligencia artificial podría ayudarnos a mirar esa naturaleza de otra manera.
No necesariamente porque vaya a diseñarla por nosotros.
Sino porque podría reducir lo suficiente la distancia entre “necesito que algo haga esto” y “sé cómo empezar a construirlo”.
Y si esa distancia realmente comienza a encogerse, la pregunta más interesante no será qué puede fabricar la inteligencia artificial.
Será qué decidiremos fabricar nosotros.
