Índice de temas
¿Qué es el edge computing?
El edge computing es una arquitectura de red distribuida que está creciendo de forma vertiginosa en respuesta a la necesidad de acelerar el procesamiento de datos a través de dispositivos gestionados en el extremo y cerca de la fuente y que permiten reducir la latencia y los costes mejorando la toma de decisiones
Otros proveedores aluden al edge como un marco informático descentralizado que acerca las aplicaciones empresariales a fuentes de datos, como dispositivos IoT o servidores periféricos locales, que permiten acelerar la toma de decisiones y mejorar la eficiencia y productividad empresarial.
Del modelo centralizado a la nube híbrida distribuida
Durante más de una década, la estrategia TI de las empresas giró en torno a la consolidación de cargas de trabajo en grandes centros de datos o en la nube pública. Sin embargo, las demandas actuales de baja latencia, el cumplimiento normativo (GDPR y soberanía de datos) y la necesidad de funcionamiento sin conexión (offline) han transformado este paradigma hacia una arquitectura de nube híbrida (Hybrid Cloud) distribuida.
En este modelo, el edge computing no sustituye al cloud, sino que extiende sus capacidades. Gracias a tecnologías de virtualización, máquinas virtuales (VM) y plataformas de contenedores, las empresas pueden desarrollar aplicaciones una sola vez y desplegarlas de manera uniforme tanto en el cloud central como en cientos de clústeres y nodos edge repartidos en fábricas, hospitales o comercios. Esto convierte el edge computing en una prolongación segura del centro de datos corporativo.
Características del edge computing
Esta arquitectura de red distribuida resulta especialmente atractiva ante la avalancha de datos que está generando el IoT, el sistema que conforman miles y miles de dispositivos, máquinas y objetos interconectados entre sí y a Internet y que dispara exponencialmente tanto el volumen de datos como el número de conexiones a servidores.
Al poder realizar el procesamiento en el propio dispositivo, la velocidad se dispara, la latencia se reduce y las posibilidades se multiplican. El edge computing permite combinar lo mejor de los dos mundos: la calidad, seguridad y reducida latencia del PC, junto con la flexibilidad, escalabilidad y disponibilidad de la nube.
Según un estudio de Gartner, para 2025 se esperaba que el 75% de los datos en todo el mundo fueran procesados en el edge computing, lo que supone una enorme oportunidad de negocio para los proveedores y partners implicados en este mercado.
Ademas, Gartner pronostica que el mercado del edge computing se multiplicará casi por cuatro, pasando de los 131.000 millones de dólares de 2023 a los 511.000 millones de dólares a la altura de 2033.
¿Cómo funciona el edge computing? Arquitectura y componentes
El edge computing permite procesar los millones de datos que genera Internet y el IoT con el consecuente ahorro de tiempo y costes, lo que facilita la entrega de servicios digitales rápidos y confiables y acelera la búsqueda de resultados predictivos para poder tomar decisiones de negocio adecuadas.
Para entender su funcionamiento lo mejor es aludir a un ejemplo real que permita comprender su dinámica. En una empresa de logística que monitoriza la ubicación de sus camiones en tiempo real, el uso del edge computing permite procesar los datos generados por los sensores directamente en el vehículo o en un punto de conexión cercano.
Esto permite acelerar la toma de decisiones y mejorar la eficiencia operativa lo que resulta fundamental para aplicaciones con tiempos de respuesta ultrarrápidos o donde la conectividad a la nube no es muy estable.
1) Dispositivos y sensores en el extremo
Constituyen la primera línea de contacto con el mundo físico. Incluye desde sensores de temperatura, vibración y presión en maquinaria industrial hasta cámaras de vídeo 4K, escáneres biométricos, terminales punto de venta (TPV) y dispositivos médicos portátiles. Su función principal es capturar datos de forma continua y, en los dispositivos más avanzados con chips dedicados (NPU), realizar un primer filtrado o inferencia de IA/ML en tiempo real con un consumo energético mínimo.
2) Puertas de enlace (Edge Gateways)
Las puertas de enlace Edge (Edge Gateways) actúan como el puente crítico entre el entorno operativo (OT), que suele emplear protocolos industriales heterogéneos, y la red informática (IT) basada en IP. Estos equipos agregan el tráfico de cientos de sensores, normalizan los formatos de datos, aplican políticas locales de ciberseguridad, filtran el ruido innecesario y garantizan el funcionamiento sin conexión (offline) básico si se interrumpe la comunicación exterior.
3) Servidores y Clústeres Edge locales
Cuando las cargas de trabajo requieren mayor capacidad computacional —como ls analítica avanzada de vídeo, los gemelos digitales o los sistemas de control industrial—, los datos pasan a servidores edge o clústeres locales robustecidos. Sobre este hardware se ejecutan herramientas de virtualización para máquinas virtuales (VM) y entornos de contenedores gestionados mediante tecnologías como los Kubernetes u OpenShift. Aquí se procesa la lógica de negocio pesada y el mantenimiento predictivo.
4) Red de transporte (5G, WiFi 6, SD-WAN)
Es el tejido conectivo que enlaza los nodos edge entre sí y con las nubes centrales. Combina conectividad inalámbrica local (WiFi 6 y WiFi 7), redes celulares de baja latencia (5G público o privado) y arquitecturas SD-WAN (redes de área amplia definidas por software). La tecnología SD-WAN resulta clave para enrutar el tráfico prioritario desde miles de ubicaciones remotas hacia el centro de datos o la nube.
5) Centro de datos central y Nube híbrida
El último eslabón es el core corporativo o la nube híbrida (Hybrid Cloud). A este nivel solo se envían los datos ya filtrados, agregados o anonimizados en el borde (respetando la soberanía de datos y el GDPR). La nube central se encarga del almacenamiento histórico a largo plazo (en Data Lakes), la analítica y el Big Data global, el entrenamiento masivo de algoritmos de inteligencia artificial, entre otros.
¿Qué son los dispositivos del extremo o periféricos? Datos del sector
Un dispositivo en el extremo es normalmente un dispositivo capaz de generar datos, como una cámara, un altavoz o un sensor. Los dispositivos abarcan desde los sensores más sencillos a complejos sistemas industriales e incluyen desde escáneres y smartphones, dispositivos médicos e instrumentos científicos, vehículos autónomos y máquinas automatizadas e incluyen todo ese universo del Internet de las Cosas (IoT).
Para 2026 y de cara a 2028, las previsiones de IDC (Global DataSphere) apuntan a que la generación mundial de datos superará los 221 zettabytes, llegando a rozar los 394 zettabytes en 2028. Según Gartner, más del 75 % de los datos empresariales ya se crean y procesan fuera de los centros de datos tradicionales o de la nube centralizada, impulsados por la explosión de información desestructurada que exige monitorización y automatización inmediata en el propio borde de la red.
El IoT industrial (IIoT), la sensórica avanzada y los sistemas de visión artificial —con más de 1.500 millones de cámaras inteligentes y millones de vehículos autónomos y conectados operando globalmente— representan el motor de mayor crecimiento de este caudal de información. Sin embargo, el gran reto corporativo sigue siendo el «dato oscuro» (dark data): estudios de McKinsey & Company sobre digitalización industrial señalan que, en infraestructuras críticas como plataformas energéticas o plantas de manufactura con más de 30.000 sensores, tradicionalmente se desaprovechaba más del 90% de los datos capturados por la imposibilidad de transmitirlos a la nube central.
Hoy, la convergencia entre el procesamiento en el extremo y la inteligencia artificial está revirtiendo esta brecha. El mercado global de IA Edge (Edge AI) experimenta un crecimiento exponencial y alcanzará los 385.000 millones de dólares en 2034, según las proyecciones de Fortune Business Insights (con tasas de crecimiento anual compuesto superiores al 21 %). Asimismo, IDC estima que el gasto global específico en soluciones e infraestructura de edge computing superará los 378.000 millones de dólares en 2028, impulsado por la necesidad de ejecutar modelos de inferencia (IA/ML en tiempo real) directamente sobre los servidores edge locales.
Los 4 niveles del edge computing: dónde se procesan los datos
El ecosistema del edge computing no es monolítico, ya que se estructura dividido en cuatro grandes capas según la cercanía al origen del dato, la latencia requerida y la potencia disponible:
- Device Edge (Extremo del dispositivo): El procesamiento ocurre dentro del propio dispositivo final (un dron, un brazo robótico, un reloj inteligente o una cámara IP). Ofrece latencia prácticamente nula (inferior a 1 milisegundo) y total autonomía de red, ideal para inferencia en tiempo real, aunque está limitado por restricciones de batería, tamaño y disipación térmica.
- On-premise o Far Edge (Extremo lejano o en las instalaciones): Se ubica físicamente dentro de la fábrica, tienda minorista, sucursal bancaria, hospital o parque eólico. Está compuesto por puertas de enlace Edge (Edge Gateways) y servidores o clústeres edge locales que ejecutan máquinas virtuales (VM) y contenedores. Permite procesar datos críticos con latencias de entre 1 y 5 milisegundos, asegurando el funcionamiento sin conexión (offline) ante caídas de red y manteniendo la soberanía de datos dentro del recinto corporativo.
- Telco o Provider Edge (MEC – Multi-Access Edge Computing): Situado en las infraestructuras regionales de los operadores de telecomunicaciones o en centros de datos de proximidad. A través de estándares como MEC (Multi-Access Edge Computing) y funciones de virtualización de red (NFV / vRAN), ofrece gran potencia de cálculo a pocos kilómetros del usuario (latencias de 5 a 20 milisegundos), ideal para vehículos conectados, ciudades inteligentes o videojuegos en la nube.
- Cloud Central (Nube pública o centro de datos corporativo): Representa el núcleo de la nube híbrida (Hybrid Cloud), situado a cientos o miles de kilómetros, con latencias superiores a 30-100 milisegundos. Su capacidad de cómputo y almacenamiento es virtualmente ilimitada, encargándose del entrenamiento profundo de modelos de inteligencia artificial, la analítica histórica interanual y el gobierno global del sistema.
Edge computing y cloud computing
La diferencia entre ambos radica en el mismo concepto de nube y extremo. Así, mientras cloud computing se entiende como un modelo que permite gestionar recursos de computación bajo demanda como si fueran servicios a través de Internet, el edge computing es un método de procesamiento local de datos que se gestiona desde los mismos dispositivos físicos y permite discriminar las cargas de trabajar para ahorrar ancho de banda y reducir la latencia.
De esta manera, el cloud computing se encarga de la ejecución de las cargas de trabajo en la nube, mientras que el edge computing se ocupa de la ejecución de esas cargas en los dispositivos del extremo de la red.
Edge computing versus fog computing
El fog computing es un modelo de arquitectura de red similar al edge computing que permite procesar los datos lo más cerca posible de su fuente y que actúa como capa intermedia entre la nube y la computación en el extremo. A diferencia del modelo en la nube, la informática de niebla es una red descentralizada en la que los datos y aplicaciones se encuentran a medio camino entre el servidor cloud y la fuente que genera los datos. El fog computing aparece como una extensión natural del cloud computing, de forma que la niebla se entiende como una nube que se acerca a la tierra.
La principal diferencia entre edge y fog computing está en dónde se produce el procesamiento de los datos, ya que en el primer caso la actividad se realiza en los propios dispositivos, mientras que en el fog computing los encargados de procesar la información serán las redes locales o LAN que están un poco más lejos de los sensores.
¿Qué es la IA Edge (Edge AI)? Inteligencia artificial y machine learning en el borde
La IA Edge (Edge AI) es la convergencia directa entre el edge computing y la inteligencia artificial, permitiendo que los algoritmos de aprendizaje automático (Machine Learning) y aprendizaje profundo (Deep Learning) se ejecuten directamente en los nodos edge, servidores edge locales y puertas de enlace, sin depender de una conexión constante con la nube central.
En una arquitectura tradicional, los modelos de IA tanto se entrenan como se consultan en grandes centros de datos. Con la IA Edge, el flujo se divide estratégicamente: el entrenamiento pesado del modelo (o el ajuste de modelos de lenguaje pequeños, SLM) se realiza en la nube híbrida, pero el modelo ya entrenado y empaquetado en contenedores se despliega en el extremo para realizar las acciones en tiempo real.
Esta capacidad de ejecutar la inferencia en el borde aporta cuatro ventajas competitivas decisivas, ya comentadas:
- Respuesta en milisegundos: Un vehículo autónomo o un robot quirúrgico no puede esperar a que un dato viaje a la nube y regrese. La IA Edge decide al instante sobre el dispositivo.
- Privacidad, GDPR y soberanía de datos: Las imágenes médicas o los rostros captados por cámaras de seguridad se analizan localmente en el nodo edge, extrayendo solo metadatos anónimos sin que la información sensible abandone se pueda filtrar
- Resiliencia y funcionamiento sin conexión (offline): En minas subterráneas, barcos en alta mar o plantas industriales con conectividad intermitente, los algoritmos de mantenimiento predictivo y control de calidad siguen operando sin interrupciones.
- Ahorro drástico de ancho de banda y costes cloud: En lugar de transmitir terabytes de vídeo continuo en alta definición, el servidor edge solo envía alertas puntuales o resúmenes analíticos a través de la red SD-WAN.
Ventajas del edge computing: para qué sirve
Apostar por la informática en el extremo permite sobre todo descongestionar la red y reducir los cuellos de botella que afectan a los centros de datos. Gracias al uso del edge computing, los costes se reducen, los tiempos de respuesta se acortan, la latencia también se reduce y también aumenta la fiabilidad del sistema.
Descongestión de la red
La descentralización en el procesamiento de los datos es una de las grandes ventajas porque permite reducir la carga, evitar la congestión y mejorar el rendimiento global.
Rapidez y baja latencia
Al facilitar el procesamiento de los datos de aplicaciones, servidores y almacenamiento más cerca del usuario, se evita consumir ancho de banda de la red. Esto reduce significativamente la latencia y mejora la experiencia del cliente al distribuir los datos de forma más eficiente.
Aumento de la seguridad
Algunas fuentes discrepan sobre este punto porque, si bien consideran que esto refuerza las políticas de protección de la información al tener menor dependencia de un único sistema central, también puede abrir brechas de seguridad y de incompatibilidades entre los distintos sistemas.
Cumplimiento normativo
Gracias al edge computing, las empresas y organismos públicos pueden cumplir con las regulaciones y normativas impuestas por los gobiernos, incluido el GDPR y todas las leyes tanto comunitarias, como internacionales y locales.
Despliegue de redes 5G
Este modelo de informática distribuida se va a beneficiar sin duda del despliegue de redes 5G para convertirse en un recurso cada vez más utilizado por los usuarios. Ambas tecnologías tienen una relación muy cercana porque la una depende de la otra para alcanzar su máximo potencial.
Desafíos y Retos del Edge Computing
A pesar de su rápido retorno de inversión, desplegar arquitecturas distribuidas plantea retos técnicos y operativos que el canal TI y los departamentos de sistemas deben resolver:
Complejidad de gestión, aprovisionamiento y automatización a escala
Gestionar un único centro de datos es muy distinto a administrar 500 o 5.000 nodos edge dispersos geográficamente en tiendas, sucursales o torres de telecomunicaciones, donde no existe personal técnico in situ. Para evitar que la operación sea inasumible, es imprescindible implementar herramientas de automatización, orquestación centralizada y aprovisionamiento sin intervención humana (Zero-Touch Provisioning). Mediante plataformas basadas en Kubernetes, OpenShift o gestores de infraestructura convergente, los equipos TI pueden actualizar el firmware, desplegar parches, mover máquinas virtuales (VM) o escalar contenedores de forma remota y simultánea en toda la flota.
Seguridad física y ciberseguridad en nodos distribuidos
A diferencia de un centro de datos tradicional protegido por controles biométricos y vigilancia 24/7, el edge computing traslada el hardware a entornos expuestos. La seguridad física (en ubicaciones remotas) se vuelve crítica: un atacante podría manipular físicamente un servidor edge o extraer sus discos en una caseta de telecomunicaciones o en el almacén de un comercio. Por ello, los equipos deben incorporar chasis antimanipulación, chips criptográficos TPM (Trusted Platform Module), arranque seguro (Secure Boot), cifrado automático de datos en reposo y tránsito (vía SD-WAN con arquitectura Zero Trust), garantizando que el robo físico del dispositivo no comprometa la soberanía de datos ni el cumplimiento del GDPR.
Limitaciones de hardware y estandarización de entornos
Los clústeres edge suelen operar en espacios reducidos sin refrigeración especializada, sometidos a polvo, humedad, vibraciones o temperaturas extremas. Esto exige hardware rugerizado de bajo consumo energético pero con suficiente potencia gráfica (GPU/NPU) para la inferencia de IA Edge. A su vez, la coexistencia de maquinaria industrial antigua (sistemas legacy) con tecnologías modernas de virtualización y contenedores obliga a las empresas a estandarizar sus pilas de software sobre arquitecturas abiertas para evitar quedar cautivas de soluciones propietarias aisladas (silos).
Ejemplos de aplicaciones de edge computing
Hay muchos ejemplos de edge computing en diversos escenarios que permiten mejorar y optimizar el nivel de respuesta requerido. Es el caso del coche conectado, las smart cities y el hogar y las fábricas inteligentes.
Edge computing e IoT
El edge computing es una de las tecnologías que más rápidamente permitirá procesar los millones de datos que genera la red de dispositivos conectados a Internet (IoT) a través de sensores, software y capacidades de conectividad. Algunas de las tecnologías que se pueden beneficiar de su simbiosis destacan los coches autónomos, los hogares y las fábricas inteligentes, la realidad aumentada o el IoT industrial.
Coches autónomos
Estos vehículos recogen información mientras circulan, por eso resulta tan importante que todos esos datos puedan procesarse rápidamente para tomar decisiones en tiempo real conforme van cambiando las necesidades de la circulación.
Smart cities
Las ciudades inteligentes implican la recepción de millones de datos procedentes de servidores y aplicaciones que procesan la información de servicios públicos. En ese enorme trasiego de datos, el edge computing se configura como la solución ideal para evitar colapsos en el sistema al tiempo que mejora la eficiencia en la toma de decisiones de servicios tan importantes como el alumbrado, saneamiento o red eléctrica, el transporte o las redes inteligentes.
Almacenamiento en caché más eficiente
Al ejecutar el código en una red CDN perimetral, una aplicación puede personalizar la forma en que se almacena en caché el contenido para entregarlo de forma más eficiente a los usuarios.
Equipos de control médico
Es crucial que los dispositivos médicos respondan en tiempo real sin esperar a que un servidor en la nube los escuche. Aquí un nivel de latencia alto puede costar una vida.
Videoconferencias sin interrupciones
Los vídeos interactivos en directo consumen bastante ancho de banda, por lo que acercar los procesos de back-end a la fuente del vídeo puede reducir el retraso y la latencia.
Industria 4.0 (IIoT) y mantenimiento predictivo en fábricas
En la manufactura avanzada, una parada no planificada en una línea de ensamblaje puede costar decenas de miles de euros por minuto. Mediante sensores acústicos, térmicos y de vibración conectados a puertas de enlace Edge y servidores edge en planta, los algoritmos de IA Edge analizan el estado de los motores y robots ejecutando consulta de datos en tiempo real. Esto habilita el mantenimiento predictivo y preventivo.
El sistema detecta anomalías antes de que se produzca el fallo físico y programa la sustitución de la pieza automáticamente.
Otras aplicaciones: retail inteligente, detección de fraude y CDN y Streaming
- Retail inteligente: Los grandes comercios despliegan clústeres edge locales (basados en máquinas virtuales y contenedores) en cada tienda para gestionar pagos automáticos sin cajeros, estanterías inteligentes que avisan de roturas de stock en tiempo real y analítica de vídeo en tienda que optimiza los flujos de clientes.
- Banca y detección de fraude: Las entidades financieras utilizan nodos en cajeros automáticos inteligentes y sucursales para verificar biometría, bloquear transacciones fraudulentas en milisegundos y reforzar la seguridad física en ubicaciones remotas mediante análisis de comportamiento en el propio cajero.
- CDN y Streaming de contenidos: Las redes de distribución de contenidos (CDN) y plataformas de streaming o cloud gaming se apoyan en la infraestructura MEC (Multi-Access Edge Computing) para almacenar en caché vídeo 4K/8K y renderizar gráficos en el extremo más cercano al espectador, eliminando el buffering y descongestionando las redes.
Edge computing, 5G y telecomunicaciones
El edge computing y las redes de telecomunicaciones de nueva generación mantienen una relación simbiótica: el borde necesita redes ultrarrápidas para mover datos críticos, y las redes modernas necesitan computación en el extremo para gestionar su propio tráfico de forma inteligente.
Conectividad de largo alcance (5G, LPWAN) y área local (WiFi 6/7)
En el interior de las instalaciones (fábricas, almacenes logísticos, hospitales), el despliegue de WiFi 6 y WiFi 7 junto con redes 5G privadas permite conectar miles de sensores, vehículos de guiado automático (AGV) y puertas de enlace Edge (Edge Gateways) sin cables y sin interferencias. Fuera del recinto, las tecnologías LPWAN pueden dar cobertura de bajo consumo a sensores agrícolas o contadores inteligentes, mientras que las arquitecturas SD-WAN se encargan del resto combinando fibra, 5G y satélite para conectar cada nodo edge con la nube híbrida.
Multi-Access Edge Computing (MEC) y virtualización de redes
Para los operadores de telecomunicaciones, esta revolución se materializa a través del estándar MEC (Multi-Access Edge Computing). Mediante el MEC, las operadoras instalan servidores y clústeres edge directamente en sus estaciones base y centrales regionales, permitiendo que las empresas ejecuten máquinas virtuales (VM) y contenedores a un solo salto de red del usuario final.
Paralelamente, la propia infraestructura de red de las operadoras se apoya en el edge gracias a tecnologías como la NFV (Network Functions Virtualization) y la vRAN (Virtualized Radio Access Network).
Soluciones de Edge Computing en el mercado
El ecosistema tecnológico actual ofrece un porfolio maduro que abarca desde las extensiones de los grandes hiperescalares hasta plataformas de software abierto, hardware rugerizado y gestión energética especializada:
- Extensiones de nube híbrida de los hiperescalares: aquí entran operadores como AWS Outposts, Azure Stack Edge y Google Distributed Cloud, que permiten llevar la misma arquitectura, APIs y servicios de nube pública directamente a las instalaciones del cliente o a los centros MEC. Facilitan la ejecución local de contenedores, máquinas virtuales (VM) y la aceleración de la IA Edge.
- Plataformas de virtualización, contenedores y orquestación: tecnologías como las desplegadas por Red Hat OpenShift son estándares de referencia para la automatización y orquestación de Kubernetes, incluyendo despliegues de NFV y vRAN en telecomunicaciones. Por su parte, otras tecnologías como VMware Edge Cloud Orchestrator y Nutanix Cloud Platform (Nutanix Edge) permiten gestionar de forma centralizada miles de clústeres edge.
- Servidores Edge, Gateways y gestión de infraestructura: en el plano del equipamiento físico y su control, destacan fabricantes líderes como Hewlett Packard Enterprise con HPE Edgeline y Dell Technologies con sus servidores PowerEdge rugerizados y la plataforma de software Dell NativeEdge.
- Infraestructura física, energía y microcentros de datos: para garantizar la seguridad física (en ubicaciones remotas), la alimentación ininterrumpida (SAI/UPS) y la climatización de estos nodos, existen soluciones como Schneider Electric EcoStruxure (junto a sus Micro Data Centers prefabricados).
El edge computing del futuro
De cara al periodo 2026-2034, el edge computing dejará de ser una tecnología emergente de nicho para convertirse en el tejido conectivo estándar de cualquier estrategia digital corporativa.
En este escenario de crecimiento, el rol de los proveedores de servicios gestionados (MSPs), los integradores de sistemas y los fabricantes líderes del canal TI resulta más decisivo que nunca.
Y aquí es donde el canal especializado aporta un valor diferencial insustituible:
- Alianzas de ecosistema: La colaboración estrecha entre fabricantes de hardware y energía (HPE, Dell, Schneider Electric), desarrolladores de software de virtualización y nube híbrida (Red Hat, VMware, Nutanix, AWS, Microsoft, Google) y operadoras de telecomunicaciones (MEC, 5G, NFV / vRAN) permitirá a los partners entregar soluciones llave en mano adaptadas a cada vertical, desde la fábrica autónoma hasta el hospital conectado del futuro.
- Integración IT/OT: Los integradores actúan como traductores entre los ingenieros de planta industrial (OT) y los directores de sistemas (IT), conectando maquinaria industrial a puertas de enlace Edge (Edge Gateways) y plataformas analíticas.
- Edge-as-a-Service (EaaS) por parte de los MSPs: Los proveedores de servicios gestionados están empaquetando el aprovisionamiento, la monitorización 24/7, el mantenimiento preventivo de la infraestructura, el parcheo de máquinas virtuales (VM) y la gestión de contenedores bajo modelos de suscripción mensual.
