{"id":1595,"date":"2026-04-10T03:04:16","date_gmt":"2026-04-10T03:04:16","guid":{"rendered":"https:\/\/dacorei.com\/?p=1595"},"modified":"2026-04-10T03:04:16","modified_gmt":"2026-04-10T03:04:16","slug":"the-rise-of-on-device-ai-and-why-companies-are-moving-away-from-the-cloud","status":"publish","type":"post","link":"https:\/\/dacorei.com\/es\/the-rise-of-on-device-ai-and-why-companies-are-moving-away-from-the-cloud\/","title":{"rendered":"El auge de la IA en los dispositivos y por qu\u00e9 las empresas se est\u00e1n alejando de la nube."},"content":{"rendered":"
\"On-device
Inteligencia artificial integrada en el dispositivo<\/strong><\/span><\/figcaption><\/figure>\n\n\n\n

Muchos usuarios est\u00e1n empezando a notar que sus dispositivos se comportan de forma diferente, incluso sin una conexi\u00f3n a internet estable, y este cambio est\u00e1 estrechamente ligado al auge de la IA integrada en los dispositivos. Las aplicaciones ahora responden m\u00e1s r\u00e1pido, los asistentes de voz funcionan sin conexi\u00f3n y algunas funciones se sienten casi instant\u00e1neas, pero la mayor\u00eda de la gente no comprende del todo qu\u00e9 ha cambiado internamente.<\/p>\n\n\n\n

Al mismo tiempo, crece la frustraci\u00f3n por las demoras, el consumo de datos y las preocupaciones sobre la privacidad relacionadas con los servicios en la nube. Tareas que deber\u00edan ser sencillas a menudo dependen de servidores ubicados a kil\u00f3metros de distancia, lo que provoca retrasos, interrupciones o fallos inesperados cuando se pierde la conexi\u00f3n.<\/p>\n\n\n\n

Esto afecta a acciones cotidianas como la edici\u00f3n de fotos, el dictado por voz y las recomendaciones de aplicaciones. Lo que antes depend\u00eda por completo del procesamiento remoto ahora se est\u00e1 integrando gradualmente en el propio dispositivo, cambiando la forma en que las personas interact\u00faan con la tecnolog\u00eda sin siquiera darse cuenta.<\/p>\n\n\n\n

Comprender esta transici\u00f3n ayuda a explicar por qu\u00e9 el rendimiento, la privacidad y la fiabilidad est\u00e1n evolucionando. Este art\u00edculo analiza qu\u00e9 est\u00e1 sucediendo, por qu\u00e9 las empresas est\u00e1n cambiando sus estrategias y qu\u00e9 significa esto en la pr\u00e1ctica para los usuarios reales.<\/p>\n\n\n\n

\n\n\n\n

Cuando tu tel\u00e9fono funciona m\u00e1s r\u00e1pido sin internet<\/strong><\/h2>\n\n\n\n

Hay un detalle que la mayor\u00eda de los usuarios pasa por alto: cuando una aplicaci\u00f3n responde al instante incluso en modo avi\u00f3n. Ese peque\u00f1o detalle revela un cambio m\u00e1s profundo que se est\u00e1 produciendo en los dispositivos modernos.<\/p>\n\n\n\n

Si alguna vez has usado el dictado por voz y has notado que funciona sin conexi\u00f3n, o has abierto tu galer\u00eda de fotos y has visto el etiquetado autom\u00e1tico sin subir nada, ya has experimentado el procesamiento en el dispositivo. La diferencia se hace evidente cuando las aplicaciones antiguas se bloquean sin conexi\u00f3n a internet, mientras que las m\u00e1s recientes siguen funcionando sin problemas.<\/p>\n\n\n\n

Un error com\u00fan es suponer que todas las funciones inteligentes dependen de la nube. En realidad, muchos dispositivos m\u00e1s recientes procesan los datos localmente, lo que elimina la latencia y reduce la dependencia de conexiones inestables.<\/p>\n\n\n\n

Los usuarios suelen culpar a su proveedor de internet por el bajo rendimiento, cuando el verdadero problema reside en el dise\u00f1o de la aplicaci\u00f3n. Las aplicaciones que dependen en gran medida de servidores en la nube siempre se percibir\u00e1n m\u00e1s lentas que aquellas optimizadas para el procesamiento local.<\/p>\n\n\n\n

Reconocer este patr\u00f3n es el primer paso para comprender por qu\u00e9 las empresas est\u00e1n cambiando su arquitectura.<\/p>\n\n\n\n

\n\n\n\n

\u00bfQu\u00e9 ha cambiado entre bastidores en el procesamiento de la IA?<\/strong><\/h2>\n\n\n\n

Durante a\u00f1os, la computaci\u00f3n en la nube domin\u00f3 el desarrollo de la IA porque permit\u00eda a las empresas utilizar servidores masivos para tareas complejas. Esto ten\u00eda sentido cuando los dispositivos carec\u00edan de potencia de procesamiento.<\/p>\n\n\n\n

Sin embargo, los smartphones modernos ahora incluyen chips especializados como las unidades de procesamiento neuronal (NPU), dise\u00f1adas espec\u00edficamente para tareas de IA. Estos chips gestionan operaciones como el reconocimiento de im\u00e1genes, el procesamiento del habla y las sugerencias predictivas directamente en el dispositivo.<\/p>\n\n\n\n

Un punto de inflexi\u00f3n clave se produjo cuando las empresas se dieron cuenta de que enviar datos a la nube genera retrasos inevitables. Ni siquiera una conexi\u00f3n r\u00e1pida puede igualar la velocidad de ejecuci\u00f3n local.<\/p>\n\n\n\n

Seg\u00fan una investigaci\u00f3n del Instituto Tecnol\u00f3gico de Massachusetts, la computaci\u00f3n de borde y el procesamiento en el dispositivo reducen significativamente la latencia y mejoran la capacidad de respuesta en tiempo real, especialmente en aplicaciones que dependen de decisiones locales r\u00e1pidas, como se explica en este documento. An\u00e1lisis de MIT Sloan sobre c\u00f3mo la computaci\u00f3n perimetral reduce la latencia y los costos al tiempo que permite obtener informaci\u00f3n en tiempo real.<\/a>.<\/p>\n\n\n\n

Otro factor que a menudo se pasa por alto es el costo. El procesamiento en la nube requiere el uso continuo de servidores, lo cual resulta costoso a gran escala. Trasladar las tareas de IA a los dispositivos reduce los costos operativos y, al mismo tiempo, mejora la experiencia del usuario.<\/p>\n\n\n\n

\n\n\n\n

Herramientas que ya utilizan IA en el dispositivo<\/strong><\/h2>\n\n\n\n

Varias herramientas ya dependen en gran medida del procesamiento local de IA, aunque los usuarios no lo noten.<\/p>\n\n\n\n

Google Fotos<\/strong> Categoriza autom\u00e1ticamente las im\u00e1genes, detecta rostros y organiza el contenido sin necesidad de subirlo todo al instante. Esto beneficia a los usuarios que buscan b\u00fasquedas m\u00e1s r\u00e1pidas y funcionalidad sin conexi\u00f3n, aunque las funciones avanzadas a\u00fan dependen de la sincronizaci\u00f3n en la nube.<\/p>\n\n\n\n

Siri de Apple<\/strong> Procesa muchos comandos de voz directamente en el dispositivo, especialmente tareas b\u00e1sicas como configurar alarmas o abrir aplicaciones. Esto mejora la velocidad y la privacidad, pero las consultas complejas a\u00fan requieren la interacci\u00f3n con el servidor.<\/p>\n\n\n\n

Tablero de G<\/strong> Utiliza inteligencia artificial integrada en el dispositivo para la escritura predictiva de texto y la dictaci\u00f3n por voz. Resulta especialmente \u00fatil para usuarios que escriben con frecuencia, ya que ofrece sugerencias m\u00e1s r\u00e1pidas sin enviar cada pulsaci\u00f3n de tecla a servidores externos.<\/p>\n\n\n\n

TensorFlow Lite<\/strong> No es una aplicaci\u00f3n para el consumidor, sino un marco de trabajo que permite a los desarrolladores ejecutar modelos de IA localmente. Se utiliza ampliamente en aplicaciones que requieren un procesamiento de IA r\u00e1pido y ligero en dispositivos m\u00f3viles.<\/p>\n\n\n\n

Estas herramientas demuestran que la IA integrada en los dispositivos no es un concepto del futuro. Ya est\u00e1 incorporada en el uso cotidiano, a menudo sin que nos demos cuenta.<\/p>\n\n\n\n

\n\n\n\n

Ver tambi\u00e9n<\/strong><\/p>\n\n\n\n

C\u00f3mo la computaci\u00f3n perimetral est\u00e1 cambiando la velocidad de los servicios digitales<\/a><\/p>\n\n\n\n

La nueva generaci\u00f3n de inicios de sesi\u00f3n sin contrase\u00f1a y c\u00f3mo funcionan.<\/a><\/p>\n\n\n\n

\u00bfPor qu\u00e9 la IA est\u00e1 empezando a aparecer en las aplicaciones cotidianas?<\/a><\/p>\n\n\n\n

\n\n\n\n

Clasificaci\u00f3n de los enfoques de IA en dispositivos m\u00e1s eficientes<\/strong><\/h2>\n\n\n\n

Los distintos enfoques para la IA en dispositivos var\u00edan significativamente en cuanto a eficiencia, usabilidad e impacto en el mundo real.<\/p>\n\n\n\n

1. Integraci\u00f3n nativa de IA (mejor rendimiento general)<\/strong>
Este enfoque, integrado directamente en los sistemas operativos, ofrece los resultados m\u00e1s r\u00e1pidos. Beneficia a los usuarios que desean un rendimiento impecable sin necesidad de configurar nada, pero ofrece opciones de personalizaci\u00f3n limitadas.<\/p>\n\n\n\n

2. Aplicaciones de IA optimizadas (mejor equilibrio)<\/strong>
Las aplicaciones dise\u00f1adas espec\u00edficamente para el procesamiento local ofrecen un alto rendimiento y flexibilidad. Funcionan bien para la mayor\u00eda de los usuarios, aunque la calidad var\u00eda seg\u00fan la optimizaci\u00f3n del desarrollador.<\/p>\n\n\n\n

3. Modelos de IA h\u00edbridos (equilibrados pero inconsistentes)<\/strong>
Estos sistemas alternan entre el procesamiento en el dispositivo y en la nube. Si bien son vers\u00e1tiles, a menudo generan experiencias inconsistentes, especialmente con conexiones inestables.<\/p>\n\n\n\n

4. IA dependiente de la nube (la menos eficiente para uso en tiempo real)<\/strong>
A\u00fan se usa ampliamente, pero cada vez est\u00e1 m\u00e1s obsoleto para tareas que requieren velocidad. Es ideal para tareas de procesamiento intensivo, pero no para las interacciones cotidianas.<\/p>\n\n\n\n

La clasificaci\u00f3n refleja el uso en el mundo real, m\u00e1s que la capacidad te\u00f3rica. En la pr\u00e1ctica, la consistencia y la velocidad importan m\u00e1s que la potencia de c\u00e1lculo bruta.<\/p>\n\n\n\n

\n\n\n\n

C\u00f3mo funciona la IA en los dispositivos en la vida real<\/strong><\/h2>\n\n\n\n
\"On-device
Inteligencia artificial integrada en el dispositivo<\/strong><\/figcaption><\/figure>\n\n\n\n

Imagina abrir la galer\u00eda de tu tel\u00e9fono para encontrar una foto espec\u00edfica. En los sistemas antiguos, esto requer\u00eda subir las im\u00e1genes a servidores para su an\u00e1lisis.<\/p>\n\n\n\n

Ahora, el dispositivo escanea im\u00e1genes localmente, identifica objetos y permite b\u00fasquedas instant\u00e1neas. La diferencia no radica solo en la velocidad, sino tambi\u00e9n en la fiabilidad. Esta funci\u00f3n opera incluso sin conexi\u00f3n a internet.<\/p>\n\n\n\n

Otro ejemplo es el dictado por voz. Antes, cada palabra deb\u00eda procesarse de forma remota, lo que provocaba retrasos. Hoy en d\u00eda, muchos dispositivos convierten la voz en texto al instante, lo que hace que las conversaciones resulten naturales.<\/p>\n\n\n\n

La verdadera ventaja se hace evidente en entornos con baja conectividad. Los usuarios que viajan, se desplazan al trabajo o lidian con redes inestables experimentan menos interrupciones y respuestas m\u00e1s r\u00e1pidas.<\/p>\n\n\n\n

Por experiencia, la mayor mejora no reside en la velocidad bruta, sino en la consistencia. Las tareas se comportan de forma predecible, lo que reduce la frustraci\u00f3n y aumenta la confianza en el dispositivo.<\/p>\n\n\n\n

\n\n\n\n

IA en el dispositivo frente a IA en la nube: \u00bfQu\u00e9 es lo que realmente importa?<\/strong><\/h2>\n\n\n\n

La diferencia entre estos dos enfoques va m\u00e1s all\u00e1 del rendimiento.<\/p>\n\n\n\n

Herramienta \/ Aplicaci\u00f3n<\/th>Caracter\u00edstica principal<\/th>Mejor caso de uso<\/th>Compatibilidad de la plataforma<\/th>Gratis o de pago<\/th><\/tr><\/thead>
Google Fotos<\/td>Reconocimiento de im\u00e1genes locales<\/td>Organizaci\u00f3n fotogr\u00e1fica<\/td>Android \/ iOS<\/td>Freemium<\/td><\/tr>
Siri de Apple<\/td>Comandos de voz en el dispositivo<\/td>Tareas diarias<\/td>iOS<\/td>Gratis<\/td><\/tr>
Tablero de G<\/td>Tipograf\u00eda predictiva<\/td>Comunicaci\u00f3n r\u00e1pida<\/td>Android \/ iOS<\/td>Gratis<\/td><\/tr>
TensorFlow Lite<\/td>Despliegue local de IA<\/td>Desarrollo de aplicaciones<\/td>Multiplataforma<\/td>Gratis<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

La IA integrada en los dispositivos destaca por su velocidad, privacidad y usabilidad sin conexi\u00f3n. La IA en la nube sigue siendo la l\u00edder en tareas complejas que requieren grandes conjuntos de datos y una gran capacidad de procesamiento.<\/p>\n\n\n\n

Seg\u00fan Google AI, los enfoques h\u00edbridos se est\u00e1n convirtiendo en la norma porque equilibran el rendimiento con la escalabilidad, lo que permite a los dispositivos gestionar tareas sencillas localmente mientras delegan las operaciones complejas a la nube, como se explica en la descripci\u00f3n general oficial de la investigaci\u00f3n de IA de Google: https:\/\/ai.google\/research\/<\/a><\/p>\n\n\n\n

El factor clave para la toma de decisiones es el contexto. Las interacciones cotidianas se benefician del procesamiento local, mientras que el an\u00e1lisis avanzado a\u00fan requiere infraestructura remota.<\/p>\n\n\n\n

\n\n\n\n

Una perspectiva menos obvia: por qu\u00e9 la conexi\u00f3n sin conexi\u00f3n se siente m\u00e1s confiable<\/strong><\/h2>\n\n\n\n

Una observaci\u00f3n que puede resultar contraintuitiva es que las funciones sin conexi\u00f3n a internet suelen parecer m\u00e1s estables que las funciones en l\u00ednea.<\/p>\n\n\n\n

Esto sucede porque los sistemas en la nube introducen m\u00faltiples puntos de fallo: latencia del servidor, inestabilidad de la red y retrasos en la transferencia de datos. Incluso las peque\u00f1as interrupciones afectan al rendimiento.<\/p>\n\n\n\n

El procesamiento local elimina estas variables. El resultado no son solo respuestas m\u00e1s r\u00e1pidas, sino tambi\u00e9n menos inconsistencias.<\/p>\n\n\n\n

Seg\u00fan la experiencia pr\u00e1ctica, los usuarios tienden a confiar en las funciones que funcionan de forma consistente, aunque sean ligeramente menos avanzadas. En el uso real, la fiabilidad suele ser m\u00e1s importante que la complejidad.<\/p>\n\n\n\n

Esto explica por qu\u00e9 las empresas priorizan la IA integrada en los dispositivos para las funciones cotidianas, mientras que mantienen el procesamiento avanzado en la nube.<\/p>\n\n\n\n

\n\n\n\n

Las limitaciones reales que debes conocer<\/strong><\/h2>\n\n\n\n

A pesar de sus ventajas, la IA integrada en los dispositivos no sustituye por completo a la computaci\u00f3n en la nube.<\/p>\n\n\n\n

Los dispositivos tienen una capacidad de procesamiento limitada en comparaci\u00f3n con los servidores a gran escala. Tareas complejas como el entrenamiento de modelos de IA o el an\u00e1lisis de conjuntos de datos masivos a\u00fan requieren infraestructura en la nube.<\/p>\n\n\n\n

El almacenamiento es otra limitaci\u00f3n. Ejecutar modelos avanzados de IA localmente puede consumir mucho espacio, lo que afecta al rendimiento del dispositivo con el tiempo.<\/p>\n\n\n\n

Tambi\u00e9n est\u00e1 el tema de las actualizaciones. Los sistemas en la nube mejoran continuamente sin la intervenci\u00f3n del usuario, mientras que los modelos instalados en dispositivos dependen de las actualizaciones de software.<\/p>\n\n\n\n

Comprender estas limitaciones ayuda a establecer expectativas realistas y evita sobreestimar lo que la IA local puede hacer.<\/p>\n\n\n\n

\n\n\n\n

Privacidad, riesgos y uso responsable<\/strong><\/h2>\n\n\n\n

La inteligencia artificial integrada en los dispositivos suele promocionarse como una opci\u00f3n m\u00e1s privada, pero eso no significa que est\u00e9 exenta de riesgos.<\/p>\n\n\n\n

Los datos almacenados localmente a\u00fan pueden ser accedidos por aplicaciones maliciosas o sistemas comprometidos. Los usuarios a menudo pasan por alto los permisos, lo que permite que las aplicaciones procesen datos confidenciales innecesariamente.<\/p>\n\n\n\n

Un error pr\u00e1ctico consiste en instalar varias aplicaciones con funciones similares. Cada una puede procesar datos localmente, aumentando la exposici\u00f3n en lugar de reducirla.<\/p>\n\n\n\n

El uso responsable implica limitar los permisos de las aplicaciones, elegir desarrolladores de confianza y revisar peri\u00f3dicamente la configuraci\u00f3n del dispositivo.<\/p>\n\n\n\n

La privacidad mejora cuando los datos permanecen en el dispositivo, pero solo si los usuarios gestionan activamente c\u00f3mo se utilizan esos datos.<\/p>\n\n\n\n

\n\n\n\n

C\u00f3mo tomar la decisi\u00f3n correcta para su caso de uso.<\/strong><\/h2>\n\n\n\n

La elecci\u00f3n entre soluciones instaladas en el dispositivo y soluciones basadas en la nube depende de c\u00f3mo utilice su dispositivo.<\/p>\n\n\n\n

Si la velocidad y la fiabilidad son prioritarias, la IA integrada en el dispositivo ofrece beneficios inmediatos. Funciona mejor para interacciones cotidianas como escribir, usar comandos de voz y organizar im\u00e1genes.<\/p>\n\n\n\n

Para los usuarios que dependen de funciones avanzadas como el an\u00e1lisis de datos a gran escala o la sincronizaci\u00f3n en la nube entre varios dispositivos, las soluciones h\u00edbridas ofrecen una mayor flexibilidad.<\/p>\n\n\n\n

Evita las aplicaciones que dependen exclusivamente del procesamiento en la nube para tareas sencillas. Suelen generar retrasos innecesarios y consumir m\u00e1s datos.<\/p>\n\n\n\n

La configuraci\u00f3n m\u00e1s eficaz combina ambos enfoques, priorizando el procesamiento local para obtener mayor velocidad y utilizando la nube solo cuando sea necesario.<\/p>\n\n\n\n

\n\n\n\n

Conclusi\u00f3n<\/strong><\/h2>\n\n\n\n

La inteligencia artificial integrada en los dispositivos est\u00e1 transformando el funcionamiento de los dispositivos modernos, aportando respuestas m\u00e1s r\u00e1pidas, mayor fiabilidad y un mejor control de la privacidad a las interacciones cotidianas.<\/p>\n\n\n\n

Este cambio no solo se debe a los avances tecnol\u00f3gicos, sino tambi\u00e9n a necesidades pr\u00e1cticas. Los usuarios esperan un rendimiento instant\u00e1neo y menos interrupciones, algo que los sistemas que dependen de la nube tienen dificultades para ofrecer de forma constante.<\/p>\n\n\n\n

El verdadero valor reside en la perfecta integraci\u00f3n de estas mejoras en el uso diario. La mayor\u00eda de las personas ya se benefician de la IA integrada en sus dispositivos sin darse cuenta, gracias a una escritura m\u00e1s r\u00e1pida, una organizaci\u00f3n de fotos m\u00e1s inteligente y asistentes de voz m\u00e1s eficaces.<\/p>\n\n\n\n

Al mismo tiempo, comprender sus limitaciones ayuda a evitar expectativas poco realistas. El procesamiento local mejora el rendimiento, pero no reemplaza la necesidad de infraestructura en la nube en escenarios m\u00e1s complejos.<\/p>\n\n\n\n

Adoptar herramientas que prioricen la IA en el dispositivo, manteniendo al mismo tiempo un enfoque equilibrado, es la forma m\u00e1s eficaz de mejorar el rendimiento, proteger los datos y garantizar una experiencia digital m\u00e1s fluida.<\/p>\n\n\n\n

\n\n\n\n

PREGUNTAS FRECUENTES<\/strong><\/h2>\n\n\n\n

1. \u00bfQu\u00e9 es la IA en dispositivos, en t\u00e9rminos sencillos?<\/strong>
Se trata de inteligencia artificial que se ejecuta directamente en tu dispositivo en lugar de depender de servidores remotos.<\/p>\n\n\n\n

2. \u00bfFunciona la IA en el dispositivo sin conexi\u00f3n a internet?<\/strong>
S\u00ed, la mayor\u00eda de las funciones siguen funcionando sin conexi\u00f3n porque el procesamiento se realiza localmente.<\/p>\n\n\n\n

3. \u00bfEs la IA en el dispositivo m\u00e1s segura que la IA en la nube?<\/strong>
Puede ser m\u00e1s seguro ya que los datos permanecen en el dispositivo, pero a\u00fan existen riesgos si las aplicaciones hacen un uso indebido de los permisos.<\/p>\n\n\n\n

4. \u00bfPor qu\u00e9 las empresas se est\u00e1n alejando de la nube?<\/strong>
Para reducir la latencia, mejorar la experiencia del usuario, disminuir los costos y abordar las preocupaciones sobre la privacidad.<\/p>\n\n\n\n

5. \u00bfPuede la IA integrada en los dispositivos reemplazar por completo la computaci\u00f3n en la nube?<\/strong>
No, las tareas complejas a\u00fan requieren infraestructura en la nube para su procesamiento y escalabilidad.<\/p>","protected":false},"excerpt":{"rendered":"

Many users are starting to notice that their devices behave differently, even without a stable internet connection, and this shift is closely tied to the rise of On-device AI. Apps now respond faster, voice assistants work offline, and some features feel almost instant, yet most people don\u2019t fully understand what changed behind the scenes. At […]<\/p>","protected":false},"author":259,"featured_media":1596,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[],"_links":{"self":[{"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/posts\/1595"}],"collection":[{"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/users\/259"}],"replies":[{"embeddable":true,"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/comments?post=1595"}],"version-history":[{"count":3,"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/posts\/1595\/revisions"}],"predecessor-version":[{"id":1600,"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/posts\/1595\/revisions\/1600"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/media\/1596"}],"wp:attachment":[{"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/media?parent=1595"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/categories?post=1595"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dacorei.com\/es\/wp-json\/wp\/v2\/tags?post=1595"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}