La inteligencia artificial (IA) y el aprendizaje automático (ML) han experimentado un crecimiento rápido tanto en la industria como en la academia. Sin embargo, los modelos actuales de ML y AI requieren una gran potencia de cálculo y procesamiento para lograr la precisión y los resultados deseados, a menudo restringiendo su uso a dispositivos de alta capacidad. Con los avances en la tecnología de sistemas integrados y el importante desarrollo en la industria de Internet de las cosas (IoT), existe un creciente deseo de integrar técnicas de ML en sistemas integrados con recursos limitados para una inteligencia ubicua. Esta aspiración ha llevado al surgimiento de TinyML, un enfoque especializado que permite la implementación de modelos de ML en dispositivos con recursos limitados, eficientes en energía y de bajo costo. A pesar de su potencial, la implementación de ML en tales dispositivos presenta desafíos, incluida la optimización, la capacidad de procesamiento, la confiabilidad y el mantenimiento. Este artículo profundiza en el modelo de TinyML, explorando su origen, las herramientas que lo respaldan y sus aplicaciones en tecnologías avanzadas. Al comprender estos aspectos, podemos apreciar mejor cómo TinyML está transformando el panorama de la IA y el ML en sistemas integrados y de IoT.