La informática en el borde ha surgido como una solución prometedora para reducir los retrasos de comunicación y mejorar el rendimiento de las aplicaciones en tiempo real. Sin embargo, debido a la limitada potencia de procesamiento de los servidores en el borde, es un desafío lograr un procesamiento eficiente de tareas. En este documento, proponemos un método de equilibrio de carga basado en Q-learning que optimiza la distribución de tareas en tiempo real entre servidores en el borde y servidores en la nube para reducir el tiempo de procesamiento. El método propuesto es dinámico y adaptable, teniendo en cuenta el estado de red y el uso del servidor en constante cambio. Para evaluar la efectividad del método de equilibrio de carga propuesto, se realizan extensas simulaciones en un entorno de red Edge-Cloud. Los resultados de la simulación demuestran que el método propuesto reduce significativamente el tiempo de procesamiento en comparación con los métodos tradicionales de equilibrio de carga estáticos. El algoritmo Q-learning permite que el sistema de equilibrio de carga aprenda dinámicamente la estrategia óptima de toma de decisiones para asignar tareas al servidor más adecuado. En general, el método propuesto de equilibrio de carga basado en Q-learning proporciona una solución dinámica y eficiente para equilibrar la carga entre servidores en el borde y servidores en la nube. El método propuesto logra de manera efectiva el procesamiento de tareas en tiempo real en entornos de informática en el borde y puede contribuir al desarrollo de sistemas de informática en el borde de alto rendimiento.