La última década ha visto un crecimiento significativo en la adopción de sistemas de monitoreo de calidad del aire de bajo costo (LCAQMS), impulsado principalmente por la necesidad de superar las limitaciones de densidad espacial de las redes de grado regulatorio tradicionales. Sin embargo, los escenarios de monitoreo de calidad del aire urbano han demostrado ser extremadamente desafiantes para su implementación operativa. De hecho, estos escenarios necesitan soluciones de monitoreo precisas, personalizadas y omnipresentes, junto con potentes tecnologías de gestión de datos y herramientas de comunicación específicas; de lo contrario, estos escenarios pueden llevar a una falta de confianza de los interesados, conciencia y, en consecuencia, desigualdades ambientales. El proyecto AirHeritage, financiado por el programa de Acción Urbana Innovadora (UIA) de la UE, abordó estos problemas integrando LCAQMS inteligentes con sistemas de monitoreo convencionales y involucrando a la comunidad local en estrategias de medición a largo plazo. Su implementación nos permitió explorar los beneficios y limitaciones de los enfoques de ciencia ciudadana, los impactos logísticos y funcionales de las infraestructuras de IoT y las metodologías de calibración, así como la integración de algoritmos de fusión de sensores geoespaciales e inteligencia artificial para mediciones y reportes de calidad del aire móviles y oportunistas. Investigaciones o proyectos operativos similares se han implementado en el pasado reciente, a menudo centrándose en un conjunto limitado de los desafíos involucrados. Desafortunadamente, los informes detallados, así como los datos grabados y/o curados, a menudo no están disponibles públicamente, limitando así el desarrollo del campo. Este trabajo informa abiertamente sobre las lecciones aprendidas y las experiencias del proyecto AirHeritage, incluyendo la variación en la precisión de los dispositivos, las evaluaciones de grabación en campo y los resultados de mapeo de alta resolución, con el objetivo de guiar futuras implementaciones en contextos similares y apoyar la repetibilidad, así como la investigación adicional, al proporcionar un datalake abierto. Al compartir estas ideas junto con el datalake recopilado, buscamos informar a los interesados, incluidos investigadores, ciudadanos, autoridades públicas y agencias, sobre estrategias efectivas para implementar y utilizar LCAQMS para mejorar el monitoreo de la calidad del aire y la conciencia pública sobre este desafiante problema ambiental urbano.