Skip to content
TESA Open Knowledge

What edge AI and IoT can and cannot do

Objectives

Section titled “Objectives”
  1. Classify which problems suit IoT alone, IoT together with edge AI, or neither
  2. Explain at least three key limits of edge AI
  3. Write your own business problem as a single sentence a technical team can act on

This course needs no code and no board.

Before you start

Section titled “Before you start”

Think of one problem in your business that you would “want to know about before it’s too late”, for example a machine about to fail, stock in a fridge about to spoil, or customers waiting too long in a queue. Write it down in one line; we will come back to it at the end of the lesson.

See it work first

Section titled “See it work first”

This table shows four example cases. Read it and try to guess which rows really “need AI”.

Industry Problem What is measured What is decided Does it need AI?
Factory A pump motor fails suddenly, stopping the production line The motor’s own vibration “The vibration pattern differs from normal” — notify a technician before it fails Usually yes, because “abnormal” is not a single number
Farm Vegetables in a greenhouse wilt from heat and dryness Temperature, air humidity, soil moisture “Humidity below the threshold” — trigger misting or watering Usually no, a simple rule is enough
Health An elderly person lives alone, falls, and nobody knows Movement in the room, sensed by radar, no camera “A fall has just happened and the person has not gotten up” — notify a relative Usually yes, because a fall and sitting down quickly look similar
Retail Stock in a fridge spoils because the door was not shut tight all night Temperature inside the fridge “Warmer than the threshold for more than 15 minutes” — text the manager No, a simple rule is enough

Two of the four rows need no AI at all. This is the first lesson of this course: most problems need good measurement and clear rules before they need AI.

Concepts

Section titled “Concepts”

1. Two terms that often get mixed up

Section titled “1. Two terms that often get mixed up”
  • IoT (Internet of Things) is devices with sensors that measure things on their own and send the data over a network, so we know what is happening without anyone standing there watching.
  • Edge AI is running an already-trained AI model on the device itself, close to the sensor, instead of sending all the raw data up to the cloud for a computer somewhere else to think about it.

New chips built for this job are getting smaller and more capable. For example, the TESAIoT Dev Kit board used in TESA’s courses uses the Infineon PSoC™ Edge E84 chip, which pairs an Arm® Cortex®-M55 processor with the Ethos™-U55 AI accelerator (NPU), and has a motion sensor, a 60 GHz radar, a microphone and environmental sensors on the board, per the SDK README. We are not citing this example to sell you this particular board, but to show that “AI on a small device” already exists for real.

2. Three steps before you talk about AI

Section titled “2. Three steps before you talk about AI”

Ask in this order. Wherever you can answer, stop there.

  1. Can it be measured? Is there any signal this problem gives off that a sensor can pick up? If there is no signal, no technology can help.
  2. Is a simple rule enough? If it can be decided with “the value is over a threshold” or “over the threshold for longer than X minutes”, IoT with a rule is enough — cheaper, and easier to explain.
  3. Does it need to recognise a pattern? If “abnormal” is not a single number but a pattern in a signal — such as sound, vibration or posture — that is where edge AI earns its cost.

3. What edge AI cannot do, or does not do well

Section titled “3. What edge AI cannot do, or does not do well”
  • It is never 100% correct. Every model has both false alarms and missed real events. You must design who is responsible when it is wrong, and what each kind of mistake costs.
  • No data, no model. A model learns from examples; it needs real data from the actual site, both from normal times and from abnormal ones. Collecting that data is often the longest part of the project.
  • It is not install-and-done. Conditions change, machines change, seasons change. A model that is accurate today may be less accurate next year. You need a plan to maintain and update it.
  • It does not replace fixing the process. If an alert fires and nobody knows what to do next, no amount of accuracy helps.

4. A good problem statement has three parts

Section titled “4. A good problem statement has three parts”

A sentence a technical team can act on must answer all three parts: what is measured, what is decided, and who acts on it next. For example

Measure the temperature in every fridge. If it stays over the threshold for more than 15 minutes, text the shift manager to check the door within 30 minutes.

This sentence does not mention AI at all, and that is not a shortcoming.

Practice

Section titled “Practice”

Go back to the problem you wrote down at the start of the lesson. Rewrite it with all three parts, then walk the three steps and say which step your problem stops at.

Part Your problem
What is measured
What is decided
Who acts on it next
Stops at step (1 can it be measured / 2 is a rule enough / 3 needs to recognise a pattern)

Check your understanding

Section titled “Check your understanding”

Answer the questions in quiz.yaml. A score of 80% or more passes.

Going further

Section titled “Going further”

If you would like to see with your own eyes how a small device “measures then decides”, try the Explorer course’s lesson on reading a sensor. It takes about half an hour in a browser, with no board needed.

Reflect

Section titled “Reflect”

If your system raises a false alarm once a week, will staff still trust it? And if it misses a real event once a month, how bad is the damage? The answers to these two questions tell you how much accuracy you actually need.

Review questions

Answer on your own first, then open the answer.

  1. A pharmacy wants to know when its vaccine fridge stays above 8 degrees for more than 10 minutes. What fits? (Objective 1)

    1. Edge AI ที่ฝึกจากข้อมูลหลายเดือน
    2. IoT วัดอุณหภูมิกับกฎเกณฑ์ธรรมดา
    3. ไม่ต้องใช้อะไร ให้พนักงานเดินดูทุกชั่วโมง
    4. กล้องวงจรปิดกับ AI จดจำใบหน้า
    Show answer

    Answer: B. IoT วัดอุณหภูมิกับกฎเกณฑ์ธรรมดา

    เงื่อนไขเป็นตัวเลขกับเวลาที่ชัดเจน กฎธรรมดาทำได้ครบ ถูกกว่าและอธิบายง่ายกว่าการใช้ AI

  2. A factory wants early warning when a ventilation fan motor starts vibrating abnormally. What fits best? (Objective 1)

    1. IoT กับกฎ "ค่าการสั่นเกินเกณฑ์เดียว"
    2. IoT ร่วมกับ Edge AI ที่เรียนรูปแบบการสั่นตอนปกติแล้วแจ้งเมื่อผิดรูป
    3. ไม่ควรใช้ทั้งคู่ เพราะการสั่นวัดไม่ได้
    4. ส่งวิดีโอขึ้นคลาวด์ตลอด 24 ชั่วโมง
    Show answer

    Answer: B. IoT ร่วมกับ Edge AI ที่เรียนรูปแบบการสั่นตอนปกติแล้วแจ้งเมื่อผิดรูป

    ความผิดปกติของการสั่นมักเป็นรูปแบบ ไม่ใช่ตัวเลขตัวเดียว งานแบบนี้คือที่ที่ Edge AI คุ้มค่า

  3. An executive wants in-store sensors with AI to predict next month's sales. Which is most accurate? (Objective 1)

    1. เหมาะกับ Edge AI เพราะต้องคิดเร็ว
    2. โจทย์นี้ไม่ใช่งานของ IoT หรือ Edge AI เป็นหลัก ควรเริ่มจากข้อมูลการขายและระบบวิเคราะห์ที่มีอยู่
    3. ใช้ IoT กับกฎเกณฑ์ธรรมดาก็พอ
    4. ต้องติดเรดาร์ทุกชั้นวาง
    Show answer

    Answer: B. โจทย์นี้ไม่ใช่งานของ IoT หรือ Edge AI เป็นหลัก ควรเริ่มจากข้อมูลการขายและระบบวิเคราะห์ที่มีอยู่

    การพยากรณ์ยอดขายไม่ได้ขึ้นกับสัญญาณที่เซนเซอร์หน้างานจับได้โดยตรง และไม่ต้องตัดสินใจภายในเสี้ยววินาทีบนอุปกรณ์

  4. Which are limits of edge AI? (choose all that apply) (Objective 2)

    1. มีโอกาสเตือนผิดและพลาดเหตุการณ์จริงเสมอ
    2. ต้องมีข้อมูลจากหน้างานจริงมาฝึกและทดสอบ
    3. ติดตั้งครั้งเดียวแล้วแม่นตลอดไป ไม่ต้องดูแล
    4. ถ้าเตือนแล้วไม่มีขั้นตอนรับมือ ระบบก็ไม่มีประโยชน์
    Show answer

    Answer: A. มีโอกาสเตือนผิดและพลาดเหตุการณ์จริงเสมอ · B. ต้องมีข้อมูลจากหน้างานจริงมาฝึกและทดสอบ · D. ถ้าเตือนแล้วไม่มีขั้นตอนรับมือ ระบบก็ไม่มีประโยชน์

    สภาพหน้างานเปลี่ยนตามเวลา โมเดลต้องมีแผนดูแลและอัปเดต ข้อที่บอกว่าติดตั้งครั้งเดียวจบจึงผิด

  5. Which problem statement covers all three parts, "what is measured, what is decided, who acts"? (Objective 3)

    1. เราอยากใช้ AI ให้ทันสมัย
    2. วัดความชื้นดินในแปลง ถ้าต่ำกว่าเกณฑ์ให้เปิดปั๊มน้ำ 10 นาที และแจ้งผู้ดูแลแปลงถ้าปั๊มเปิดเกินวันละสามครั้ง
    3. ติดเซนเซอร์ให้ครบทุกจุดก่อนแล้วค่อยคิด
    4. ทำแดชบอร์ดให้สวยที่สุด
    Show answer

    Answer: B. วัดความชื้นดินในแปลง ถ้าต่ำกว่าเกณฑ์ให้เปิดปั๊มน้ำ 10 นาที และแจ้งผู้ดูแลแปลงถ้าปั๊มเปิดเกินวันละสามครั้ง

    ข้อที่ถูกบอกครบว่าวัดอะไร เกณฑ์การตัดสินใจคืออะไร และใครหรืออะไรทำอะไรต่อ ทีมเทคนิคเอาไปออกแบบได้ทันที

Cite this lesson

If you teach from this lesson or reuse it in slides or documents, credit it with the text below. If you changed it, add (adapted) after the title.

"What edge AI and IoT can and cannot do" from TESA Open Knowledge by the Thai Embedded Systems Association (TESA), https://github.com/tesaiot/tesa-qualification-program, licensed under CC BY-NC 4.0

Thai attribution: "Edge AI และ IoT ทำอะไรได้ และทำอะไรไม่ได้" จาก TESA Open Knowledge โดยสมาคมสมองกลฝังตัวไทย (Thai Embedded Systems Association: TESA) https://github.com/tesaiot/tesa-qualification-program สัญญาอนุญาต CC BY-NC 4.0

Lesson link: https://tesaiot.github.io/tesa-qualification-program/en/courses/edge-ai-iot-for-business/m01-understand-the-options/l01-what-it-can-do/

Full guide: how to cite TESA

TESA Open Knowledge · © 2026 สมาคมสมองกลฝังตัวไทย (TESA) · CC BY-NC 4.0

Content is licensed CC BY-NC 4.0. Reuse it non-commercially and credit the Thai Embedded Systems Association (TESA) every time. · How to cite TESA