Las caídas representan un riesgo significativo para la salud, especialmente entre personas mayores y aquellos con condiciones médicas, donde una respuesta tardía puede tener consecuencias graves. Este proyecto se enfoca en desarrollar una solución tecnológica para la detección y notificación de caídas, con el objetivo de ofrecer una respuesta rápida en situaciones de emergencia. Se plantea la hipótesis de que el uso de TinyML en dispositivos portátiles puede mejorar la precisión y rapidez en la detección de caídas, justificando así su implementación en sistemas de emergencia. Para el desarrollo, se utilizó el microcontrolador Xiao Sense Seeed, seleccionada por su tamaño y capacidad para almacenar modelos de inteligencia artificial. Se creó un conjunto de datos propio para entrenar un modelo de detección de caídas, que fue implementado en el dispositivo. Este se alojó junto a una batería recargable en una carcasa impresa en 3D, y se sujeta al bíceps mediante una correa ajustable. Además, se integró un modelo de inteligencia artificial en un microcontrolador adicional para el reconocimiento de una palabra clave, permitiendo al usuario activar manualmente el sistema de emergencia en situaciones críticas. El modelo alcanzó una efectividad del 76%, y la notificación mediante la aplicación móvil fue eficaz para enviar alertas a un servicio de emergencias preestablecido. Palabras clave: Xiao Sense Seeed, Inteligencia Artificial, alerta de emergencia, seguridad.