Infraestructura urbana basada en la inteligencia artificial
La inteligencia artificial se propone cada vez más como solución a la congestión, el envejecimiento de las infraestructuras, el derroche energético y la sobrecarga de los servicios públicos. En el contexto adecuado, puede ayudar a una ciudad a detectar una tubería de agua con fugas, ajustar los semáforos o reparar equipos antes de que fallen. En el contexto inadecuado, puede dar lugar a un costoso sistema de vigilancia, automatizar una mala decisión o hacer que un ayuntamiento dependa de un proveedor de tecnología al que no pueda sustituir fácilmente.
La pregunta relevante no es si una ciudad debería “funcionar impulsada por la IA”. Se trata de qué problema urbano hay que resolver, si la IA es realmente la mejor herramienta y qué medidas de protección deben establecerse antes de destinar fondos públicos o utilizar los datos de los residentes.
Empecemos por el problema urbano
Los proyectos de ciudades inteligentes suelen partir de una demostración tecnológica, más que de una necesidad pública claramente definida. Un proveedor presenta un centro de control inteligente, una plataforma predictiva o una red de sensores conectados, y la ciudad busca entonces servicios a los que se les pueda aplicar.
Ese orden debería invertirse. Los responsables municipales deberían identificar primero un problema cuantificable: los autobuses sufren retrasos habituales en determinados cruces, las pérdidas de agua son inusualmente elevadas, el alumbrado público consume demasiada energía o los equipos de mantenimiento no pueden determinar qué puentes requieren atención prioritaria.
Solo entonces deberían preguntarse si el problema requiere inteligencia artificial. Una base de datos convencional, una mejor planificación de los turnos del personal, la reparación de los equipos o un cambio en la política de compras podrían ofrecer una solución más económica y fiable. La IA resulta útil cuando el volumen, la velocidad o la complejidad de los datos hacen que el análisis manual resulte poco práctico y cuando la predicción resultante puede conducir a una decisión operativa clara.
Un sistema que genera previsiones sofisticadas sin modificar el funcionamiento de un departamento no es innovación urbana. Se trata de una capa adicional de información.
Ámbitos en los que la IA puede aportar un valor real
El transporte es uno de los ámbitos con mayor potencial. Una ciudad puede combinar la información procedente de los semáforos, los autobuses, los sensores viales y los informes de incidentes para detectar atascos y ajustar la sincronización de los semáforos. Los modelos también pueden ayudar a las autoridades de transporte a prever la demanda de pasajeros, planificar los servicios e identificar las rutas en las que los retrasos se están volviendo habituales.
Las ventajas dependen del objetivo. Optimizar únicamente la velocidad de los vehículos podría empeorar las condiciones de desplazamiento de los peatones, los ciclistas o los autobuses. Por lo tanto, un modelo de transporte debería reflejar las prioridades generales de la ciudad, entre las que se incluyen la seguridad vial, las emisiones, la accesibilidad y la movilidad de las personas, en lugar de limitarse simplemente a la circulación de los coches.
El mantenimiento predictivo ofrece otra aplicación fiable. Los puentes, las bombas, los ascensores, las carreteras y los equipos eléctricos generan datos de inspección y rendimiento. La inteligencia artificial puede ayudar a identificar patrones asociados al deterioro y orientar a los ingenieros hacia los activos que requieren atención.
Esto no significa que un algoritmo deba decidir por sí solo que un puente es seguro. Puede ayudar a establecer prioridades en las inspecciones, pero siguen siendo los profesionales cualificados los responsables de interpretar los resultados y autorizar las decisiones derivadas de ellos.
Los sistemas energéticos y de abastecimiento de agua también pueden beneficiarse. La previsión de la demanda puede ayudar a las empresas de servicios públicos a planificar el suministro, mientras que los sistemas de gestión de edificios pueden ajustar la calefacción, la refrigeración y la iluminación en función de la ocupación y las condiciones meteorológicas. Las empresas de suministro de agua pueden utilizar datos de presión, caudal y acústicos para detectar posibles fugas con mayor rapidez.
Estas aplicaciones resultan más útiles cuando se integran en una respuesta operativa. Detectar una fuga no sirve de mucho si la empresa de servicios públicos carece de personal, piezas de recambio o la autoridad necesaria para repararla.
La recogida de residuos puede ser más inteligente sin por ello convertirse en algo futurista
La gestión de residuos se presenta a menudo como un ejemplo emblemático de la inteligencia artificial. Los sensores pueden calcular el nivel de llenado de un contenedor, mientras que el software de planificación de rutas puede dirigir a los vehículos de recogida hacia los contenedores que más probablemente necesiten ser vaciados.
El concepto es sencillo, pero los aspectos económicos varían. Instalar y mantener sensores en cada contenedor puede suponer un coste superior al ahorro que genera, sobre todo en barrios con patrones de recogida predecibles. Las rutas también deben tener en cuenta la dotación de personal, la capacidad de los vehículos, las restricciones de tráfico y las dificultades prácticas que plantea la recogida de varios tipos de residuos.
Una ciudad debería probar la tecnología en una zona concreta y compararla con una alternativa más sencilla, como ajustar los horarios de recogida a partir de datos históricos. La prueba debería medir el consumo de combustible, las recogidas no realizadas, el tiempo dedicado por el personal, las quejas y el coste total, y no limitarse a comprobar si el algoritmo funcionaba desde el punto de vista técnico.
Quizá la mejor solución sea un sistema híbrido en el que la inteligencia artificial se encargue de los lugares con un volumen elevado o con un ritmo irregular, mientras que la programación convencional siga siendo suficiente en el resto de lugares.
Lo que los residentes deben tener en cuenta
Un proyecto urbano de IA que tenga éxito debería mejorar algo que los residentes puedan apreciar. Por ejemplo, que un autobús llegue con mayor puntualidad, que se repare antes un bache o que se tramite un permiso sin tener que solicitar repetidamente la misma información.
En cambio, muchos proyectos de ciudades inteligentes hacen hincapié en la cantidad de datos recopilados, el número de sensores instalados o la sofisticación de un panel de control central. Se trata de datos de entrada, no de resultados para los ciudadanos.
Antes de aprobar un proyecto, un ayuntamiento debería explicar qué aspectos serán más rápidos, más seguros, más baratos o más accesibles. Debería publicar una referencia inicial y, posteriormente, informar de si se ha producido la mejora prometida.
Los residentes también necesitan una vía para impugnar los errores. Si un sistema automatizado afecta al acceso a la vivienda, el transporte, las prestaciones, la seguridad ciudadana u otro servicio esencial, se debe informar a las personas de cuándo la IA ha intervenido en la decisión y de cómo pueden solicitar una revisión por parte de un ser humano.
La comodidad no puede sustituir al debido proceso.
La seguridad pública exige un umbral mucho más alto
La IA puede ayudar en tareas legítimas relacionadas con la seguridad pública, como analizar los patrones de las llamadas de emergencia, identificar puntos peligrosos en la red viaria o ayudar a los servicios de emergencia a distribuir sus recursos. Estos usos aún deben someterse a pruebas minuciosas, pero son distintos de intentar predecir qué persona cometerá un delito.
Los sistemas de vigilancia policial predictiva han sido objeto de intensas críticas porque los datos históricos sobre delincuencia no ofrecen una visión neutral del comportamiento delictivo. Además, reflejan dónde se desplegó a la policía, qué comunidades fueron registradas y qué delitos se registraron. Entrenar un algoritmo a partir de esos datos históricos puede reproducir y amplificar los patrones existentes en la aplicación de la ley.
El reconocimiento facial y el análisis del comportamiento suscitan nuevas preocupaciones. Las coincidencias erróneas pueden tener graves consecuencias, mientras que la vigilancia generalizada cambia la forma en que las personas viven el espacio público, incluso cuando no han hecho nada malo.
La Ley de Inteligencia Artificial de la Unión Europea prohíbe determinadas prácticas, entre ellas la vigilancia policial predictiva individual basada exclusivamente en perfiles o características de la personalidad. Otras aplicaciones destinadas a las fuerzas del orden pueden clasificarse como de alto riesgo y estar sujetas a requisitos adicionales.
Las ciudades no deberían considerar la seguridad pública como una exención general al escrutinio. Cuanto mayor sea el efecto potencial sobre la libertad, la igualdad o la privacidad, más sólidas deberán ser las pruebas, la supervisión y la base jurídica.
Quizá lo más difícil sean los datos
La utilidad de un sistema de inteligencia artificial depende en gran medida de la información en la que se basa. Los datos municipales suelen estar almacenados en distintos departamentos y en formatos incompatibles. Los registros pueden estar incompletos, duplicados o haber sido recopilados con un fin muy diferente al del modelo propuesto.
Un sistema de predicción de reparaciones viales puede ofrecer resultados deficientes si los barrios notifican los baches a ritmos diferentes. Un modelo energético puede ofrecer una imagen distorsionada de los edificios más antiguos si los sensores se han instalado principalmente en inmuebles más nuevos. Una aplicación de transporte puede excluir a las personas que no llevan un smartphone o no utilizan una aplicación concreta.
No se trata de imperfecciones técnicas sin importancia. Son las que determinan quién resulta visible para el sistema y cuáles son las necesidades que se pasan por alto.
Las ciudades necesitan contar con normas claras en materia de calidad, titularidad, acceso y conservación de los datos antes de emprender análisis avanzados. Asimismo, deben documentar qué datos se han utilizado, de dónde proceden y qué grupos pueden estar infrarrepresentados.
Recopilar más información no siempre es la solución. Los datos adicionales pueden aumentar los riesgos para la privacidad y la ciberseguridad sin que el modelo mejore de forma significativa.
Por qué cosas merece la pena pagar
La inversión resulta más justificable cuando la inteligencia artificial respalda un servicio esencial que presenta un problema operativo cuantificable. El mantenimiento predictivo de infraestructuras costosas, la detección de fugas y la optimización de los servicios de transporte público pueden justificar un gasto considerable cuando la ciudad dispone de datos fiables y de la capacidad para actuar en función de los resultados obtenidos.
También puede merecer la pena invertir en asesoramiento técnico y jurídico independiente. Un ayuntamiento que negocie con un gran proveedor de tecnología puede carecer de los conocimientos especializados necesarios para evaluar las afirmaciones sobre precisión, los controles de ciberseguridad, la propiedad intelectual y los costes a largo plazo.
La formación del personal interno es igualmente importante. Los ingenieros, los planificadores y los responsables de servicios deben tener los conocimientos suficientes para cuestionar el sistema, en lugar de considerarlo una autoridad técnica incuestionable.
La ciudad debería contar con personal capaz de gestionar el proyecto una vez que los consultores externos se hayan marchado. De lo contrario, la administración pública podría asumir la responsabilidad, mientras que el proveedor conservaría los conocimientos prácticos.
Lo que podría ser innecesario
Una ciudad no necesita necesariamente una única plataforma digital que conecte todos los servicios públicos. Estos sistemas pueden parecer eficientes, pero pueden crear un punto de dependencia amplio y complejo, y combinar datos que los residentes nunca habrían imaginado que se vincularan entre sí.
Los gemelos digitales, que crean representaciones virtuales de edificios o sistemas urbanos, pueden resultar útiles para la planificación y la ingeniería. Sin embargo, resultan innecesarios cuando la ciudad no ha definido qué decisión debe respaldar el modelo o no puede mantener los datos necesarios para garantizar su precisión.
La IA generativa también debe utilizarse con moderación. Un chatbot puede ayudar a los ciudadanos a encontrar información, pero no debe inventarse respuestas sobre impuestos, prestaciones, permisos u obligaciones legales. Las respuestas deben basarse en fuentes oficiales actualizadas y ofrecer una vía directa para ponerse en contacto con un empleado humano.
La expresión “basado en IA” nunca debería aceptarse como prueba de valor. Las ciudades deberían preguntarse qué hace el sistema que el software convencional no puede hacer, con qué frecuencia funciona correctamente y qué ocurre cuando falla.
Evita la dependencia de un único proveedor
Los contratos de tecnología urbana pueden prolongarse durante años y llegar a integrarse profundamente en los servicios esenciales. Una ciudad puede descubrir más adelante que sus datos no se pueden exportar fácilmente, que otro proveedor no puede encargarse del mantenimiento del sistema o que cada función adicional requiere una costosa modificación.
Por lo tanto, la contratación debe abarcar todo el ciclo de vida del proyecto. El precio ofertado debe incluir la integración, la limpieza de datos, los servicios en la nube, el mantenimiento, la ciberseguridad, las actualizaciones de los modelos, la formación del personal y la eventual sustitución.
El contrato debería especificar que el ayuntamiento pueda recuperar sus datos en un formato utilizable. Debería aclarar quién es el titular de los modelos desarrollados a partir de información pública y si el proveedor puede reutilizar los datos municipales para otros clientes o con fines comerciales.
Los estándares abiertos y los sistemas interoperables pueden reducir la dependencia de una sola empresa. Los contratos piloto de menor envergadura también pueden suponer una vía más segura que comprometer a toda la ciudad antes de que la tecnología se haya probado en las condiciones locales.
La ciberseguridad es política de infraestructuras
La conexión entre los sistemas de control del tráfico, los servicios públicos y los edificios públicos crea vías adicionales a través de las cuales un atacante podría perturbar el funcionamiento de la ciudad. El riesgo no se limita al robo de datos personales. Los sistemas comprometidos podrían interferir en los servicios físicos.
La seguridad debe integrarse en el proceso de adquisición, en lugar de añadirse tras la puesta en marcha. Las ciudades necesitan controles sobre el acceso de los usuarios, las actualizaciones de software, las copias de seguridad, la notificación de incidentes y los proveedores conectados al sistema.
Un modelo de inteligencia artificial puede generar nuevas vulnerabilidades debido a datos de entrada manipulados, componentes de terceros poco fiables o cambios en el rendimiento tras su implementación. Por lo tanto, es necesario llevar a cabo una supervisión continua, especialmente cuando el sistema afecta a infraestructuras críticas.
Ninguna ciudad puede eliminar por completo el riesgo cibernético, pero debe saber qué servicios deben seguir funcionando de forma manual en caso de que el sistema digital deje de estar disponible.
Una forma mejor de llevar a cabo un proyecto piloto
Un proyecto piloto útil parte de un problema concreto, un ámbito definido y una comparación con la práctica actual. Debe establecer de antemano en qué consistiría el éxito y qué resultado justificaría poner fin al experimento.
La ciudad debería evaluar el rendimiento en los distintos barrios, en las diferentes estaciones del año y en diversas condiciones de funcionamiento. Un modelo de tráfico que funcione en días laborables normales puede fallar durante obras viales, condiciones meteorológicas adversas o un evento de gran envergadura.
Se debe contar con la participación del personal de primera línea y de los residentes antes de la puesta en marcha, y no invitarlos únicamente una vez que se hayan tomado las decisiones principales. Los empleados suelen conocer excepciones y limitaciones prácticas que no figuran en el pliego de condiciones de la licitación. Los residentes pueden señalar cuestiones relacionadas con la privacidad, la accesibilidad y la equidad que el equipo del proyecto haya pasado por alto.
Los resultados deben hacerse públicos, incluyendo las limitaciones y los costes imprevistos. Las autoridades públicas deben estar dispuestas a poner fin a un proyecto piloto que no genere un valor suficiente. Poner fin a un proyecto ineficaz es una muestra de gobernanza responsable, no un fracaso de la innovación.
Las competencias que necesitan las ciudades
Los ayuntamientos no necesitan recrear los laboratorios de investigación de las grandes empresas tecnológicas. Lo que sí necesitan es contar con personas capaces de definir los problemas públicos, gestionar datos, evaluar a los proveedores y comprender cómo un sistema automatizado afecta a la responsabilidad jurídica y administrativa.
Esto requiere la colaboración entre ingenieros, planificadores, departamentos de servicios, abogados, responsables de compras, especialistas en ciberseguridad y representantes de la comunidad. Dejar la IA exclusivamente en manos del departamento de tecnologías de la información la aísla del servicio público en el que va a operar.
Es posible que los municipios más pequeños necesiten compartir conocimientos especializados, realizar contrataciones públicas a nivel regional o establecer normas técnicas comunes. El hecho de que cada municipio encargue su propia plataforma a medida puede suponer un derroche de dinero y dificultar la supervisión.
La capacidad también incluye el criterio político. Los funcionarios deben ser capaces de determinar que una solicitud, aunque sea técnicamente viable, resulta socialmente inaceptable, jurídicamente dudosa o de utilidad insuficiente.
Cómo es una IA urbana responsable
La inteligencia artificial puede ayudar a las ciudades a gestionar sistemas complejos, pero no puede sustituir a una planificación adecuada, a unas infraestructuras en buen estado ni a una administración pública competente. Un algoritmo no resolverá la congestión provocada por un mal uso del suelo, ni reparará una red de agua descuidada, ni corregirá un presupuesto municipal poco realista.
Las aplicaciones más fiables son específicas, cuantificables y están vinculadas a una respuesta operativa clara. No utilizan más datos de los necesarios, mantienen la responsabilidad humana y pueden detenerse cuando fallan.
Las ciudades deberían invertir en aquellos ámbitos en los que la inteligencia artificial ayude a los funcionarios públicos a detectar problemas con mayor antelación o a asignar los recursos limitados de forma más inteligente. Deberían mostrarse mucho más cautelosas cuando los sistemas clasifiquen a las personas, influyan en el acceso a servicios esenciales o amplíen la vigilancia en el espacio público.
Una ciudad más inteligente no es aquella que cuenta con más sensores o algoritmos. Es aquella que utiliza la tecnología de forma selectiva, protege los derechos de los residentes y sigue siendo capaz de explicar cómo se toman las decisiones públicas.
