Cuando las ciudades empiezan a usar la IA para “saber de antemano” los problemas: los servicios públicos están pasando de la respuesta reactiva a la gobernanza predictiva

Los gobiernos estatales y locales de Estados Unidos están entrando en un punto de inflexión sutil pero crucial: la IA ya no es solo una herramienta para redactar informes, hacer resúmenes o responder consultas internas, sino que está empezando a integrarse en el flujo de trabajo central de los servicios públicos, convirtiéndose en la “capa de conexión” entre el tráfico, la seguridad, la línea 311, la planificación y la coordinación entre departamentos.

Este artículo de caso, republicado por Government Executive y respaldado por Google Public Sector, envía una señal clara: los gobiernos estatales y locales ya no se conforman con los “proyectos piloto”. Están incorporando agentes de IA en entornos de producción y transformando los procesos urbanos, antes dispersos, lentos y dependientes de la intervención humana, en sistemas más en tiempo real, más unificados y también más automatizables.

Esto no es solo una ampliación tecnológica, sino un cambio en la lógica de la gobernanza urbana.

El punto de partida de la gobernanza urbana está pasando de “alguien se queja” a “el sistema detecta primero”

La lógica básica de la gestión urbana tradicional es que los residentes detectan un problema, envían una solicitud, el departamento responde y luego se espera la solución. Este proceso no es eficiente e incluso es naturalmente tardío: baches, vertidos ilegales, daños en la calzada, congestión y riesgos de seguridad suelen entrar realmente en el sistema de gobernanza solo después de que suficientes personas los hayan visto y denunciado.

El sistema MyLA311 de Los Ángeles es una puerta de entrada típica. La ciudad procesa cada año cerca de 3 millones de solicitudes de servicio y consultas, incluidas cuestiones de alta frecuencia como vertidos ilegales, grafitis, problemas en la calzada y retirada de residuos voluminosos. La postura del CIO de la ciudad, Ted Ross, es muy clara: el objetivo futuro no es seguir haciendo que los residentes “le digan a la ciudad dónde está el problema”, sino que la ciudad sepa primero por sí misma que el problema existe y actúe con mayor rapidez.

Lo verdaderamente importante detrás de esta frase no es “si la IA puede o no identificar problemas”, sino que la ciudad está empezando a adelantar su capacidad de percepción.

Cuando la visión por computadora, la asignación automática de tickets, los motores de reglas de back-end y la ejecución robótica se integran gradualmente en los procesos municipales, 311 deja de ser solo un canal de quejas y pasa a convertirse en una capa de percepción en tiempo real de la ciudad. En otras palabras, la voz de los ciudadanos sigue siendo importante, pero ya no es la única forma en que la ciudad detecta los problemas. La infraestructura urbana, los activos de la calle, el comportamiento del tráfico y las solicitudes de servicio empiezan a formar juntos una red de señales dinámica.

Este es el preludio del paso de los sistemas urbanos de una “gobernanza reactiva” a una “gobernanza predictiva”.

La seguridad vial está pasando de las estadísticas de accidentes al modelado de riesgos

Si 311 refleja la automatización de los servicios urbanos, el cambio en los departamentos de transporte muestra con mayor claridad cómo la IA está remodelando la gestión de la infraestructura urbana.

En el caso de la agencia de transporte de California, CALSTA, el análisis de seguridad vial antes dependía de la integración manual de grandes volúmenes de datos y a menudo requería semanas o incluso meses para elaborar un informe utilizable para la toma de decisiones. Ahora, mediante simulación con IA, modelos de aprendizaje automático e integración de datos, el tiempo de análisis relacionado se ha reducido a minutos, y las ciudades pueden empezar a identificar cruces de alto riesgo y posibles puntos de conflicto antes de que ocurran los accidentes.Este cambio tiene una gran importancia.

La gobernanza del tráfico ha estado acostumbrada durante mucho tiempo a definir el riesgo a partir de los “resultados”: donde hay más muertos y heridos, ese es el cruce peligroso. Pero lo que las ciudades realmente necesitan es capacidad de identificación de “riesgo a priori”, es decir, intervenir antes de que ocurra el accidente. El valor de la IA no reside solo en calcular la respuesta más rápido, sino en cambiar la forma en que se define el problema.

El caso de California, junto con el de otras ciudades, está dando forma a la misma tendencia: los departamentos de transporte ya no se limitan a construir carreteras, pintar líneas o emitir licencias, sino que cada vez se parecen más a un sistema de toma de decisiones en tiempo real que integra datos de sensores, accidentes históricos, derechos de paso, planes de obra y comportamientos de movilidad. Tanto los objetivos de Vision Zero como las evaluaciones previas de nuevos pasos peatonales, optimización del flujo de tráfico o remodelación de cruces requieren, en el fondo, una infraestructura de datos más continua.

Por eso el futuro de los sistemas de transporte dependerá cada vez más de la IA: no porque sea “más inteligente”, sino porque la gestión tradicional del tráfico urbano ya no puede soportar la presión del volumen de datos, la velocidad de respuesta y la coordinación entre departamentos.

Lo que realmente necesitan los departamentos de transporte no son más herramientas, sino una base de datos unificada

El caso del Departamento de Transporte de Utah, UDOT, revela otro problema de nivel más profundo: los obstáculos de digitalización de muchas ciudades y gobiernos estatales no se deben a la falta de aplicaciones, sino a la falta de una arquitectura unificada.

El responsable de UDOT describió la modernización del pasado como “Frankensteining”: una especie de ensamblaje monstruoso en el que se van soldando pieza por pieza los sistemas heredados. A corto plazo, ese tipo de sistema quizá pueda funcionar, pero pronto se convierte en un conjunto de silos de datos, interfaces fragmentadas y procesos rotos. El problema no es solo la dificultad de mantenimiento, sino que además las nuevas tecnologías simplemente no pueden desplegar todo su potencial.

Así, UDOT utilizó Google Vision AI para completar una tarea estatal de identificación de parcelas que, según se estimaba originalmente, habría requerido 33,5 años de trabajo humano, y lo hizo en menos de 12 meses.

Lo más destacable de este tipo de casos no es “cuánto tiempo se ahorró” —aunque la compresión temporal por sí sola ya es asombrosa—, sino que muestra que la gobernanza de infraestructuras a nivel estatal está entrando en una nueva etapa: las ciudades y los gobiernos estatales empiezan a considerar la base de datos como una capacidad pública, y no como un apéndice de TI.

Una vez unificada la base, la IA puede entrar de verdad en los procesos interdepartamentales: cómo afecta la seguridad a las obras, cómo las obras afectan al mantenimiento, cómo el mantenimiento afecta a la operación y cómo la operación repercute a su vez en las prioridades de financiación. Estos eslabones, aparentemente dispersos, en esencia pertenecen al mismo sistema de funcionamiento urbano.

La competencia entre ciudades en el futuro probablemente ya no consistirá solo en presupuesto y capacidad de ingeniería, sino en quién establezca antes una arquitectura de gobernanza de “fuente única de verdad” (single source of truth).

La importancia de los agentes de IA no está en sustituir a los funcionarios, sino en reescribir los flujos de trabajo

Cuando mucha gente habla de las aplicaciones de la IA en el gobierno, tiende a quedarse en el nivel de la “mejora de la eficiencia”. Pero lo que realmente apunta este caso es a la reorganización de la forma de trabajo del sector público.La llamada era agentic no se refiere a un sistema que simplemente conversa mejor, sino a que los agentes de IA empiezan a asumir tareas más concretas de descomposición de tareas, activación de procesos, recopilación de información y operaciones entre sistemas. Convierten en flujos de trabajo continuos acciones que antes estaban dispersas entre distintos departamentos, distintas bases de datos y distintos pasos de aprobación.

El impacto de esto en la gestión urbana tiene al menos tres niveles.

Primero, el desplazamiento de la decisión hacia etapas más tempranas. La ciudad ya no tiene que esperar a que los problemas se acumulen hasta volverse suficientemente graves para iniciar un proceso.

Segundo, la automatización de la respuesta. Las tareas de alta repetición y fuerte estructuración pueden ser asumidas por el sistema, mientras que los funcionarios humanos pasan a ocuparse del manejo de excepciones, la evaluación de políticas y la comunicación con el público.

Tercero, la personalización del servicio. Ya sea en seguridad pública, transporte o servicios para la ciudadanía, las ciudades pueden ofrecer un apoyo más granular a distintas comunidades sobre la base de los datos, en lugar de aplicar soluciones promedio de talla única.

Pero esto también significa que la gobernanza urbana exige niveles sin precedentes de calidad de datos, estandarización de procesos e interoperabilidad de sistemas. La IA no curará automáticamente la fragmentación de los sistemas burocráticos; al contrario, puede amplificar esa fragmentación original y convertirla en una fricción de gobernanza aún más visible.

El verdadero punto de inflexión de las ciudades inteligentes es pasar de la “pantalla de exhibición” al “sistema de ejecución”

Durante más de una década, muchos proyectos de ciudades inteligentes han favorecido tecnologías de exhibición: grandes pantallas, paneles de control, centros de mando urbano y sistemas de visualización que parecen muy avanzados. Pueden mostrar el estado de la ciudad, pero no necesariamente cambian la forma en que la ciudad funciona.

El cambio actual es distinto.

Cuando la IA empieza a integrarse en sistemas de gestión de incidencias, análisis de tráfico, identificación de parcelas y colaboración entre departamentos, es cuando las ciudades inteligentes pasan realmente de “ver la ciudad” a “operar la ciudad”. Esto significa que las plataformas urbanas ya no solo presentan datos, sino que empiezan a participar en la toma de decisiones, la asignación de recursos, la activación de tareas y la reducción de los tiempos de espera.

Por eso el “sistema operativo urbano” se está convirtiendo en un concepto cada vez más realista. No tiene por qué aparecer bajo una marca unificada, pero funcionalmente ya empieza a contar con capacidades como: integrar datos de múltiples fuentes, unificar permisos y reglas, soportar inferencia de modelos, conectar servicios de cara al público y permitir que los responsables de la gobernanza humana tomen mejores decisiones en menos tiempo.

Desde esta perspectiva, la IA no ha hecho que las ciudades sean “más de ciencia ficción”, sino que las ha hecho parecer más una organización capaz de ajustarse en tiempo real.

Pero ser más inteligente no significa ser más justo

El artículo menciona en varias ocasiones la eficiencia, la precisión y la productividad, y precisamente ese es el terreno en el que para los gobiernos resulta más fácil llegar a un consenso sobre el uso de la IA. Sin embargo, el verdadero desafío del sector público nunca ha sido “si se puede ir más rápido”, sino “si un sistema más rápido será más justo”.

Los problemas de calles al estilo Chicago, los atascos del 311 al estilo Los Ángeles o la seguridad vial al estilo California parecen, en la superficie, problemas de eficiencia operativa, pero en el fondo todos implican distribución de recursos, visibilidad comunitaria y prioridades de política pública. La IA puede ayudar a las ciudades a detectar problemas más rápidamente, pero también puede reforzar desigualdades espaciales ya existentes debido a sesgos de datos, sesgos de modelos o acceso desigual a la integración de sistemas.Por lo tanto, la gobernanza urbana del futuro no solo requerirá capacidad de despliegue de IA, sino también gobernanza de datos, auditoría de modelos, mecanismos de transparencia y marcos de rendición de cuentas. Dicho de otro modo, una vez que la IA entre en los servicios públicos, la gobernanza digital será más importante que nunca.

Porque cuando el juicio de una ciudad dependa cada vez más de los sistemas, la ciudad no solo deberá preguntarse “¿qué puede hacer el sistema?”, sino también “¿en qué se basa el sistema para tomar decisiones?”.

La competencia de las ciudades del futuro se está desplazando hacia la competencia en capacidades digitales

Lo más valioso de este caso para seguir de cerca a largo plazo no es un producto concreto ni un lanzamiento específico, sino el nuevo consenso que están formando los gobiernos estatales y locales: la digitalización de los servicios públicos ha dejado de ser una tarea periférica para convertirse en una capacidad central.

Transporte, seguridad pública, servicios cotidianos, planificación e incluso la gestión de grandes eventos están empezando a integrarse en una misma lógica basada en datos. Los agentes de IA, las plataformas de datos unificadas, los flujos de trabajo automatizados y las capacidades de análisis en tiempo real se están convirtiendo en la infraestructura de gobernanza urbana de la nueva generación.

En los próximos años, las ciudades que realmente marquen la diferencia probablemente no serán solo las que tengan más cámaras o mayores presupuestos en la nube, sino las que puedan convertir esas capacidades en valor público sostenible: respuestas más rápidas, menos daños, mayor transparencia, más coordinación interdepartamental y menos tiempo administrativo perdido por sistemas heredados que las frenan.

Las ciudades se parecerán cada vez más a una red en tiempo real que opera a alta frecuencia. La cuestión no es si se volverán más inteligentes, sino quién podrá convertir esa inteligencia en capacidad pública antes que los demás.

Conclusión

La entrada de la IA en la gobernanza urbana no se debe a que las ciudades se hayan vuelto repentinamente “aficionadas a la tecnología”, sino a que los modelos tradicionales de servicios públicos ya no pueden sostener la complejidad de las ciudades contemporáneas.

La seguridad vial no puede depender solo del análisis posterior a los accidentes; el 311 no puede depender únicamente de las quejas; la planificación del tráfico no puede basarse solo en una larga integración manual; y los sistemas gubernamentales no pueden seguir funcionando con arquitecturas heredadas remendadas. Lo que las ciudades necesitan es una base digital capaz de percibir, decidir, coordinar y ejecutar.

En este sentido, la IA no es un adorno de la gobernanza urbana, sino la puerta de entrada a una actualización del sistema operativo de la ciudad.

Y las ciudades que completen primero esa actualización no solo serán más eficientes, sino que también tendrán más capacidad para definir los estándares de la próxima generación de servicios públicos.