Cuando la ciudad empieza a “ver” todo: cómo los datos visuales de IA reescriben los límites de la gobernanza pública

Las ciudades están entrando en una nueva փուլ de percepción. En el pasado, las cámaras eran sobre todo dispositivos de grabación; hoy, con el apoyo de la IA y la computación en el borde, se parecen cada vez más a parte del sistema operativo de la ciudad: identifican de forma continua los flujos de tráfico, conductas anómalas, incidentes peligrosos y la presión sobre la infraestructura, y envían esa información en tiempo real a ingenieros de tránsito, sistemas de seguridad y plataformas de operación.

La práctica en Brownsville, Texas, Estados Unidos, ofrece un ejemplo muy típico. El gobierno local está utilizando una solución de ciudad inteligente integrada por SHI International, que aprovecha el análisis de datos visuales mediante IA para vigilar multitudes, vertidos ilegales, robos de vehículos y riesgos relacionados con armas. Los escenarios que plantea el CIO de la ciudad, Jorge Cardenas, no son abstractos: alguien arroja basura en un espacio público, un animal muestra comportamiento agresivo, un vehículo está estacionado donde no debe, una persona cae en un parque y no se levanta; el sistema está diseñado para identificar todos esos ঘটনamientos.

Este tipo de aplicaciones muestra que el objetivo de la tecnología visual urbana ya ha cambiado. Ya no se trata solo de “ver los problemas”, sino de intentar transformar la gestión urbana, que antes dependía de patrullas, testigos, denuncias e investigaciones posteriores, en una red de percepción de घटनamientos más en tiempo real y más automatizada. Para una ciudad fronteriza, esta capacidad además se superpone con necesidades específicas de gobernanza: Brownsville presta atención a si un vehículo robado podría dirigirse a México, y las cámaras pueden escanear matrículas y compararlas con bases de datos de vehículos sustraídos. Aquí, el sistema visual no solo es una herramienta de seguridad pública, sino que también empieza a formar parte de la gobernanza de flujos transfronterizos.

Pero lo realmente digno de atención no es cuántos escenarios cubre la tecnología, sino cómo la ciudad empieza a rediseñar los límites de los datos. Cardenas subraya que los datos relacionados no salen del centro de datos municipal, que los permisos de acceso se limitan estrictamente a empleados designados y que el sistema se mantiene deliberadamente en ejecución local. En otras palabras, la elección de Brownsville no es “priorizar la nube”, sino “priorizar la soberanía”: devolver en la medida de lo posible los datos visuales, la capacidad analítica y el control del almacenamiento a la propia infraestructura municipal.

Detrás de esta arquitectura se refleja una valoración realista de los gobiernos locales sobre la IA urbana: cuando la ciudad utiliza datos visuales para la gobernanza pública, el problema no es solo si el algoritmo es preciso, sino si la cadena de datos es controlable. ¿Quién puede ver las imágenes originales? ¿Se conservarán los datos durante mucho tiempo? ¿Podrán acceder a ellos proveedores externos? ¿Se reutilizarán? Estas cuestiones determinan si la tecnología es una herramienta de gobernanza o un riesgo para la gobernanza.

Will Greenberg, técnico sénior de la Electronic Frontier Foundation (EFF), señala que lo que el público y los gobiernos locales deberían preguntarse es qué ocurre después de que los datos se recopilan: durante cuánto tiempo se retienen, quién puede acceder a ellos, cómo se almacenan de forma segura y si siguen circulando después de ser captados por cámaras urbanas, sensores o puntos de acceso Wi‑Fi. A primera vista, este es un problema de privacidad; en realidad, es un problema de gobernanza digital: no pone a prueba si la ciudad tiene tecnología, sino si puede establecer una capacidad institucional al mismo nivel que esa tecnología.El proyecto piloto de tráfico de Las Vegas, por su parte, muestra el uso de este mismo tipo de tecnología en otro escenario público. La ciudad aprobó un proyecto de un año de “análisis avanzado de seguridad vial”, en el que desplegará un sistema compuesto por cámaras y radares en 12 intersecciones, para identificar tipos de vehículos, velocidad, franjas horarias, cuasi colisiones, paso en rojo y otras conductas, y responder a la presión real provocada por el aumento de los accidentes graves. El punto central aquí no son las “cámaras más inteligentes”, sino que la ingeniería del tráfico empieza a pasar de una sincronización estática de semáforos a una percepción en tiempo real y a la modelización del comportamiento.

Esto significa que el sistema de transporte urbano está entrando en una etapa que pasa de “regular los semáforos según la experiencia” a “gestionar según los datos”. Antes, los departamentos de tráfico solo podían depender en gran medida de contadores limitados, encuestas por muestreo e informes de accidentes posteriores para determinar los problemas en las intersecciones; ahora, la IA puede distinguir entre distintos participantes del tráfico, como bicicletas y automóviles, y además proporcionar datos más granulares para la identificación de riesgos y la optimización de cruces. La gobernanza del tráfico, por tanto, pasa de estar orientada a los resultados a estar orientada al proceso: no se trata solo de contabilizar accidentes, sino de detectar, en la medida de lo posible, sus señales previas.

Esta tendencia no es exclusiva de Las Vegas. En el último año, después de aplicar análisis de tráfico con IA en cinco semáforos, Oklahoma City redujo los retrasos por congestión en un 24%; Houston, tras desplegar un sistema similar en un corredor muy transitado, logró reducir la congestión en un 15% y los pasos en rojo en un 42%. Todos estos datos provienen de las estadísticas de los proyectos, pero en conjunto ilustran una dirección: la gestión del tráfico urbano se está combinando con la visión por computadora, la optimización en tiempo real y el procesamiento de datos en el borde, formando un modelo operativo más cercano al “control en lazo cerrado”.

Para los responsables de la gobernanza urbana, el atractivo de este lazo cerrado es muy directo. Puede reducir colas, mejorar la eficiencia del flujo, reforzar la detección de riesgos y, además, ayudar a la ciudad a obtener una mayor cobertura de gestión con menos personal, en un contexto de presupuestos ajustados. Pero, al mismo tiempo, la ciudad también está asumiendo nuevos costos institucionales: si el sistema graba de forma continua el espacio público, ¿cómo puede el ciudadano saber si está bajo vigilancia permanente? Si el video simplemente “no se conserva después de extraer los datos”, ¿cómo se audita esa promesa? Si el proveedor solo ofrece la tecnología sin acceder a los datos, ¿cómo deben quedar escritas las fronteras de responsabilidad en los contratos de adquisición, operación y supervisión?

Ese es el cambio más crucial cuando la IA entra en la ciudad: la ciudad ya no solo compra software o cámaras, sino que está comprando una nueva capacidad de percepción pública. Cuanto más fuerte es la percepción, más precisa es la gobernanza; cuanto más precisa es la gobernanza, mayores son también las exigencias de privacidad, rendición de cuentas y transparencia. Por ello, la ciudad debe pasar de la “gestión de proyectos” a una “constitución de datos”: establecer un sistema de normas sobre la recopilación, el acceso, el almacenamiento, la desidentificación y la eliminación.El juicio de Michael Samuelian, responsable del Cornell Tech Urban Tech Hub, es muy representativo. Señala que las cámaras y la visión por computadora en las ciudades no son algo nuevo, pero la IA ha “hiperpotenciado” esas capacidades de procesamiento de imágenes. En otras palabras, el cambio no está en la existencia de las cámaras, sino en que los datos visuales ahora pueden ser analizados, clasificados, anticipados y conectados de forma continua por máquinas. Esto traerá una nueva realidad urbana: detalles del espacio público que antes eran difíciles de procesar a gran escala ahora pueden incorporarse al mapa operativo de la ciudad.

Samuelian también enfatiza que, frente a este tipo de sistemas, tanto los ciudadanos como los funcionarios deben mantener la cautela: cómo se recopilan los datos, con quién se comparten y dónde se almacenan finalmente requiere reglas claras. Para usos relativamente cotidianos como la recogida de basura o la optimización del tráfico, incluso propone desidentificar los rostros. En esencia, esta sugerencia recuerda a las ciudades que no todo lo “visible” debe equivaler a lo “identificable”, y que no toda mejora de la eficiencia tiene que lograrse a costa de aumentar la intensidad de la vigilancia.

Esta es también una de las divisiones más importantes de la ciudad del futuro. A medida que los sistemas de visión con IA se integran gradualmente en el tráfico, la limpieza urbana, la seguridad de los parques, la gestión de eventos públicos y el control de vehículos, las ciudades se parecerán cada vez más a sistemas de computación en tiempo real. Pero una ciudad digital verdaderamente madura no consiste en “ver más”, sino en “ver con más límites”. Debe poder mejorar la seguridad en las intersecciones y el orden público sin convertir el espacio urbano en un campo de recolección indiscriminada de datos; debe hacer que la tecnología sirva a la gobernanza, en lugar de dejar que la gobernanza quede arrastrada por la tecnología.

Desde este punto de vista, Brownsville y Las Vegas no representan dos proyectos aislados, sino distintas caras de la misma ruta tecnológica urbana: la primera enfatiza el control localizado y el reconocimiento de múltiples escenarios, mientras que la segunda pone el acento en la seguridad vial y la eficiencia en las intersecciones. Ambas muestran que las ciudades están llevando los datos visuales del “nivel de registro” al “nivel operativo”.

Y una vez que la ciudad entra en el nivel operativo, la competencia ya no consiste solo en cuántas cámaras se compran o cuántos modelos de IA se integran, sino en quién puede establecer una gobernanza de datos más sólida, una infraestructura local más fiable, controles de acceso más claros y límites tecnológicos más aceptados por el público. La diferenciación de las ciudades del futuro puede no depender de si tienen o no sistemas inteligentes, sino de si esos sistemas siguen estando sujetos a reglas públicas.

En ese sentido, la IA visual no es el punto final de la gobernanza urbana, sino una nueva prueba institucional. Hace que la ciudad sea más ágil, pero también expone con más claridad su capacidad de gobernanza: si puede encontrar un equilibrio entre la operatividad en tiempo real y la privacidad, si puede establecer interfaces entre automatización y rendición de cuentas, y si puede mantener la estabilidad entre eficiencia digital y confianza pública.

Quizá esta sea la enseñanza más importante de este tipo de proyectos: las ciudades empiezan a “ver” más, pero lo que realmente determinará la forma de la ciudad del futuro no es el ver en sí, sino cómo se gobierna eso que se ve.