La inteligencia artificial ya se está desplegando en ciudades de todo el mundo.
Las ganancias de eficiencia merecen ser perseguidas, pero las soluciones de IA también deben priorizar beneficios compartidos de forma justa.
Ciudades como Ámsterdam y Helsinki están pioneras en modelos que demuestran que la IA en un entorno urbano puede mejorar la transparencia.
La inteligencia artificial ya no es una capa futura de la vida urbana. Ya está integrada en los sistemas que hacen funcionar las ciudades, desde las redes de transporte hasta las redes energéticas, mejorando su eficiencia y reduciendo el impacto ambiental en tiempo real.
Este cambio se presenta a menudo como una vía hacia ciudades más sostenibles. Pero ¿producen necesariamente los sistemas más inteligentes ciudades más equitativas desde el punto de vista social?
¿Cómo se está utilizando la IA en las ciudades?
En muchas ciudades, las aplicaciones de IA ya son visibles. En Barcelona y Madrid, los gemelos digitales simulan sistemas urbanos como el tráfico, la contaminación y la movilidad, lo que permite a los planificadores probar intervenciones antes de ponerlas en práctica. Los sistemas de IA están optimizando los flujos de tráfico en Dubái. Empresas como Google utiliza la IA para cartografiar las islas de calor urbanas a partir de datos satelitales, lo que ayuda a las ciudades a identificar dónde plantar árboles o desplegar medidas de refrigeración.
En el núcleo de estos avances se encuentra lo que a menudo se denomina “IA física”: sensores de tráfico, monitores de contaminación, contadores inteligentes y cámaras recopilan datos de forma continua, alimentando sistemas de IA capaces de responder en tiempo real. Esta combinación de detección y toma de decisiones permite a las ciudades pasar del análisis a la gestión continua de la infraestructura. Los semáforos se adaptan a los flujos cambiantes, los sistemas energéticos equilibran la oferta y la demanda, y las redes logísticas se redirigen de forma dinámica.
Estos avances están cambiando la forma en que funcionan las ciudades. La IA está pasando de analizar los sistemas urbanos a darles forma activamente en tiempo real. En algunos casos, el impacto ya es visible. Los sistemas de tráfico basados en IoT en Barcelona, por ejemplo, han reducido los tiempos de viaje hasta en un 30 %.
Estos avances se presentan a menudo como una progresión tecnológica clara hacia la sostenibilidad: mejores datos, sistemas más inteligentes y ciudades más eficientes. Pero también revelan un desafío estructural. Aunque puedan ayudar a las ciudades a avanzar hacia los objetivos de cero emisiones netas, no está nada claro que las hagan más equitativas e inclusivas.
Las ciudades no son problemas de optimización
Los sistemas urbanos han sido diseñados y gobernados durante mucho tiempo por un conjunto limitado de actores, lo que crea puntos ciegos persistentes en la forma en que funcionan las ciudades y en a quiénes sirven. Existe un reconocimiento creciente de que muchas grandes ciudades están estructuradas por “conglomerados de desventaja”, donde las desigualdades espaciales, sociales y ambientales se superponen y se refuerzan mutuamente. Los barrios periféricos suelen tener menor acceso a los servicios, menos oportunidades económicas y mayor exposición a riesgos ambientales. Incluso el desempeño ambiental se experimenta de forma desigual. Las zonas más pobres son significativamente más calurosas debido al diseño urbano y a las decisiones de infraestructura, lo que las hace menos habitables y más vulnerables a los riesgos para la salud relacionados con el clima.
Los sistemas de IA no operan al margen de estos patrones. Están diseñados para optimizar resultados medibles a partir de datos, objetivos predefinidos y modelos matemáticos. Al entrenarse con datos urbanos existentes, corren el riesgo de heredar y amplificar las desigualdades subyacentes. Los modelos de optimización pueden priorizar zonas con mayor demanda o mejor cobertura de datos, lo que, sin pretenderlo, desvía recursos de comunidades que ya están desatendidas. A menos que estas desigualdades subyacentes se tengan explícitamente en cuenta, la IA puede reforzar y estabilizar los conglomerados de desventaja existentes en lugar de abordarlos, marginando aún más a quienes ya están más afectados.
Esta dinámica no se limita a las ciudades antiguas. También es visible en desarrollos urbanos nuevos y concebidos expresamente con IA, como NEOM, Masdar City, Saad Al-Abdullah y Yiti Citi, donde el capital abundante, la disponibilidad de suelo y una toma de decisiones muy centralizada han permitido experimentos a gran escala. Sin embargo, la ausencia de limitaciones heredadas no produce automáticamente resultados más inclusivos. Con la misma facilidad puede reproducir antiguos puntos ciegos en una forma tecnológicamente más avanzada.
La investigación muestra una clara falta de correspondencia entre las capacidades de la IA y los desafíos urbanos. Incluso cuando los estudios afirman abordar estas cuestiones, la base explícita en la teoría urbana sigue siendo escasa. Una revisión reciente a gran escala estima que algo más del 1 % de los estudios se basan directamente en marcos establecidos, y casi la mitad de la investigación está impulsada principalmente por las posibilidades tecnológicas y no por problemas reales. En efecto, tanto la investigación como la práctica tienden a centrarse en lo que la IA puede hacer, y no en lo que necesitan las ciudades.
Las ciudades corren el riesgo de volverse excelentes para algunas personas, pero difíciles para la mayoría, cuando la tecnología amplifica las brechas existentes en lugar de reducirlas.
¿Cuál es el papel de la contratación pública en la provisión de una IA equitativa?
Este desafío se agrava por una capacidad desigual. Los debates en la 5.ª Mesa Redonda de la OCDE sobre Ciudades Inteligentes y Crecimiento Inclusivo señalan diferencias significativas en la forma en que las ciudades adoptan y gobiernan la IA, debido a disparidades en competencias, infraestructura y recursos institucionales. En la práctica, esto suele significar que las ciudades no desarrollan estos sistemas por sí mismas. Los adquieren.
Por tanto, la contratación pública se convierte en un punto de control central, aunque a menudo poco examinado. La rendición de cuentas en la IA urbana no es simplemente un requisito técnico, sino una relación social que debe precisar quién es responsable, ante quién y de qué. Cuando los sistemas son diseñados y desplegados por un pequeño número de actores privados que también controlan los datos y la infraestructura, las decisiones clave sobre el funcionamiento de las ciudades quedan, en la práctica, externalizadas. Una vez implantados, estos sistemas pueden resultar difíciles de escrutar o de impugnar.
Esto tiene implicaciones para la confianza pública. Incluso en ámbitos altamente técnicos, como los sistemas autónomos, el desafío no es solo la seguridad, sino también la explicabilidad. Las decisiones tomadas a través de sistemas complejos suelen ser difíciles de interpretar, incluso para quienes son responsables de su despliegue. Cuando los resultados no pueden explicarse con claridad ni cuestionarse de forma significativa, la confianza resulta más difícil de mantener.
Al mismo tiempo, estos sistemas podrían utilizarse de otra manera. La IA puede apoyar la toma de decisiones ayudando a los responsables políticos a explorar compensaciones y a evaluar cómo afectan las intervenciones urbanas a distintos grupos. Pero esto depende de cómo se diseñen los sistemas y de si incorporan las perspectivas de quienes suelen quedar excluidos de los procesos de planificación.
¿Qué ciudades están implantando una IA responsable?
Aunque los riesgos del urbanismo de «caja negra» son reales, algunas ciudades ya están demostrando que la IA puede recuperarse como herramienta de agencia cívica.
Helsinki y Ámsterdam, por ejemplo, han sido pioneras en registros públicos de IA, que funcionan como «portales de transparencia» que permiten a los ciudadanos ver exactamente qué algoritmos gestionan sus servicios, qué datos utilizan y cómo se mantiene la supervisión humana. Esto transforma el papel del residente, que pasa de ser un simple dato pasivo a un interesado informado.
Además, Ámsterdam ha experimentado con un diseño participativo de la IA, con la participación de consejos ciudadanos, entre ellos defensores de personas con discapacidad, para cocrear «planificadores de rutas accesibles». En lugar de optimizar la ruta más rápida para un usuario «estándar», la IA se entrena con la experiencia vivida de personas con movilidad reducida. Estos ejemplos sugieren que el valor de la IA en la ciudad no tiene por qué limitarse a una eficiencia estrecha.
Cuando se gobiernan mediante marcos de soberanía digital y contratación pública inclusiva, estas tecnologías pueden respaldar una toma de decisiones más responsable. Como señala la profesora Laura Ruotsalainen, estas herramientas nos permiten «probar» las consecuencias sociales de las políticas urbanas en simulaciones virtuales, antes de que se conviertan en realidades irreversibles en nuestras calles.
La IA puede favorecer mejores decisiones urbanas si su diseño hace visible quién se beneficia, quién queda excluido y quién sigue en condiciones de impugnar sus resultados.
