La IA invisible que reina en las ciudades
Antes de salir de casa, el teléfono ha ordenado las notificaciones según su relevancia y una plataforma musical ha elegido una canción basándose en lo escuchado durante las últimas semanas. En la calle, los semáforos regulan los flujos de tráfico; una aplicación recalcula la ruta más rápida; las pantallas muestran anuncios distintos a personas diferentes. En el metro, los datos de tornos, trenes y escaleras mecánicas ayudan a estimar cuántos viajeros se concentran en cada estación. En la cafetería, el pago con tarjeta se autoriza en apenas unos segundos después de atravesar una cadena de verificaciones invisibles.
Más tarde, una persona llamará a su compañía de telecomunicaciones. Antes de que responda un agente, un sistema habrá intentado identificarla, comprender el motivo de la consulta y decidir quién puede atenderla mejor.
Nadie ha abierto necesariamente un chatbot. Nadie ha escrito una instrucción. Sin embargo, la inteligencia artificial lleva toda la mañana interviniendo. La conversación pública sobre la IA suele estar dominada por las herramientas generativas: asistentes capaces de redactar textos, resumir documentos, programar o producir imágenes. Son su cara más reconocible. Pero, mientras esas aplicaciones ocupan titulares y pantallas, existe otra inteligencia artificial silenciosa, integrada en las infraestructuras y en los servicios que mantienen las ciudades en funcionamiento.
El informe Global AI Adoption in 2025 — A Widening Digital Divide, elaborado por el AI Economy Institute de Microsoft, ayuda a medir la velocidad del fenómeno. Según sus estimaciones, el 41,8% de la población española utiliza herramientas de inteligencia artificial, frente al 39,7% registrado seis meses antes. España ocupa el sexto lugar mundial, solo por detrás de Emiratos Árabes Unidos, Singapur, Noruega, Irlanda y Francia. Está por delante de Reino Unido, Alemania, Estados Unidos e Italia.
La cifra global es bastante menor: un 16,3% de la población mundial utilizaba herramientas de IA generativa al terminar 2025. Aproximadamente una de cada seis personas. El avance, además, no se produce por igual: la adopción alcanzó el 24,7% en el Norte Global y el 14,1% en el Sur Global, una diferencia que continúa aumentando.
El índice de Microsoft mide el uso activo de herramientas generativas, no todos los algoritmos que intervienen en los servicios urbanos. Es decir, deja fuera precisamente buena parte de esa IA invisible. La penetración real de los sistemas de decisión automatizada en la vida cotidiana es, por tanto, mucho más difícil de calcular.
Un café, una tarjeta y unos milisegundos
Pagar un café parece uno de los gestos menos tecnológicos del día. Se acerca una tarjeta o un teléfono al terminal, se escucha un pitido y la operación termina. Pero durante ese breve intervalo se han producido numerosas decisiones.
«La IA permite analizar el contexto de cada transacción, identificar patrones de comportamiento y detectar posibles anomalías», explica Javier Jover, director general de Dojo en España. Los sistemas buscan señales que puedan indicar fraude y, al mismo tiempo, intentan evitar que esas comprobaciones ralenticen el pago.
El proceso tiene que ser exhaustivo por dentro y sencillo por fuera. La tecnología puede priorizar distintas rutas de procesamiento, anticipar incidencias y elegir el camino con más probabilidades de completar la operación rápidamente. El consumidor no ve esa arquitectura. Solo sabe si el datáfono responde o le obliga a repetir el intento. «La persona no busca utilizar inteligencia artificial; busca que todo funcione de manera rápida, cómoda y sin fricciones», señala Jover. De ahí que el sector avance hacia los llamados pagos invisibles: operaciones en las que la tecnología, aunque cada vez más compleja, ocupa menos espacio en la experiencia consciente del cliente.
Los datos de las transacciones sirven también para mirar hacia delante. Un pequeño comercio puede detectar qué productos rotan más, cuáles son sus horas de mayor actividad o cuánto personal necesitará durante una campaña. Si cruza su histórico de ventas con la meteorología, el calendario, la estacionalidad o los eventos previstos en la zona, puede anticipar picos de demanda y ajustar el inventario.
La misma lógica permite decidir cuándo una promoción será relevante. La promesa es sustituir las ofertas indiscriminadas por acciones más oportunas. El riesgo aparece cuando esa personalización exige recopilar más información de la que el consumidor imagina.
Jover sostiene que la privacidad debe formar parte del diseño de la tecnología y no incorporarse al final como una capa adicional. Minimización de datos, anonimización y transparencia son, dice, condiciones indispensables para que la eficiencia no se construya a costa de la confianza.
El metro que intenta llegar antes que la multitud
En una red de transporte, unos minutos de anticipación pueden separar una estación fluida de un andén saturado. Metro de Madrid ha pasado de trabajar con fotografías estáticas de la movilidad a generar análisis continuos. Durante años, parte de su planificación se apoyaba en grandes encuestas periódicas: proporcionaban información útil, pero limitada al momento en que se habían realizado. No podían reflejar con precisión lo que ocurría durante un festival, una manifestación, un partido o un día festivo.
Ahora, los datos procedentes de los tornos, los trenes y otros elementos de la infraestructura permiten construir una imagen cambiante de la red. Según Cloudera, la información se actualiza cada 15 minutos y ayuda a determinar el número de trenes necesario en cada línea o la densidad de viajeros. El sistema ha pasado de elaborar una matriz genérica cada siete años a producir hasta 80 matrices diarias adaptadas al tipo de jornada.
«Una organización de esta escala no puede tomar decisiones con datos obsoletos», resume Juan Carlos Sánchez de la Fuente, vicepresidente de Cloudera para España y Portugal. La analítica permite anticipar aglomeraciones, adaptar el servicio y generar alertas cuando una estación se aproxima a su aforo máximo. También alimenta modelos de mantenimiento predictivo capaces de identificar anomalías antes de que desemboquen en una avería.
La transformación no consiste únicamente en saber qué está ocurriendo, sino en calcular qué puede ocurrir dentro de unos minutos. El transporte deja así de comportarse como una infraestructura que reacciona y empieza a parecerse a un organismo que observa sus propios movimientos.
En el segundo trimestre de 2025, Metro de Madrid alcanzó su mejor valoración histórica, con una nota de 8,23 sobre 10 en una encuesta realizada a 12.000 viajeros. La rapidez de los trayectos fue uno de los aspectos mejor valorados. No es posible atribuir el resultado exclusivamente a la analítica de datos, pero sí refleja hasta qué punto la puntualidad y la capacidad de respuesta condicionan la percepción del servicio.
El siguiente salto, según Sánchez de la Fuente, será conectar sistemas que todavía funcionan de manera relativamente independiente: metro, autobuses, tráfico, emergencias y grandes eventos. Una ciudad en la que una incidencia no sea interpretada por un único servicio, sino por el conjunto de la red urbana.
El lugar donde ocurren las cosas
Para que una inteligencia artificial pueda comprender una ciudad no basta con proporcionarle datos. Necesita saber dónde se producen. Cristina Carrera, responsable de Utilities y AEC de Esri España, considera que la dimensión geográfica es la que permite relacionar piezas aparentemente dispersas: cámaras de tráfico, sensores, transporte público, meteorología, obras, información ambiental y movimientos de población.
«La clave está en pasar de reaccionar a anticipar», explica. Al cruzar todas esas fuentes, los sistemas pueden detectar patrones y prever dónde y cuándo se formará una congestión. La ciudad puede entonces modificar la semaforización, recomendar rutas alternativas o diseñar un desvío antes de que el problema alcance su punto crítico.
El mapa deja de ser una representación estática para convertirse en una interfaz de decisión. En una infraestructura compleja, como el soterramiento de la A-5 en Madrid, pueden coincidir modelos de construcción, imágenes captadas por drones, datos meteorológicos, niveles de tráfico, información ambiental y evolución de la obra. La combinación de sistemas de información geográfica, modelos BIM e inteligencia artificial permite comparar lo planificado con lo ejecutado, estudiar el efecto de los desvíos y detectar anomalías.
Sobre esa integración se construyen los gemelos digitales: réplicas virtuales de una infraestructura o incluso de una ciudad completa que se actualizan con información del mundo real. No son simples maquetas en tres dimensiones. Su ambición es permitir que los gestores ensayen escenarios antes de intervenir sobre el territorio. Carrera imagina que dentro de una década se hablará menos de gestionar el tráfico y más de gestionar la ciudad en tiempo real.
La impresora que conoce sus propios síntomas
La inteligencia artificial urbana no solo se encuentra en infraestructuras monumentales. También vive en una máquina tan cotidiana —y aparentemente tan poco futurista— como la impresora de una oficina. Los equipos actuales pueden conectarse con plataformas en la nube, clasificar documentos y activar circuitos de archivo, firma o revisión. Un contrato escaneado puede dirigirse automáticamente a una carpeta compartida; una factura, incorporarse al sistema correspondiente; un documento sensible, activar controles de seguridad.
Pero la parte más reveladora ocurre dentro de la propia máquina. Según explica Marco Aurelio Losas, director de Grandes Cuentas de Canon, los sistemas pueden analizar la temperatura de los rodillos, las vibraciones del motor, la resistencia del tambor o los tiempos de alimentación del papel. Los modelos aprenden cuáles son los parámetros normales de funcionamiento y buscan pequeñas desviaciones que anuncien un fallo.
La impresora no espera necesariamente a estropearse. Reconoce síntomas. La misma lógica puede detectar trabajos duplicados, documentos olvidados en la cola o configuraciones poco eficientes. También ajusta el uso de tinta y distribuye las tareas entre distintos dispositivos para reducir el consumo energético y de materiales. En este caso, la IA no aparece como una gran revolución visible, sino como una suma de pequeñas fricciones eliminadas: menos interrupciones, menos papel desperdiciado, menos tiempo dedicado a tareas administrativas. Su presencia se mide por las molestias que dejan de producirse.
"La gran revolución que se ha producido es que ahora la IA es silenciosa"
Cuando un cliente llama a su compañía de luz, gas o telecomunicaciones, rara vez piensa que la inteligencia artificial puede haber empezado a trabajar antes de que alguien pronuncie la primera palabra. Los sistemas de procesamiento del lenguaje, identificación del cliente y automatización llevan años presentes en los centros de atención. Lo que ha cambiado es la facilidad con la que pueden integrarse en la conversación sin revelar constantemente su condición de máquinas. «La gran revolución que se ha producido es que ahora la IA es silenciosa», explica Lucía Álvarez, Managing Director de Odigo Iberia. «Antes tenías muy claro que era una máquina quien te estaba atendiendo y esa frontera cada vez es más difusa».
La IA puede intervenir desde el primer contacto, identificando el motivo de la consulta y dirigiéndola hacia el canal o el agente más adecuado. Durante la conversación, puede recuperar información relevante, sugerir respuestas al profesional que atiende al cliente o generar un resumen automático de lo tratado. Después, analiza llamadas, chats, correos y encuestas para detectar problemas recurrentes, tendencias y oportunidades de mejora.
El cambio de los últimos años no se limita a que las máquinas hagan más cosas, sino a que comprenden mejor el contexto en el que deben hacerlas. Los modelos de lenguaje han permitido pasar de automatizaciones rígidas, diseñadas para responder a unas pocas consultas, a sistemas capaces de interpretar historiales, relacionar interacciones y asistir al agente en tiempo real. Esa capacidad transforma las conversaciones en una fuente de conocimiento. Una incidencia deja de ser únicamente un problema que debe cerrarse: puede revelar que muchos clientes no comprenden una factura, que un trámite genera fricción o que una campaña ha provocado dudas inesperadas.
La personalización comienza precisamente ahí. No consiste solo en llamar al usuario por su nombre, sino en comprender su situación, elegir el canal adecuado y proporcionar la información que necesita en el momento oportuno. Álvarez ofrece un ejemplo: si una compañía detecta que un cliente ha consultado varias veces las condiciones de renovación de su contrato y ha expresado dudas en conversaciones anteriores, puede enviarle información específica a través del canal que utiliza habitualmente. El objetivo es sustituir las comunicaciones masivas e idénticas para todos por interacciones contextualizadas.
Pero conocer mejor al cliente no elimina la necesidad de reconocer los límites de la tecnología. Los chatbots y los nuevos agentes de IA pueden resolver consultas frecuentes, gestionar trámites sencillos o proporcionar información personalizada. Sin embargo, cuando aparece una negociación, una incidencia delicada, una decisión compleja o una carga emocional importante, la intervención humana continúa siendo fundamental.
El anuncio que cree conocernos
Si la IA que gestiona pagos, anticipa averías o asiste una llamada intenta desaparecer, la publicidad algorítmica busca hacerse visible en el momento exacto. Dos personas pueden abrir la misma plataforma y encontrarse con mundos completamente distintos.
Los sistemas de recomendación estudian el rastro digital y calculan qué mensaje tiene más probabilidades de funcionar, en qué formato, a qué hora y en qué canal. Irene Cobo, directora de Comunicación B2B en evercom, advierte contra la tentación de atribuir cualidades humanas a esos sistemas. «La IA no nos conoce como puede conocernos un amigo», señala. Reconoce patrones y calcula probabilidades. Puede deducir que alguien prepara un viaje, busca vivienda o ha empezado a practicar un deporte. Pero esa reconstrucción nunca contiene a la persona completa. El algoritmo trabaja con huellas. Las personas, en cambio, son contradictorias.
La personalización puede ahorrar tiempo: ayuda a encontrar una película, un servicio profesional o un producto ajustado a una necesidad. Pero pierde su utilidad cuando se vuelve insistente o utiliza información que el usuario no recuerda haber compartido.
La IA ya reina en las ciudades. Su mayor triunfo consiste en que apenas nos damos cuenta. Su mayor riesgo, en que tampoco sepamos cuándo se equivoca.