NVIDIA ha reunido varios proyectos de inteligencia artificial urbana que van desde asistentes para trámites hasta agentes que analizan vídeo, gemelos digitales y simulaciones de tráfico. Entre los casos citados aparecen administraciones españolas, el Barcelona Supercomputing Center, ciudades de Polonia y Malasia, un puerto marroquí y una refinería nigeriana. La tecnología puede acelerar consultas y planificación, pero también amplía riesgos sobre vigilancia, sesgos y dependencia del proveedor.
Una “ciudad inteligente” no se vuelve mejor por acumular cámaras o modelos. La pregunta útil es qué problema resuelve, con qué datos, quién responde cuando falla y qué derechos conserva el ciudadano. Un agente que resume una incidencia puede ahorrar tiempo; uno que clasifica personas o activa decisiones sin control puede crear errores difíciles de detectar.
Qué anuncia NVIDIA y qué tipo de fuente es
La publicación de NVIDIA del 2 de noviembre de 2026 describe aplicaciones construidas por socios sobre sus modelos, bibliotecas y equipos. Es una fuente primaria sobre su ecosistema, no una auditoría independiente de cada resultado. Las cifras y beneficios deben atribuirse a las organizaciones que los comunican y validarse antes de extrapolarlos.
Los proyectos se agrupan en tres capas. La primera son asistentes de servicios públicos que responden preguntas y guían trámites. La segunda son agentes visuales que procesan cámaras y sensores. La tercera son gemelos digitales y simuladores que permiten ensayar cambios en movilidad, industria o urbanismo antes de aplicarlos.
NVIDIA sostiene que no todas las cargas requieren un gran centro de datos: una estación RTX o un sistema pequeño puede servir para algunos agentes. Para despliegues compartidos, ciudades y departamentos pueden utilizar infraestructura común. Esta arquitectura reduce compras duplicadas, aunque concentra decisiones técnicas y exige separar cuidadosamente datos, permisos y presupuestos.
Casos españoles: ALIA, trámites y capacidad pública
La empresa 1MillionBot combina modelos abiertos ALIA, entrenados en el Barcelona Supercomputing Center, con modelos Nemotron y otros sistemas en asistentes para administraciones españolas. NVIDIA cita despliegues para Madrid Digital y Administració Oberta de Catalunya, además de más de 150 instalaciones que atienden procedimientos, citas, incidencias urbanísticas y consultas de servicios.
ALIA es una infraestructura pública de modelos en castellano y lenguas cooficiales, coordinada por el BSC e impulsada por la Secretaría de Estado de Digitalización e Inteligencia Artificial. Su portal oficial destaca apertura, transparencia y soberanía tecnológica. Utilizar un modelo local puede mejorar adaptación lingüística y control, pero no garantiza precisión ni cumplimiento en una aplicación concreta.
La Comunidad de Madrid anunció en septiembre 30 agentes para guiar solicitudes, resolver dudas y anticipar documentación dentro de su Cuenta Digital. La información institucional plantea reducir el tiempo medio de determinados trámites a un minuto. Es un objetivo comunicado, no una medida independiente de todos los expedientes.
Un asistente administrativo debe distinguir entre informar, preparar y decidir. Puede explicar requisitos o señalar que falta un documento; no debería inventar una obligación ni cerrar un expediente sin los controles legales. La respuesta útil incluye enlace a la norma, unidad responsable y canal para rectificar.
Agentes visuales: convertir vídeo en información
En Wrocław, una plataforma compartida utiliza modelos Cosmos y el blueprint Metropolis VSS para búsqueda y resumen de vídeo. El objetivo es extraer señales para movilidad, seguridad y respuesta a eventos. En Malasia, ITMAX comunica que ampliará agentes de visión a más de 17.000 cámaras en 2027 y que la simulación de señales redujo hasta un 26 % el tiempo de viaje en un corredor durante hora punta.
Metropolis VSS combina modelos de visión y lenguaje, recuperación de información y herramientas para consultar vídeo con lenguaje natural. La documentación técnica de NVIDIA lo presenta como una arquitectura de referencia para agentes visuales y análisis. La capacidad de buscar no convierte automáticamente la conclusión en verdadera: un resumen puede omitir contexto, confundir objetos o heredar limitaciones de la cámara.
La validación debe separar detección de decisión. Detectar una aglomeración puede ser una señal; enviar recursos, imponer una sanción o identificar a una persona requiere reglas adicionales. Los falsos positivos afectan de forma desigual cuando la calidad de imagen, la iluminación o la densidad varían entre barrios.
Privacidad y proporcionalidad
Una ciudad ya dispone de cámaras para tráfico, transporte y seguridad. Añadir búsqueda semántica cambia la escala: horas antes inaccesibles pueden analizarse en segundos. Ese salto exige una evaluación de finalidad, acceso y conservación. No basta con afirmar que el procesamiento es local; hay que definir quién puede formular consultas, qué se registra y cuándo se borran los resultados.
La medida menos intrusiva debe tener prioridad. Para contar vehículos quizá no se necesite conservar matrículas ni rostros. Para estudiar ocupación puede bastar información agregada. Separar identidad de patrón reduce el daño de una filtración y evita reutilizar el sistema para finalidades no previstas.
Los mismos principios aparecen en nuestra guía sobre privacidad al compartir documentos con asistentes: minimizar, limitar permisos, comprobar el destino y evitar información identificativa cuando no aporta valor. En vídeo urbano, la escala hace todavía más importante esa disciplina.
Gemelos digitales para planificar antes de construir
Un gemelo digital representa infraestructura y procesos para probar escenarios. NVIDIA cita una refinería en Nigeria que combina datos operativos, agentes y una futura simulación; y un proyecto de Linker Vision y MVRDV que estima efectos de una cubierta forestal urbana a quince años. El segundo caso comunica una reducción del ciclo de iteración desde dos semanas hasta menos de una hora.
El beneficio potencial es comparar alternativas antes de gastar dinero o interrumpir una ciudad. Sin embargo, una simulación solo refleja las variables que contiene. Si el modelo ignora desplazamientos, costes de mantenimiento, olas de calor o cambios demográficos, la visualización puede aparentar una certeza que no existe.
La Comunidad de Madrid también anunció un gemelo digital regional para conectar más de un millón de datos y apoyar respuestas coordinadas. Una iniciativa de esa escala necesita catálogo de fuentes, calidad, actualización, responsables y un modo de mostrar incertidumbre. El objetivo no debería ser producir una imagen convincente, sino comparar decisiones con supuestos visibles.
Infraestructura compartida y soberanía
El Barcelona Supercomputing Center ofrece, mediante su AI Factory, acceso a capacidad de computación y apoyo para empresas, startups y organismos públicos. La información del BSC para entidades públicas describe recursos europeos compartidos y acompañamiento experto para desarrollar y probar soluciones.
Compartir infraestructura puede reducir barreras, pero “soberano” no significa automáticamente seguro o abierto. Hay que comprobar dónde se procesan los datos, qué componentes pueden cambiar, qué licencias se aplican y si el organismo puede exportar modelos y registros. Una contratación responsable debe incluir reversibilidad y formatos interoperables.
Las organizaciones pequeñas pueden aplicar el mismo criterio al evaluar un asistente. Nuestra guía sobre qué medir antes de adoptar inteligencia artificial propone registrar tiempo, errores, coste total y capacidad de corrección, en vez de decidir por una demostración comercial.
Cómo auditar un proyecto urbano
- Problema: describir el servicio que se quiere mejorar y la situación de partida.
- Datos: identificar origen, base jurídica, calidad, frecuencia de actualización y plazo de conservación.
- Modelo: documentar versión, proveedor, ámbito, idiomas y limitaciones conocidas.
- Decisión: separar recomendaciones de acciones administrativas o de seguridad.
- Evaluación: medir falsos positivos, falsos negativos, tiempos y diferencias entre zonas y grupos.
- Supervisión: asignar una persona o unidad responsable con capacidad real para detener el sistema.
- Reclamación: ofrecer un canal humano para corregir información y revisar decisiones.
- Salida: asegurar exportación de datos, registros y configuraciones si cambia el proveedor.
La verificación no debe hacerse una sola vez. Una cámara nueva, una actualización del modelo o un cambio en el tráfico altera el rendimiento. Los indicadores necesitan revisión continua y pruebas después de cada modificación material.
Para organizar procesos de formación y adopción, puede consultarse este análisis de una formación aplicada, teniendo presente que una administración requiere además contratación pública, protección de datos, accesibilidad y evaluación de impacto.
Como ejemplo complementario de planificación creativa, está disponible este análisis de un taller práctico de creación con inteligencia artificial. Es un recurso comercial y no reemplaza los requisitos técnicos, jurídicos ni democráticos exigibles a un servicio público.
Hechos, inferencias y predicciones
Hechos confirmados: NVIDIA ha descrito proyectos urbanos de socios en varios países; ALIA ofrece infraestructura pública multilingüe; Madrid ha anunciado agentes para trámites; y Metropolis VSS proporciona arquitecturas para búsqueda y resumen de vídeo. Son anuncios y documentos de sus promotores.
Inferencia razonable: la tendencia se desplaza desde chatbots aislados hacia infraestructura común y agentes conectados a datos urbanos. Eso puede ampliar servicios, pero aumenta el impacto de un error y la necesidad de trazabilidad.
Predicción: las ciudades pedirán registros de algoritmos, pruebas por barrio, condiciones de salida y más procesamiento en infraestructuras locales. También crecerá el debate sobre cuándo una cámara de tráfico se convierte en un sistema de vigilancia. Son previsiones, no hechos anunciados.
Preguntas frecuentes
¿Estos sistemas identifican automáticamente a ciudadanos?
No necesariamente. Muchas aplicaciones buscan patrones, incidentes o conteos. La identidad depende del diseño y debe evitarse cuando no sea necesaria. La capacidad técnica no equivale a autorización.
¿Un modelo abierto elimina la dependencia?
Puede mejorar control y portabilidad, pero siguen existiendo dependencias de infraestructura, datos, integradores y mantenimiento. Hay que revisar la solución completa.
¿Las cifras anunciadas demuestran ahorro real?
Son resultados comunicados para casos concretos. Deben comprobarse con metodología, periodo, comparación y costes totales antes de trasladarlos a otra ciudad.
¿Un gemelo digital predice el futuro?
No. Simula escenarios según datos y supuestos. Sirve para comparar opciones, no para eliminar incertidumbre.
Conclusión
La inteligencia artificial urbana puede reducir tiempos, hacer consultables grandes volúmenes de información y permitir ensayar decisiones. Su utilidad depende de mantener una frontera clara entre señal, recomendación y acción.
Una ciudad responsable no mide el éxito por el número de agentes desplegados, sino por servicios mejores, errores detectables, costes transparentes y derechos preservados. La infraestructura debe estar al servicio de la administración y de la ciudadanía, no al revés.