Cómo la inteligencia artificial ve una ciudad entera: detrás de escena de las soluciones de inteligencia artificial a escala.

Cuando pensamos en la inteligencia artificial, es fácil imaginar que resuelve todo con un solo clic. En realidad, entre una idea y un sistema que realmente funciona hay todo un camino: desglosar el problema, entender las limitaciones del cliente, elegir una arquitectura y resolver mil pequeños problemas en los que nadie había pensado de antemano. Esta guía es el resumen escrito de la sesión 31 en el club AI Master, con Galit Levin, alta directiva en Deloitte y parte de la alianza entre Deloitte y NVIDIA. Galit llega con unos 15 años de experiencia en aprendizaje profundo, tras cerca de una década en Intel y unas siete años en Mobileye en el desarrollo de vehículos autónomos, con patentes en el campo de la visión por computadora con inteligencia artificial. En la sesión abrió el telón: cómo se ven los proyectos de inteligencia artificial a la escala de ciudades enteras y grandes organizaciones.

El equipo que Galit dirige en Deloitte trabaja en dos vertientes: los mundos de la visión (análisis de imágenes y video) y los mundos agénticos (agentes de inteligencia artificial conectados a los datos organizacionales). La separación es principalmente conceptual, porque en la práctica los sistemas agénticos también necesitan entender datos visuales como gráficos y documentos.

Ciudades inteligentes: miles de cámaras, un solo cerebro

Qué identifica el sistema en la práctica

• Limpieza y mantenimiento · Identificación de acumulación de basura, obstáculos en la acera o la calle (incluso la rama de un árbol caida) y alertas para un tratamiento inmediato
• Aglomeraciones · Identificación de densidad de público que pueda conducir a violencia, carteristas o congestión en el transporte
• Grafiti y vandalismo · Identificación en tiempo real, cuando en las ciudades de Europa la multa por grafiti alcanza de 3,000 a 5,000 dólares
• Gestión del tráfico · Control inteligente de semáforos según la congestión real en lugar de horarios predeterminados

Una perspectiva interesante desde el terreno: el turismo no es solo algo positivo para una ciudad. Las principales ciudades de Europa acudieron a Deloitte precisamente porque el turismo trae consigo carteristas, aglomeraciones, grandes cantidades de basura y grafitis. Una ciudad inteligente es ante todo una respuesta a estos problemas.

Nube o Borde: la decisión que da forma a todo el proyecto

La privacidad no es un asterisco al final, es un requisito de entrada. Los datos de las cámaras municipales son información sensible: los municipios no la comparten hacia afuera, ni siquiera con la propia Deloitte. El equipo envía personas a sentarse físicamente en las instalaciones del cliente, instalar y probar todo allí. Todo trabajo con los datos requiere la difuminación de rostros, y los modelos se prueban frente a los estándares y leyes a los que el municipio está obligado.

Cuando el cliente pide una cosa y necesita otra

Los problemas que solo se encuentran en producción

• Iluminación y clima · Calles oscuras por la noche, lluvia y nieve que ocultan la imagen
• Ropa de abrigo · Personas cubiertas con sombreros y abrigos, con la mayoría del rostro y el cuerpo ocultos
• Reflejos en escaparates · El sistema puede contar a la misma persona dos veces, una vez real y otra en el reflejo
• Ocultamientos · Un bebé en un carrito del que solo se ve un trozo de cara, una persona detrás de un árbol, una mano o una frente que asoman entre una multitud densa
• Diferencias entre ciudades · Una ciudad europea se ve diferente de una ciudad israelí, y la cultura local cambia la apariencia de los datos

¿Cómo se logra que el cliente confíe en el sistema? No se le puede pedir que cuente a miles de personas con sus propios ojos para verificar que el número es correcto. La solución: el sistema marca un punto rojo en cada persona que identifica, de modo que se puede ver exactamente a quién contó, incluidos los casos difíciles como un bebé cubierto en un carrito. La transparencia es lo que construye confianza.

De las alertas a las predicciones: los datos recopilados valen dinero

Zora: agentes de inteligencia artificial que trabajan en las organizaciones más grandes del mundo

Estos sistemas ya están en producción con clientes globales, con miles de accesos al día. HP, uno de los mayores clientes, declaró que el 40% del trabajo manual que los equipos financieros solían hacer antes se realiza hoy en segundos por el sistema agéntico.

Cuatro capas de valor: desde pregunta y respuesta hasta recomendaciones

• Capa 1 · Pregunta y respuesta: "¿Cuáles fueron mis ingresos este mes?" y el agente extrae de todos los datos organizacionales
• Capa 2 · Análisis y causa raíz: no solo cuánto, sino por qué. Qué región bajó, qué mercado sorprendió, cómo afectó la moneda
• Capa 3 · Pronóstico: Previsión de ingresos basada en los datos, la situación del mercado y el análisis de la competencia
• Capa 4 · Recomendaciones de acción: qué producto no vale la pena seguir vendiendo, dónde conviene centrarse en el próximo trimestre

El club AI Master te abre la puerta: una sesión en vivo cada semana, grabaciones y comunidad. 47 NIS al mes, cancelación en cualquier momento.

Buenos días, esto es lo que te importa hoy

¿Cómo se confía en un agente que toca dinero?

Los tres principios de la confianza

• Transparencia total · Cada respuesta en el sistema se puede desglosar: de qué fuentes se tomó, de qué PDF e incluso de qué páginas, de qué tablas, columnas y filas, y cuál fue la lógica del agente en el camino
• Permisos de solo lectura · Los agentes están en Lectura y no en Escritura: analizan, pronostican y recomiendan, pero no ejecutan acciones ni modifican datos sin aprobación humana
• Control externo y estándares · El producto pasa controles y pruebas de un factor externo, en procesos de Certificado para Vender y Certificado para Distribuir, antes de ser lanzado a los clientes

La capacidad de permitir que los agentes realicen acciones por sí mismos está sobre la mesa, pero el enfoque es cauteloso: definir con precisión qué permisos tiene cada agente, qué ve y qué tiene permitido cambiar, y liberarlo gradualmente. Esta es una lección importante para cualquiera que construya agentes para su negocio.

La próxima parada: Inteligencia artificial física

Preguntas frecuentes sobre visión por computadora y soluciones de inteligencia artificial a escala

La visión por computadora es el campo de la inteligencia artificial que analiza imágenes y video: identificación de personas y objetos, medición de densidad, identificación de peligros y defectos. Es un campo veterano que precedió a la era de la inteligencia artificial generativa, y hoy se integra con modelos de lenguaje y agentes para ofrecer soluciones completas.

CityShield es un sistema de ciudad inteligente desarrollado en Deloitte. Se conecta a miles de cámaras existentes en toda la ciudad, en tiempo real y en grabaciones pasadas, califica cada escena según los criterios que el municipio definió (limpieza, aglomeraciones, grafitis y más) y activa alertas. En lugar de dos o tres personas tratando de mirar miles de pantallas, el sistema lo ve todo y destaca solo lo que requiere atención.

No siempre es posible ni siempre es correcto. Una ciudad sin infraestructura de internet completa no puede conectar cámaras a la nube, y entonces el cálculo se ejecuta en un chip pequeño dentro de la propia cámara (como NVIDIA Jetson por cientos de dólares) con modelos pequeños entrenados para un problema específico. Incluso cuando hay nube, las consideraciones de costo y latencia son decisivas. La arquitectura se deriva de la realidad del cliente, no de la tecnología.

Los datos de las cámaras municipales son información sensible que no sale del municipio, ni siquiera para el equipo de desarrollo. El trabajo se realiza físicamente en las instalaciones del cliente, con difuminación obligatoria de rostros en todos los datos y verificación de los modelos frente a los estándares y leyes a los que el municipio está obligado.

Un agente de inteligencia artificial es un modelo inteligente que también tiene manos: acceso a herramientas y sistemas que le permiten hacer cosas, no solo responder. Como un pulpo en el que cada tentáculo es una capacidad: calculadora, archivos, sistemas organizacionales. La diferencia entre un agente genérico y un agente organizacional es el conocimiento: ChatGPT tiene internet, un agente organizacional también tiene el conocimiento interno que la empresa ha acumulado, y esa es la verdadera diferenciación.

A través de tres mecanismos: transparencia (cada respuesta se desglosa en fuentes, hasta el nivel de página en el PDF y columna en la tabla), permisos de solo lectura (el agente analiza y recomienda pero no realiza acciones en los datos) y control externo con estándares de Certificado para Vender antes del lanzamiento. Estos son principios que cualquier negocio que construya agentes puede adoptar.

La invitada de la sesión

La conclusión principal de la sesión: la inteligencia artificial no resuelve problemas con un clic. Quien tiene éxito a escala es quien sabe desglosar el problema junto con el cliente, elegir una arquitectura que se adapte a la realidad (y no a una demostración), construir confianza a través de la transparencia y avanzar capa tras capa. Y esto es válido tanto para un municipio con miles de cámaras como para un pequeño negocio que construye su primer agente.

Preguntas frecuentes

¿Qué es en realidad la visión por computadora?

La visión por computadora es el campo de la inteligencia artificial que analiza imágenes y video: identificación de personas y objetos, medición de densidad, identificación de peligros y defectos. Es un campo veterano que precedió a la era de la inteligencia artificial generativa, y hoy se integra con modelos de lenguaje y agentes para ofrecer soluciones completas.

¿Qué es CityShield y cómo funciona?

CityShield es un sistema de ciudad inteligente desarrollado en Deloitte. Se conecta a miles de cámaras existentes en toda la ciudad, en tiempo real y en grabaciones pasadas, califica cada escena según los criterios que el municipio definió (limpieza, aglomeraciones, grafitis y más) y activa alertas. En lugar de dos o tres personas tratando de mirar miles de pantallas, el sistema lo ve todo y destaca solo lo que requiere atención.

¿Por qué no se ejecuta todo en modelos grandes en la nube?

No siempre es posible ni siempre es correcto. Una ciudad sin infraestructura de internet completa no puede conectar cámaras a la nube, y entonces el cálculo se ejecuta en un chip pequeño dentro de la propia cámara (como NVIDIA Jetson por cientos de dólares) con modelos pequeños entrenados para un problema específico. Incluso cuando hay nube, las consideraciones de costo y latencia son decisivas. La arquitectura se deriva de la realidad del cliente, no de la tecnología.

¿Qué pasa con la privacidad de las personas que filman las cámaras?

Los datos de las cámaras urbanas son información sensible que no sale del municipio, ni siquiera para el equipo de desarrollo. El trabajo se realiza físicamente en las instalaciones del cliente, con desenfoque obligatorio de rostros en todos los datos, y la verificación de los modelos frente a las normas y leyes a las que el municipio está obligado.

¿Cuál es la diferencia entre un agente de IA y un chat normal como ChatGPT?

Un agente de IA es un modelo inteligente que también tiene manos: acceso a herramientas y sistemas que le permiten hacer cosas, no solo responder. Como un pulpo donde cada tentáculo es una capacidad: calculadora, archivos, sistemas organizacionales. La diferencia entre un agente genérico y uno organizacional es el conocimiento: ChatGPT tiene internet, un agente organizacional también tiene el conocimiento interno que la empresa ha acumulado, y esa es la verdadera diferenciación.

¿Cómo se puede confiar en un agente de IA con datos financieros?

Mediante tres mecanismos: transparencia (cada respuesta se desglosa en fuentes, hasta el nivel de página en el PDF y columna en la tabla), permisos de solo lectura (el agente analiza y recomienda, pero no realiza acciones en los datos), y control externo con estándares Certified to Sell antes de la liberación. Estos son principios que cualquier negocio que construya agentes puede adoptar.