Mientras los ecosistemas naturales se ven amenazados por factores tan preocupantes como el cambio climático o el exceso de residuos, los grandes núcleos urbanos crecen exponencialmente y, en gran medida, son la causa principal de estas amenazas. Según Naciones Unidas, el 55% de los más de 7600 millones de habitantes del mundo vive en ciudades; es decir, más de 4000 millones de personas, que se estima llegarán a los 5000 millones en 2030.
El complejo reto al que se enfrentan las sociedades actuales es el de gestionar estas urbes de una forma eficiente y sostenible, utilizando los recursos de forma inteligente y respetuosa con el medio ambiente, optimizando los procesos para proporcionar unos servicios públicos eficaces y de calidad.
La gran disrupción ha sido convertir los datos en una valiosa información para la toma de decisiones
Toda innovación busca mejorar una realidad o afrontar un desafío. Hoy día existen diferentes tecnologías que han abierto nuevas posibilidades de encontrar soluciones a problemas complejos. Una de ellas es la inteligencia artificial (IA), que junto con la Internet de las Cosas (IoT) permite realizar diagnósticos cada vez más precisos a partir de millones de datos y tomar las decisiones más adecuadas en cada caso. En el caso de la gestión ambiental, esto resulta prioritario.
Cualquier modelo de machine learning, deep learning o IA se alimenta de datos (tecnologías data centric). Estas tecnologías están asociadas a la analítica predictiva y ayudan a ganar en eficacia sea cual sea el entorno en el que se apliquen, ya que consiguen analizar toda la información de este entorno y crear modelos accionables en función de datos históricos y variables endógenas y exógenas. La gran disrupción en el entorno de la analítica de datos ha sido la posibilidad de analizar inmensidades de datos en tiempo real y convertirlos rápidamente en una valiosa información de referencia para la toma de decisiones.
Por ejemplo, estos modelos predictivos, aplicados a la contaminación del aire, suelos, y aguas, permiten tomar decisiones para mejorar su calidad y mantener los indicadores que marca la normativa para evitar sanciones. Otra aplicación clara está relacionada con la recogida y tratamiento de residuos. Gracias a la IA es posible optimizar el funcionamiento de los servicios municipales de manera que se minimice el consumo de combustible y la gestión sea más ecoeficiente, consiguiendo reducir las emisiones de CO2 derivadas de los sistemas de transporte y recogida, aumentar la eficiencia de los procesos y reducir sus costes.
Asimismo, en el caso de las luminarias, a través de algoritmos de predicción y técnicas de análisis basadas en big data es posible determinar cuáles son los tipos y las cantidades de luces más apropiadas para cada zona de la ciudad. De esta forma, no solo se reduce la contaminación lumínica, sino que también se optimiza el consumo energético, ofreciendo un impacto positivo para el medioambiente y para las arcas municipales.
Estos modelos predictivos son cada vez más precisos, ya que aprenden de sí mismos: la primera vez que se apliquen el margen de error será mayor, pero de ahí en adelante la misma tecnología se irá modificando y aprendiendo hasta llegar a un error mínimo.
La tecnología por sí misma nunca podrá sustituir al ser humano, pero nadie puede dudar de que resulta de gran utilidad para ayudarle a llegar donde, por sí mismo, no podría. Avanzar hacia una gestión ambiental eficiente y sostenible no es solo un desafío, es también una imperiosa necesidad que nos reclama el planeta y el futuro de las próximas generaciones.
