Unir la teoría urbana y la inteligencia artificial: un sistema de recomendación multiagente para el desarrollo sostenible de la ciudad

Por qué esto importa para la vida urbana

A medida que más ciudades recurren a la inteligencia artificial para afrontar el tráfico, las olas de calor, la delincuencia y la contaminación, surge un riesgo oculto: muchos proyectos de IA pasan por alto décadas de conocimiento adquirido sobre cómo funcionan realmente los barrios. Este estudio muestra que la mayoría de las herramientas de IA urbana persiguen los algoritmos de moda en lugar de las necesidades reales de los residentes, y propone una nueva forma de devolver el pensamiento urbano centrado en las personas al control de las máquinas.

Cuando las herramientas inteligentes olvidan la sabiduría urbana

Los autores revisaron 1.123 artículos de investigación que usan IA para planificación urbana y seguridad. Encontraron que menos de 2 de cada 100 mencionaban siquiera ideas clásicas sobre las ciudades, como cómo la vida en la calle favorece la seguridad o cómo deberían distribuirse los servicios en un barrio. En cambio, casi la mitad de los estudios estaban impulsados principalmente por la tecnología: los investigadores elegían algoritmos porque eran nuevos o potentes, no porque encajaran con un problema urbano real. La equidad social, la resiliencia a largo plazo y la habitabilidad diaria a menudo se trataron como algo secundario.

Datos y algoritmos que empujan en la dirección equivocada

El equipo también examinó qué tipos de algoritmos y datos empleaban estos proyectos. El aprendizaje automático moderno y el aprendizaje profundo dominaron, y modelos de IA más recientes, como los grandes modelos de lenguaje y las herramientas generativas, se adoptaron casi inmediatamente tras su lanzamiento. Al mismo tiempo, la mayoría de los proyectos dependían de datos de sensores y ambientales fáciles de obtener, como monitores de calidad del aire o detectores de tráfico. Información más difícil de recopilar sobre las experiencias de las personas, las condiciones sociales o la configuración de los barrios se utilizó mucho menos, aun cuando muchas teorías urbanas sostienen que estos factores son cruciales. El resultado es lo que los autores llaman «oportunismo de datos», donde lo que es medible conforma las preguntas, en lugar de enfocarse en lo que realmente importa para la vida urbana.

Cómo la prisa por la IA acelera el problema

Al observar la evolución temporal, los investigadores vieron que la IA en las ciudades pasó de experimentos cuidadosos y dirigidos por problemas a un rápido «empuje tecnológico». Antes de 2008, casi ningún artículo de planificación urbana empleaba el lenguaje de la IA. Después de eso, y especialmente tras el auge del aprendizaje profundo, el número de estudios etiquetados como IA se disparó, con más del 60 por ciento publicados después de 2020. Herramientas nuevas como modelos de imagen-idioma y grandes modelos de texto aparecieron en la investigación urbana en el mismo año en que fueron inventadas. Esa velocidad puede parecer emocionante, pero fomenta el uso de lo último, aunque no encaje bien con la tarea o deje ciegos a los urbanistas frente a compensaciones sociales y ambientales.

Un nuevo manual para una IA urbana más inteligente y justa

Para reconectar la IA con las necesidades urbanas reales, los autores construyeron un sistema basado en un gran modelo de lenguaje que actúa como un panel de asistentes expertos. Cuando se le da la descripción de un desafío urbano, por ejemplo desperdicio de alimentos, exposición al calor o riesgo por desastres, un agente primero estructura el problema. Otro busca en un banco de 46 teorías urbanas clásicas para encontrar las que mejor describen lo que ocurre. Un tercero empareja métodos de IA adecuados, un cuarto sugiere fuentes de datos necesarias y un quinto verifica si todo el paquete es robusto y realista. Las pruebas en estudios de caso muestran que este proceso desplaza los proyectos de metas estrechas, como reducir costes de reparto o mejorar la precisión de predicción, hacia objetivos más ricos que también tienen en cuenta la equidad, la salud y los impactos climáticos.

Qué significa esto para el futuro de la IA urbana

En términos sencillos, el estudio sostiene que preguntar «¿Qué puede hacer este algoritmo?» es el punto de partida equivocado. En su lugar, planificadores, ingenieros y comunidades deberían primero preguntarse «¿Qué requiere realmente este problema urbano para volverse más sostenible y justo?» y solo entonces elegir las herramientas de IA que se ajusten a esas necesidades y a las mejores teorías urbanas disponibles. Al hacer esas teorías visibles y utilizables dentro de un sistema de recomendación de IA, los autores muestran cómo las ciudades pueden aprovechar la computación avanzada sin perder de vista la experiencia humana, los espacios compartidos y la resiliencia a largo plazo.

Cita: Tong, J., Wang, S., Wang, G. et al. Bridging urban theory and artificial intelligence: a multi-agent recommendation system for sustainable city development. npj Urban Sustain 6, 77 (2026). https://doi.org/10.1038/s42949-026-00377-2

Palabras clave: IA urbana, ciudades sostenibles, planificación urbana, sistemas multiagente, gobernanza de ciudades inteligentes