Cómo Luján de Cuyo está usando IA para avanzar hacia un mantenimiento municipal proactivo

Luján de Cuyo, una ciudad del noroeste de Argentina, está transitando de un modelo reactivo de mantenimiento del espacio público a un enfoque proactivo y basado en datos. A través de su participación en City Data Alliance (CDA), la ciudad construyó las bases de gobernanza y datos necesarias para poner a prueba un servicio de detección habilitado por IA, que identifica y georreferencia baches y daños en la calzada mediante cámaras instaladas en vehículos municipales. Antes, el mantenimiento dependía de reclamos vecinales e inspecciones manuales, lo que generaba demoras, mayores costos y una prestación desigual. Al utilizar IA para detectar riesgos de manera temprana y orientar las reparaciones, la ciudad está mejorando la seguridad, la eficiencia y la equidad en un servicio para los residentes.

El estado de las calles influye directamente en la vida cotidiana en Luján de Cuyo, impactando en la seguridad, la movilidad y la confianza en el gobierno local. Durante años, la ciudad operó bajo un enfoque reactivo: esperar reclamos, enviar inspectores y recién entonces programar reparaciones. Este modelo resultaba costoso y lento, y hacía que los barrios periféricos esperaran más tiempo para recibir respuestas.

El Intendente Esteban Allasino definió un objetivo claro: identificar riesgos en el espacio público de manera temprana y resolverlos antes de que se conviertan en accidentes. En esta visión, la tecnología no es un fin en sí mismo, sino una herramienta para brindar servicios más rápidos, equitativos y transparentes. Los residentes deben poder saber qué problemas se detectan, cómo se priorizan y cuándo se resuelven.

El trabajo de mantenimiento con IA en Luján de Cuyo se apoya en capacidades institucionales desarrolladas a través de CDA, entre ellas la creación de un Comité e Inventario de Datos y un Sistema de Monitoreo de Objetivos Estratégicos. Con estas bases, la ciudad se enfocó en un problema concreto, visible y de alto impacto para los residentes: los baches y las grietas en las calles. El enfoque se estructuró en torno a tres elementos:

1. Detección temprana utilizando activos existentes: Los vehículos municipales se transformaron en sensores móviles equipados con cámaras y GPS. A medida que recorren sus rutas habituales, se capturan imágenes que se procesan de forma segura. Un modelo de visión por computadora identifica los daños en la calzada, los clasifica según su tipo y severidad, y los georreferencia en un mapa, lo que permite detectar problemas de manera sistemática.
2. Priorización de reparaciones basada en evidencia: Los problemas detectados se incorporan directamente a la cola de mantenimiento y a tableros operativos. Los equipos utilizan esta información para priorizar intervenciones según el riesgo y la gravedad, avanzando de reparaciones reactivas a mantenimiento preventivo. Esto reduce los costos de largo plazo y mejora la consistencia del servicio entre barrios.
3. Privacidad, ética y equidad desde el diseño: Desde el primer prototipo, la ciudad incorporó salvaguardas para generar confianza. Las imágenes se procesan con desenfoque automático de rostros y patentes, se minimiza la retención de imágenes sin procesar y se registran los accesos. Las rutas de monitoreo se diseñan para cubrir todos los barrios, asegurando que los beneficios lleguen también a peatones, ciclistas y personas con movilidad reducida, y no solo a conductores o zonas centrales. Cuando corresponde, se publican datos agregados para reforzar la transparencia.

Aunque el servicio de detección con IA se encuentra actualmente en fase piloto, los resultados iniciales y los beneficios esperados son claros:

• Respuesta más rápida: problemas viales que antes podían tardar meses en identificarse ahora se detectan en un plazo de 3 a 5 días en las rutas piloto.
• Más mantenimiento preventivo: la proporción de reparaciones realizadas antes de un reclamo vecinal aumentó de aprox. un 10 % a un 40 % en las rutas piloto.
• Mayor equidad: el monitoreo a nivel barrial ayuda a asegurar que las zonas periféricas reciban atención oportuna, y no solo aquellas con mayores tasas de reclamos.
• Mejor eficiencia: la priorización basada en riesgos reduce reprocesos y orienta los recursos hacia los problemas más urgentes.

Luján de Cuyo se comprometió a integrar este enfoque en las operaciones regulares de mantenimiento, utilizando datos y tableros para orientar decisiones y monitorear el desempeño a lo largo del tiempo.

La experiencia de Luján de Cuyo muestra que la IA genera valor cuando fortalece la gestión cotidiana, y no cuando opera como una “caja negra”. Comenzar con un problema visible y abordable permitió generar impulso y valor público. El uso de activos municipales existentes facilitó la experimentación rápida. Diseñar desde el inicio con foco en privacidad, equidad y transparencia redujo riesgos y fortaleció la confianza. Y, de manera clave, invertir en capacidades internas aseguró que la ciudad pudiera sostener y escalar el trabajo más allá del piloto. Luján de Cuyo demuestra cómo las ciudades pueden usar la IA no como una innovación abstracta, sino como una herramienta práctica para mejorar los servicios públicos.