Revista PLANEO N°62 | Ciudad artificial Vol. 1: diseñando escenarios de futuro a través de los datos y la IA | Marzo 2025
[Por: Estefanie Quispe Salas. Arquitecta urbanista. Máster en Diseño y Gestión de Proyectos Tecnológicos por la Universidad Internacional de La Rioja, Máster en Ciudades y Urbanismo por la Universitat de Lleida (UdL) y el Instituto de Arquitectura Avanzada de Cataluña (IAAC), Arquitecta egresada de la Universidad de Lima. CEO de i’mappin]
Imagen 1: Villa María del Triunfo, Lima, Perú.
Fuente: Imagen tomada de i’mappin (2021).
En América Latina, donde más del 80% de la población vive en ciudades, los procesos de urbanización acelerada han generado desafíos complejos en movilidad, vivienda, servicios básicos y sostenibilidad, especialmente en asentamientos populares. El Big Data —entendido como la recopilación y análisis masivo de datos generados por personas, infraestructuras y dispositivos— ofrece una oportunidad inédita para comprender y planificar estos territorios de forma más precisa y participativa (Townsend & Zambrano-Barragán, 2019). Su integración con inteligencia artificial (IA) permite identificar patrones invisibles, anticipar problemas y optimizar recursos (Grande Núñez, 2019). Sin embargo, su aplicación en contextos informales exige modelos inclusivos, éticos y adaptados a la realidad local (Biderman et al., 2021). Esta columna reflexiona sobre cómo el Big Data puede transformar la planificación urbana en dichos contextos.
¿Cuáles son los fundamentos y los retos del Big Data y de la inteligencia artificial para la planificación urbana?
El Big Data urbano o urban Big Data se refiere al conjunto de datos masivos generados en la ciudad por personas, infraestructuras, sensores y dispositivos conectados, cuya magnitud, variedad y velocidad exceden los métodos tradicionales de recopilación y análisis (Townsend & Zambrano-Barragán, 2019). Estos datos pueden incluir desde registros de transporte y consumo energético hasta información georreferenciada de teléfonos móviles o imágenes satelitales en alta resolución. Su carácter relacional —capaz de integrar múltiples fuentes— permite comprender fenómenos urbanos con un nivel de detalle sin precedentes.
En el ámbito de la planificación urbana, el Big Data abre nuevas posibilidades para diagnosticar, modelar y proyectar escenarios, complementando la experiencia técnica con evidencia empírica en tiempo real (Biderman et al., 2021). Cuando se combina con técnicas de inteligencia artificial, es posible procesar volúmenes masivos de información para identificar patrones ocultos, predecir comportamientos y simular impactos de políticas o intervenciones urbanas antes de su implementación (Grande Núñez, 2019).
Este enfoque resulta particularmente relevante en América Latina y el Caribe, donde la dinámica urbana se caracteriza por la coexistencia de áreas formales e informales. En estos territorios, las fuentes oficiales de datos suelen ser incompletas o desactualizadas, lo que limita la capacidad de planificar de manera efectiva. Herramientas como el análisis de movilidad a partir de datos de telefonía, el mapeo participativo digital o el uso de imágenes satelitales procesadas con IA pueden suplir estas carencias, generando información accionable para la gestión pública y comunitaria. No obstante, la implementación de Big Data en la planificación urbana presenta retos significativos. Entre ellos destacan la gobernanza de datos —es decir, las normas, leyes y acuerdos que regulan su acceso, uso y protección—, la capacidad técnica e institucional para analizarlos y generar valor de ellos, y la necesidad de garantizar la privacidad y evitar sesgos que puedan perpetuar desigualdades (Townsend & Zambrano-Barragán, 2019). Además, la interpretación de la información debe contextualizarse social y culturalmente, evitando el riesgo de soluciones tecnocráticas desconectadas de las realidades locales (Biderman et al., 2021).
Por lo tanto, el Big Data y la inteligencia artificial no reemplazan las metodologías urbanísticas tradicionales, sino que las potencian y acompañan. Su valor reside en integrar múltiples capas de información —desde lo físico hasta lo social— para fundamentar decisiones más precisas, transparentes, justas y adaptativas. En contextos informales, este potencial se amplifica: los datos pueden visibilizar territorios históricamente excluidos y ofrecer insumos para diseñar ciudades más inclusivas, resilientes y sostenibles.
¿Cómo puede el Big Data transformar la planificación urbana en contextos de informalidad?
La informalidad urbana —presente en forma de asentamientos populares, barrios autoconstruidos o urbanizaciones no planificadas— constituye una realidad estructural en muchas ciudades latinoamericanas. Estos territorios suelen estar ausentes de catastros, censos y estadísticas oficiales, lo que genera un vacío de información que limita su inclusión en la planificación urbana y perpetúa su exclusión social, económica y territorial. Esta carencia de datos actualizados y precisos dificulta la formulación de políticas efectivas y obstaculiza la integración de estos espacios en la ciudad formal. Frente a este escenario, el Big Data se presenta como una herramienta con un enorme potencial para revertir la invisibilidad histórica de la informalidad y sentar las bases de procesos de planificación más inclusivos y adaptativos.
Imagen 2: Cerro San Cosme, La Victoria, Lima, Perú.
Fuente: Imagen tomada de i’mappin (2022).
La capacidad del Big Data para recopilar, procesar y analizar grandes volúmenes de información en tiempo real abre la posibilidad de generar diagnósticos más profundos y dinámicos incluso en áreas donde los datos convencionales son escasos o inexistentes (vacíos de información actualizada y confiable). Esta información puede provenir de múltiples fuentes, como imágenes satelitales, sensores ambientales, datos de movilidad, registros administrativos, teledetección a través de drones, plataformas digitales y aportes directos de las comunidades. Su integración en sistemas de análisis y visualización permite identificar patrones, modelar escenarios y anticipar cambios en la ocupación y el uso del suelo, lo que es especialmente relevante en contextos de rápido crecimiento informal.
Una de las aplicaciones más replicables consiste en la cartografía automatizada de la ocupación del suelo mediante el procesamiento de imágenes satelitales o aéreas apoyadas en algoritmos de inteligencia artificial. Este enfoque facilita detectar áreas de reciente ocupación, niveles de densidad construida, transformaciones en el uso de suelo y posibles riesgos ambientales, como inundaciones o deslizamientos. Aplicada de forma periódica, esta metodología permite generar alertas tempranas y orientar intervenciones preventivas, evitando respuestas exclusivamente reactivas ante emergencias urbanas.
Otra estrategia ampliamente escalable es la integración sistemática de fuentes de datos diversas. La combinación de registros administrativos, sensores, datos de movilidad, encuestas y observaciones comunitarias permite construir un panorama más completo y multidimensional del territorio. Este proceso de integración socio-comunitario, cuando se desarrolla en plataformas urbanas de datos con estándares abiertos y protocolos claros, favorece el análisis cruzado y la detección de correlaciones entre variables sociales, económicas, ambientales y espaciales. El mapeo participativo digital constituye otro pilar para transformar la planificación en contextos de informalidad. Mediante herramientas de georreferenciación accesibles, las comunidades pueden registrar información importante sobre sus viviendas, infraestructuras, servicios, rutas de transporte informal, áreas de riesgo y espacios de valor social, entre otros. Este proceso no solo enriquece la calidad y la precisión de la información disponible, sino que también fortalece la apropiación comunitaria de los procesos de planificación, asegurando que las intervenciones propuestas respondan a las necesidades reales y a las prioridades locales.
El modelado predictivo, basado en datos históricos y en tiempo real, representa un recurso fundamental para proyectar escenarios de crecimiento, estimar demandas futuras de servicios y evaluar el impacto potencial de distintas políticas públicas. Este tipo de análisis permite a las autoridades anticipar tendencias y orientar inversiones hacia aquellas áreas donde su impacto social será mayor. Cuando estos modelos se alimentan de datos actualizados y variados, ofrecen un soporte real para la toma de decisiones estratégicas y la priorización de intervenciones en los barrios populares.
La implementación de estas metodologías requiere condiciones habilitantes que garanticen su sostenibilidad y capacidad de réplica. Es esencial desarrollar marcos claros de gobernanza de datos que definan la propiedad, el acceso y el uso ético de la información, protegiendo la privacidad de las personas. Asimismo, resulta imprescindible fortalecer las capacidades técnicas de los equipos de planificación y gestión urbana, incorporando competencias en análisis de datos, manejo de herramientas geoespaciales y visualización de información. La estandarización de formatos y procesos facilita el intercambio de datos entre instituciones y niveles de gobierno, mientras que la colaboración multiactor —entre gobiernos, academia, sector privado y comunidades— amplía las posibilidades de innovación y recursos.
El Big Data no sustituye el conocimiento local ni las metodologías urbanísticas tradicionales; más bien, su verdadero valor radica en visibilizar lo que antes permanecía oculto, conectar múltiples capas de información y ofrecer un sustento sólido para diseñar políticas públicas basadas en evidencia. Al adoptarse metodologías replicables y escalables, el Big Data puede convertirse en un eje central de estrategias urbanas que busquen integrar a los asentamientos populares en la ciudad formal, mejorar su resiliencia y garantizar el derecho a la ciudad y a un hábitat digno. En este sentido, la clave está en no limitarse a recolectar datos, sino en transformarlos en conocimiento útil y accionable que sirva para impulsar una planificación urbana más justa, eficiente y sostenible para todos y todas.
Del potencial tecnológico a la acción inclusiva
Finalmente, se puede concluir que el Big Data ofrece a las ciudades latinoamericanas una oportunidad inédita para comprender y abordar la complejidad de la informalidad urbana. Su capacidad para integrar múltiples fuentes de información y generar análisis precisos permite visibilizar territorios históricamente excluidos, dotando a la planificación urbana de una base empírica sólida y actualizada.
Sin embargo, su potencial solo se materializa cuando se combina con procesos participativos, marcos claros de gobernanza de datos y una mirada ética que evite reproducir desigualdades. La tecnología, por sí sola, no garantiza inclusión ni justicia urbana; son las decisiones, las estrategias y los tomadores de decisiones que la acompañan los que marcan la diferencia. Convertir datos en políticas visibles y acciones concretas es fundamental para avanzar hacia ciudades más equitativas, resilientes y sostenibles en toda la región.
—
Referencias bibliográficas
Biderman, C., Mendonça, M. M. de, Mello, P. A. S., Oshiro, C. H. & Foditsch, N. (2021). Big Data para el desarrollo urbano sostenible. Creando políticas públicas urbanas basadas en evidencias. Banco Interamericano de Desarrollo, Fundação Getulio Vargas. http://dx.doi.org/10.18235/0003634
Grande Núñez, C. (2019). Diseño de datos: del Big Data al urbanismo [Trabajo de fin de grado, Universidad Politécnica de Madrid]. https://oa.upm.es/54513/
Townsend, A. & Zambrano-Barragán, P. (2019). Big Data urbana: una guía estratégica para ciudades (Nota técnica N.º IDB-TN-01655). Banco Interamericano de Desarrollo. http://dx.doi.org/10.18235/0001918