Analítica de vídeo con IA en estadios: retos técnicos y realidad operativa

Si tu trabajo toca videovigilancia perimetral de grandes recintos, este es el tipo de noticia que deberías leer con lupa — no por lo que promete, sino por lo que implica para tu día a día técnico.

Lo que venden vs. lo que realmente gestionan las cámaras

El discurso habitual es impecable: la IA analiza vídeo en tiempo real, detecta comportamientos anómalos, identifica multitudes peligrosas y dispara alertas automáticas antes de que el incidente ocurra. Bonito sobre el papel. Pero si alguna vez has instalado un sistema de videovigilancia en un recinto con aforo masivo, ya sabes dónde están los cuellos de botella: el ancho de banda real en la zona de cámaras, la latencia del procesamiento en el borde o en la nube, y la cantidad de falsos positivos que tu equipo de seguridad nocturno terminará ignorando como si fueran el boy que gritaba lobo.

El caso de Tottenham es interesante precisamente porque es un estadio moderno, con infraestructura diseñada desde cero para integrar estas tecnologías. La pregunta que deberías hacerte es otra: ¿tu cliente tiene la red, el almacenamiento y el personal para sostener lo que el fabricante le vendió como «inteligencia artificial autónoma»? Si la respuesta es «no lo sé», ya tienes un punto crítico que resolver antes de firmar ningún proyecto.

El problema que nadie quiere auditar

Aquí viene lo que realmente me preocupa como auditor. Cuando un sistema de analítica de vídeo con IA falla en un entorno de estadio, no falla en modo degradado elegante: falla en silencio. La cámara sigue grabando, la interfaz muestra verde, pero el algoritmo no está clasificando correctamente una agresión en la grada porque las condiciones lumínicas cambiaron respecto a las del entrenamiento. Y nadie lo detecta hasta que ocurre el incidente.

Los fabricantes hablan de «precisión superior al 95%» en condiciones de laboratorio. Condiciones de laboratorio no son 40.000 personas con bufandas, humo de bengalas y una lluvia repentina. Si asumes que el rendimiento del piloto se traslada tal cual al campo, fallará. Punto.

Lo que deberías revisar ahora mismo

Si tu trabajo incluye especificar, instalar o mantener sistemas de videovigilancia en recintos deportivos o de eventos masivos, hay tres cosas que esta tendencia te obliga a replantearte:

Primero, exige al fabricante datos de rendimiento en condiciones reales, no solo fichas técnicas con benchmarks ideales. Pide referencias de despliegues comparables al tuyo.

Segundo, diseña la red con margen. La analítica de vídeo con IA consume recursos que multiplican los requisitos de ancho de banda y almacenamiento frente a un sistema convencional. Si tu infraestructura está al límite con las cámaras actuales, añadir procesamiento inteligente la va a romper.

Tercero, establece un protocolo de auditoría periódica del sistema. No basta con instalar y olvidar: los modelos de IA necesitan recalibrarse, los entornos cambian y las condiciones lumínicas varían estación tras estación. Un sistema que no se audita es un sistema que acumula deuda técnica hasta el día que importa.

La IA en videovigilancia no es ciencia ficción — pero tampoco es magia. Es una herramienta más que, como cualquier otra, funciona exactamente tan bien como la planificación, la infraestructura y el mantenimiento que hay detrás. Si alguien te vende lo contrario, pídele por escrito las condiciones en las que garantiza ese rendimiento. Verás cómo el entusiasmo se modera bastante.