Varios estados de EE. UU. están desplegando cámaras con inteligencia artificial a lo largo de autopistas y vías locales para detectar a conductores que usan teléfonos móviles en la mano y que no usan el cinturón de seguridad. Georgia, Minnesota y Connecticut se han movido a ritmos y con alcances diferentes, pero el hilo común es una creciente dependencia de imágenes impulsadas por IA para abordar la conducción distraída y peligrosa, en particular entre los conductores de vehículos comerciales. Los programas plantean preguntas prácticas sobre la precisión de la aplicación, la privacidad y si la tecnología realmente cambia el comportamiento de los conductores o simplemente genera multas.
Georgia apunta a camiones comerciales con fondos de subvención federales
La División de Cumplimiento de Transportistas por Carretera de Georgia contrató a la firma tecnológica australiana Acusensus y comenzó a operar sistemas de cámaras con IA en julio de 2024, financiados mediante una subvención federal de Alta Prioridad descrita en el informe anual de 2024 del estado. Las cámaras capturan imágenes dentro de la cabina de los conductores de vehículos comerciales, señalando evidencia visual de uso ilegal de teléfonos en la mano y de incumplimiento del cinturón de seguridad. El sistema tiene un alcance estrecho: se aplica a vehículos comerciales, no a turismos, y las imágenes sirven como base para acciones de aplicación por parte de los patrulleros estatales en lugar de para la emisión automatizada de multas.
Esa distinción importa. A diferencia de las cámaras de semáforo en rojo o de velocidad que envían multas por correo a los propietarios de los vehículos, el enfoque de Georgia mantiene a un oficial humano en la cadena de aplicación. La IA identifica posibles infracciones, pero un revisor capacitado decide si la imagen amerita acción. Este diseño evita parte de la resistencia legal y política que la aplicación totalmente automatizada del tráfico ha enfrentado en otros estados, aunque también limita cuántas infracciones puede procesar el sistema a gran escala.
Las autoridades de Georgia han enmarcado la tecnología principalmente como una herramienta de seguridad para vehículos comerciales, en línea con las prioridades federales de reducir los choques graves que involucran camiones grandes. Al centrarse en conductores profesionales, el estado puede argumentar que los operadores que pasan todo el día en la carretera deben someterse a un estándar más alto y que la vigilancia dirigida se justifica por el daño potencial de un conductor de camión distraído. Aun así, las mismas cámaras que capturan el uso del teléfono pueden revelar otros detalles dentro de las cabinas, desde pasajeros hasta objetos personales, lo que subraya por qué los grupos de libertades civiles probablemente presionarán por límites claros de retención y controles de acceso.
El piloto en la Highway 7 de Minnesota señaló miles de infracciones
Un corredor suburbano de Minneapolis se ha convertido en uno de los terrenos de prueba más activos para la misma tecnología. El Departamento de Policía de South Lake Minnetonka lanzó el sistema de aplicación con IA Heads-Up de Acusensus el 10 de febrero de 2025, como parte del esfuerzo de la Highway 7 Road Safety Coalition para frenar los choques. Según un informe de la coalición publicado por la ciudad de Shorewood, el sistema señaló más de 10,000 posibles infracciones en su primer mes, un volumen que sería físicamente imposible de igualar por los agentes de patrulla mediante la observación tradicional.
La coalición, que incluye la ciudad de Shorewood y jurisdicciones vecinas, describe la cámara con IA como una herramienta que detecta comportamientos de riesgo, incluido el uso del teléfono celular y el estado del cinturón de seguridad, y luego notifica a los oficiales cercanos en tiempo real. Ese modelo de notificación a oficiales refleja el enfoque de Georgia: la cámara detecta el comportamiento, pero una unidad de patrulla hace la parada. Sin embargo, la gran cantidad de señales en un solo mes plantea una pregunta que ni la coalición ni el proveedor han respondido públicamente en los documentos disponibles. ¿Cuántas de esas 10,000 señales llevaron a paradas de tráfico reales y cuántas fueron falsos positivos?
Esa laguna en la información pública es significativa. Un sistema que genera miles de alertas pero que resulta en relativamente pocas infracciones confirmadas podría abrumar a los agentes con ruido, mientras que uno que convierte señales en paradas a una alta tasa podría enfrentar escrutinio sobre si los conductores están siendo perfilados por un algoritmo en lugar de ser observados por un humano. Ninguno de los resultados es ideal sin datos transparentes sobre las tasas de conversión y la precisión.
Para los conductores a lo largo de la Highway 7, la experiencia práctica también está evolucionando. Las primeras fases del piloto han enfatizado las advertencias y la educación en lugar de la imposición inmediata de multas, con funcionarios locales insistiendo en que el objetivo es cambiar el comportamiento, no solo emitir sanciones. A medida que el programa madure, es probable que los residentes y los defensores de las libertades civiles presionen por informes públicos regulares que desglosen cuántas alertas llevaron a paradas, qué proporción resultó en multas y si ciertos grupos o tipos de vehículos son objeto de un trato desproporcionado.
Investigación revisada por pares describe cómo funciona la tecnología
Un estudio publicado en la revista Traffic Injury Prevention ofrece la mirada independiente más detallada sobre el enfoque técnico del sistema de Acusensus. El artículo revisado por pares explica cómo las “Heads-Up Solutions” de la firma realizan observación naturalista de los comportamientos de los conductores de vehículos comerciales. El sistema se basa en pistas visuales, específicamente si parece que un conductor sostiene un teléfono y si se ve un cinturón de seguridad cruzando el torso.
El equipo de investigación describe una canalización en la que cámaras de carretera de alta resolución capturan imágenes de los vehículos que pasan, el software aisla el compartimento del conductor y modelos de aprendizaje automático clasifican si hay un teléfono o cinturón de seguridad presente. Solo las imágenes que alcanzan un umbral de confianza se pasan a revisión humana. El artículo subraya que los humanos siguen siendo responsables de las determinaciones finales, pero la IA reduce dramáticamente el conjunto de imágenes que necesitan ser revisadas.
El estudio enmarca la tecnología como un método de recolección de datos más que como una herramienta de aplicación directa, lo cual es una distinción importante. La observación naturalista significa que las cámaras registran el comportamiento tal como ocurre en condiciones de conducción reales, sin que el conductor necesariamente sepa que está siendo observado. Esa metodología produce una imagen más precisa de la frecuencia real de las infracciones en comparación con las encuestas auto-reportadas, que tienden a subestimar el comportamiento de riesgo. Pero también significa que se fotografían conductores dentro de sus vehículos sin su consentimiento, un hecho que los defensores de la privacidad en varios estados han señalado como preocupante incluso cuando las imágenes se usan solo para investigación.
Los investigadores argumentan que los beneficios de seguridad podrían ser sustanciales si los datos se usan para adaptar la aplicación de la ley y la educación a corredores, horarios o grupos de conductores de alto riesgo. Sin embargo, los mismos datos granulares podrían ser tentadores para usos secundarios, desde litigios civiles hasta la vigilancia laboral por parte de las empresas de transporte. El artículo señala que las decisiones de gobernanza y políticas, más que las limitaciones técnicas, determinarán en última instancia cuán intrusivos llegarán a ser estos sistemas.
Minnesota respalda la IA con subvenciones estatales para datos
El despliegue local en la Highway 7 no existe en el vacío. El Departamento de Seguridad Pública de Minnesota ha financiado por separado una subvención que permite a su Oficina de Seguridad del Tráfico analizar los datos sobre conducción distraída con mayor profundidad. La subvención apoya estrategias de medición y aplicación, incluidas iniciativas de datos que alimentan información a agencias locales y socios de seguridad en todo el estado.
Esta estructura de dos niveles, donde una agencia estatal financia la columna vertebral analítica mientras los departamentos locales operan las cámaras, sugiere que Minnesota está construyendo hacia un despliegue más amplio en lugar de tratar la Highway 7 como un experimento aislado. Si la Oficina de Seguridad del Tráfico puede demostrar que los datos señalados por la IA se correlacionan con reducciones medibles de choques en el corredor, el argumento político para expandir la tecnología a otras carreteras de alto riesgo se vuelve mucho más fuerte. Sin esos datos de resultados, sin embargo, el programa corre el riesgo de parecer un costoso ejercicio de vigilancia sin un dividendo de seguridad probado.
El lenguaje de la subvención también insinúa un bucle de retroalimentación: a medida que los sistemas de IA generan información más detallada sobre cuándo y dónde ocurre la conducción distraída, los analistas estatales pueden refinar las campañas de aplicación, lo que a su vez puede justificar despliegues tecnológicos adicionales. Esa dinámica podría acelerar la adopción, pero también aumenta la importancia de establecer desde el principio las piezas de privacidad y transparencia correctamente.
Connecticut abre la puerta a la aplicación automatizada
Connecticut ha tomado un camino diferente. El Departamento de Transporte del estado publicó orientación formal para los municipios sobre la aplicación automatizada del tráfico, actuando bajo la autoridad de la Public Act 23-116 y describiendo cómo los gobiernos locales pueden optar por usar sistemas basados en cámaras. La orientación se centra en la implementación de cámaras de semáforo en rojo y de velocidad en zonas de seguridad designadas, con requisitos de señalización, aviso público y manejo de datos.
Los municipios interesados en participar deben presentar una solicitud a través del portal de contratación en línea del estado, donde los proyectos se revisan para verificar el cumplimiento de los límites estatutarios y los estándares técnicos. El marco de Connecticut aún no se extiende a la detección de uso de teléfono o cinturón de seguridad, lo que significa que el estado va varios pasos detrás de Georgia y Minnesota en cuanto a la supervisión conductual impulsada por IA. Aun así, el hecho de que Connecticut haya creado una infraestructura legal a nivel estatal para la aplicación automatizada facilita la incorporación de nuevas capacidades más adelante, incluida la detección de conducción distraída basada en IA, si los legisladores deciden que los beneficios superan los riesgos.
Por ahora, la experiencia de Connecticut puede servir como una prueba de hasta qué punto los residentes están dispuestos a aceptar la aplicación basada en cámaras a cambio de las prometidas mejoras de seguridad. Las reglas del estado requieren que los ingresos de las multas se destinen a la seguridad del transporte, un intento de mitigar las críticas de que los sistemas automatizados se usan principalmente para generar dinero. Si esa garantía satisfará a los escépticos está por verse, especialmente si futuras expansiones pasan de medir la velocidad y el cumplimiento de semáforos a monitorear el comportamiento dentro de los vehículos.
Equilibrando seguridad, privacidad y confianza pública
En conjunto, los tres estados ilustran un espectro de enfoques para la aplicación del tráfico con IA. Georgia está utilizando IA para dirigirse a un sector específico (camiones comerciales), bajo mandatos federales de seguridad. Minnesota está superponiendo pilotos locales sobre una estrategia de datos a nivel estatal que eventualmente podría respaldar un despliegue más amplio. Connecticut está construyendo primero el armazón legal para la aplicación automatizada, con la opción de adoptar herramientas de IA más avanzadas más adelante.
Las preguntas comunes tienen menos que ver con si la tecnología funciona en un sentido técnico estrecho y más ab
