Varios estados de EE. UU. est\u00e1n desplegando c\u00e1maras con inteligencia artificial a lo largo de autopistas y v\u00edas locales para detectar a conductores que usan tel\u00e9fonos m\u00f3viles en la mano y que no usan el cintur\u00f3n de seguridad. Georgia, Minnesota y Connecticut se han movido a ritmos y con alcances diferentes, pero el hilo com\u00fan es una creciente dependencia de im\u00e1genes impulsadas por IA para abordar la conducci\u00f3n distra\u00edda y peligrosa, en particular entre los conductores de veh\u00edculos comerciales. Los programas plantean preguntas pr\u00e1cticas sobre la precisi\u00f3n de la aplicaci\u00f3n, la privacidad y si la tecnolog\u00eda realmente cambia el comportamiento de los conductores o simplemente genera multas.<\/p>\n\n\n\n\n\n\n\n\n\n
La Divisi\u00f3n de Cumplimiento de Transportistas por Carretera de Georgia contrat\u00f3 a la firma tecnol\u00f3gica australiana Acusensus y comenz\u00f3 a operar sistemas de c\u00e1maras con IA en julio de 2024, financiados mediante una subvenci\u00f3n federal de Alta Prioridad descrita en el informe anual de 2024<\/a> del estado. Las c\u00e1maras capturan im\u00e1genes dentro de la cabina de los conductores de veh\u00edculos comerciales, se\u00f1alando evidencia visual de uso ilegal de tel\u00e9fonos en la mano y de incumplimiento del cintur\u00f3n de seguridad. El sistema tiene un alcance estrecho: se aplica a veh\u00edculos comerciales, no a turismos, y las im\u00e1genes sirven como base para acciones de aplicaci\u00f3n por parte de los patrulleros estatales en lugar de para la emisi\u00f3n automatizada de multas.<\/p>\n Esa distinci\u00f3n importa. A diferencia de las c\u00e1maras de sem\u00e1foro en rojo o de velocidad que env\u00edan multas por correo a los propietarios de los veh\u00edculos, el enfoque de Georgia mantiene a un oficial humano en la cadena de aplicaci\u00f3n. La IA identifica posibles infracciones, pero un revisor capacitado decide si la imagen amerita acci\u00f3n. Este dise\u00f1o evita parte de la resistencia legal y pol\u00edtica que la aplicaci\u00f3n totalmente automatizada del tr\u00e1fico ha enfrentado en otros estados, aunque tambi\u00e9n limita cu\u00e1ntas infracciones puede procesar el sistema a gran escala.<\/p>\n Las autoridades de Georgia han enmarcado la tecnolog\u00eda principalmente como una herramienta de seguridad para veh\u00edculos comerciales, en l\u00ednea 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 d\u00eda en la carretera deben someterse a un est\u00e1ndar m\u00e1s alto y que la vigilancia dirigida se justifica por el da\u00f1o potencial de un conductor de cami\u00f3n distra\u00eddo. Aun as\u00ed, las mismas c\u00e1maras que capturan el uso del tel\u00e9fono pueden revelar otros detalles dentro de las cabinas, desde pasajeros hasta objetos personales, lo que subraya por qu\u00e9 los grupos de libertades civiles probablemente presionar\u00e1n por l\u00edmites claros de retenci\u00f3n y controles de acceso.<\/p>\n\n\n\n\n\n\n\n Un corredor suburbano de Minneapolis se ha convertido en uno de los terrenos de prueba m\u00e1s activos para la misma tecnolog\u00eda. El Departamento de Polic\u00eda de South Lake Minnetonka lanz\u00f3 el sistema de aplicaci\u00f3n 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. Seg\u00fan un informe de la coalici\u00f3n publicado por la ciudad de Shorewood, el sistema se\u00f1al\u00f3 m\u00e1s de 10,000 posibles infracciones<\/a> en su primer mes, un volumen que ser\u00eda f\u00edsicamente imposible de igualar por los agentes de patrulla mediante la observaci\u00f3n tradicional.<\/p>\n La coalici\u00f3n, que incluye la ciudad de Shorewood y jurisdicciones vecinas, describe la c\u00e1mara con IA como una herramienta que detecta comportamientos de riesgo<\/a>, incluido el uso del tel\u00e9fono celular y el estado del cintur\u00f3n de seguridad, y luego notifica a los oficiales cercanos en tiempo real. Ese modelo de notificaci\u00f3n a oficiales refleja el enfoque de Georgia: la c\u00e1mara detecta el comportamiento, pero una unidad de patrulla hace la parada. Sin embargo, la gran cantidad de se\u00f1ales en un solo mes plantea una pregunta que ni la coalici\u00f3n ni el proveedor han respondido p\u00fablicamente en los documentos disponibles. \u00bfCu\u00e1ntas de esas 10,000 se\u00f1ales llevaron a paradas de tr\u00e1fico reales y cu\u00e1ntas fueron falsos positivos?<\/p>\n Esa laguna en la informaci\u00f3n p\u00fablica es significativa. Un sistema que genera miles de alertas pero que resulta en relativamente pocas infracciones confirmadas podr\u00eda abrumar a los agentes con ruido, mientras que uno que convierte se\u00f1ales en paradas a una alta tasa podr\u00eda enfrentar escrutinio sobre si los conductores est\u00e1n 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 conversi\u00f3n y la precisi\u00f3n.<\/p>\n Para los conductores a lo largo de la Highway 7, la experiencia pr\u00e1ctica tambi\u00e9n est\u00e1 evolucionando. Las primeras fases del piloto han enfatizado las advertencias y la educaci\u00f3n en lugar de la imposici\u00f3n 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 p\u00fablicos regulares que desglosen cu\u00e1ntas alertas llevaron a paradas, qu\u00e9 proporci\u00f3n result\u00f3 en multas y si ciertos grupos o tipos de veh\u00edculos son objeto de un trato desproporcionado.<\/p>\n\n\n\n\n\n\n\n Un estudio publicado en la revista Traffic Injury Prevention ofrece la mirada independiente m\u00e1s detallada sobre el enfoque t\u00e9cnico del sistema de Acusensus. El art\u00edculo revisado por pares explica c\u00f3mo las \u201cHeads-Up Solutions\u201d de la firma realizan observaci\u00f3n naturalista<\/a> de los comportamientos de los conductores de veh\u00edculos comerciales. El sistema se basa en pistas visuales, espec\u00edficamente si parece que un conductor sostiene un tel\u00e9fono y si se ve un cintur\u00f3n de seguridad cruzando el torso.<\/p>\n El equipo de investigaci\u00f3n describe una canalizaci\u00f3n en la que c\u00e1maras de carretera de alta resoluci\u00f3n capturan im\u00e1genes de los veh\u00edculos que pasan, el software aisla el compartimento del conductor y modelos de aprendizaje autom\u00e1tico clasifican si hay un tel\u00e9fono o cintur\u00f3n de seguridad presente. Solo las im\u00e1genes que alcanzan un umbral de confianza se pasan a revisi\u00f3n humana. El art\u00edculo subraya que los humanos siguen siendo responsables de las determinaciones finales, pero la IA reduce dram\u00e1ticamente el conjunto de im\u00e1genes que necesitan ser revisadas.<\/p>\n El estudio enmarca la tecnolog\u00eda como un m\u00e9todo de recolecci\u00f3n de datos m\u00e1s que como una herramienta de aplicaci\u00f3n directa, lo cual es una distinci\u00f3n importante. La observaci\u00f3n naturalista significa que las c\u00e1maras registran el comportamiento tal como ocurre en condiciones de conducci\u00f3n reales, sin que el conductor necesariamente sepa que est\u00e1 siendo observado. Esa metodolog\u00eda produce una imagen m\u00e1s precisa de la frecuencia real de las infracciones en comparaci\u00f3n con las encuestas auto-reportadas, que tienden a subestimar el comportamiento de riesgo. Pero tambi\u00e9n significa que se fotograf\u00edan conductores dentro de sus veh\u00edculos sin su consentimiento, un hecho que los defensores de la privacidad en varios estados han se\u00f1alado como preocupante incluso cuando las im\u00e1genes se usan solo para investigaci\u00f3n.<\/p>\n Los investigadores argumentan que los beneficios de seguridad podr\u00edan ser sustanciales si los datos se usan para adaptar la aplicaci\u00f3n de la ley y la educaci\u00f3n a corredores, horarios o grupos de conductores de alto riesgo. Sin embargo, los mismos datos granulares podr\u00edan ser tentadores para usos secundarios, desde litigios civiles hasta la vigilancia laboral por parte de las empresas de transporte. El art\u00edculo se\u00f1ala que las decisiones de gobernanza y pol\u00edticas, m\u00e1s que las limitaciones t\u00e9cnicas, determinar\u00e1n en \u00faltima instancia cu\u00e1n intrusivos llegar\u00e1n a ser estos sistemas.<\/p>\n\n\n\n\n\n\n\n El despliegue local en la Highway 7 no existe en el vac\u00edo. El Departamento de Seguridad P\u00fablica de Minnesota<\/a> ha financiado por separado una subvenci\u00f3n que permite a su Oficina de Seguridad del Tr\u00e1fico analizar los datos sobre conducci\u00f3n distra\u00edda con mayor profundidad. La subvenci\u00f3n apoya estrategias de medici\u00f3n y aplicaci\u00f3n, incluidas iniciativas de datos que alimentan informaci\u00f3n a agencias locales y socios de seguridad en todo el estado.<\/p>\n Esta estructura de dos niveles, donde una agencia estatal financia la columna vertebral anal\u00edtica mientras los departamentos locales operan las c\u00e1maras, sugiere que Minnesota est\u00e1 construyendo hacia un despliegue m\u00e1s amplio en lugar de tratar la Highway 7 como un experimento aislado. Si la Oficina de Seguridad del Tr\u00e1fico puede demostrar que los datos se\u00f1alados por la IA se correlacionan con reducciones medibles de choques en el corredor, el argumento pol\u00edtico para expandir la tecnolog\u00eda a otras carreteras de alto riesgo se vuelve mucho m\u00e1s 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.<\/p>\n El lenguaje de la subvenci\u00f3n tambi\u00e9n insin\u00faa un bucle de retroalimentaci\u00f3n: a medida que los sistemas de IA generan informaci\u00f3n m\u00e1s detallada sobre cu\u00e1ndo y d\u00f3nde ocurre la conducci\u00f3n distra\u00edda, los analistas estatales pueden refinar las campa\u00f1as de aplicaci\u00f3n, lo que a su vez puede justificar despliegues tecnol\u00f3gicos adicionales. Esa din\u00e1mica podr\u00eda acelerar la adopci\u00f3n, pero tambi\u00e9n aumenta la importancia de establecer desde el principio las piezas de privacidad y transparencia correctamente.<\/p>\n\n\n\n\n\n\n\n Connecticut ha tomado un camino diferente. El Departamento de Transporte del estado public\u00f3 orientaci\u00f3n formal para los municipios sobre la aplicaci\u00f3n automatizada del tr\u00e1fico, actuando bajo la autoridad de la Public Act 23-116 y describiendo c\u00f3mo los gobiernos locales pueden optar por usar sistemas basados en c\u00e1maras. La orientaci\u00f3n se centra en la implementaci\u00f3n de c\u00e1maras de sem\u00e1foro en rojo y de velocidad<\/a> en zonas de seguridad designadas, con requisitos de se\u00f1alizaci\u00f3n, aviso p\u00fablico y manejo de datos.<\/p>\nEl piloto en la Highway 7 de Minnesota se\u00f1al\u00f3 miles de infracciones<\/h2>\n\n\n
Investigaci\u00f3n revisada por pares describe c\u00f3mo funciona la tecnolog\u00eda<\/h2>\n\n\n
Minnesota respalda la IA con subvenciones estatales para datos<\/h2>\n\n\n
Connecticut abre la puerta a la aplicaci\u00f3n automatizada<\/h2>\n\n\n