Actualmente, miles de personas se dedican a realizar grafitis en cualquier parte y es muy común encontrarlos en muchas áreas públicas. Además, Renfe ha señalado que “el coste directo asociado a grafitis superó los 11 millones de euros para Renfe, poniendo de relieve la urgencia de evolucionar desde modelos reactivos de limpieza posterior al daño hacia estrategias predictivas y preventivas”.
El problema de los grafitis va más allá de los trenes: afecta también a túneles, estaciones y otros activos. Y no solo se trata de grafitis, ahora estas bandas utilizan el freno de emergencia de los renfes para forzar paradas, lo cual afecta a la seguridad y mantenimiento de los trenes.
Este año, Renfe celebra su primer Concurso de Proyectos de Inteligencia Artificial, con el que la compañía tiene como objetivo usar la analítica para resolver problemas claves en el sector ferroviario. En este caso, ha decidido galardonar a la consultora especializada en el ciclo de vida integral del dato, Innova-tsn.
El motivo de esta decisión es principalmente porque la idea de Innova-tsn ha resaltado gracias a su enfoque predictivo que se basa en el uso de datos como forma de anticipamiento y reducción de actos conflictivos, en concreto de grafitis.
En base a esta situación, el Laboratorio de Inteligencia Artificial de Renfe ha lanzado el reto de los proyectos de IA con el objetivo de reducir o finalizar con este problema. La idea es usar la tecnología para entender cómo, cuándo y dónde se repiten los ataques, lanzar alertas con margen suficiente para actuar, reorganizar la vigilancia según el nivel de riesgo en cada momento, y en una fase más avanzada, aprovechar las cámaras ya instaladas para detectar comportamientos sospechosos en tiempo real. Asegurar explicabilidad del modelo, escalabilidad modular y alineamiento con los estándares de seguridad y cumplimiento normativo de Renfe.
La propuesta de Innova-tsn se basa en un sistema predictivo que combina inteligencia artificial explicable y analítica avanzada, pensado para desplegarse de forma progresiva y empezar a aportar valor desde el primer momento. El enfoque se apoya en tres ejes clave: analizar el histórico de grafitis cruzándolo con datos externos como el clima o eventos locales, generar mapas de riesgo por zonas y horarios que se actualizan constantemente, y lanzar alertas con al menos dos horas de antelación para reorganizar patrullas según la urgencia del momento.
El próximo paso es construir esta infraestructura cloud. El arranque de este proyecto tendrá lugar durante las próximas semanas.
En cuanto a su mecanismo, el piloto establecerá un marco de medición apoyado en KPIs operativos y económicos. El objetivo es claro: reducir significativamente los actos vandálicos, anticiparse con tiempo suficiente para actuar antes de que ocurran, optimizar recursos en limpieza y logística con un ahorro notable, y asegurar una experiencia positiva para el equipo de seguridad que lo utilice. Si los resultados son positivos, se planteará escalar el sistema a otras zonas y añadir, de forma progresiva, funciones de visión artificial usando las cámaras ya instaladas.