Trenes automatizados, un mantenimiento capaz de anticipar averías, anuncios adaptados a los viajeros y pagos mediante reconocimiento facial: la inteligencia artificial ya está transformando numerosos aspectos del ferrocarril. La experimentación y los despliegues avanzan en todo el mundo, aunque a ritmos diferentes, entre las promesas de beneficios económicos, las restricciones normativas y las cuestiones de aceptación social.
El ferrocarril sigue siendo una actividad que requiere mucho capital. La construcción y modernización de las vías, la compra de trenes, su mantenimiento y la gestión diaria de las circulaciones representan gastos importantes para los operadores. El aumento del número de viajeros no siempre basta para aliviar esta presión sobre los costes. En este contexto, las herramientas digitales y la inteligencia artificial se perfilan como palancas para mejorar la eficiencia de las redes y la calidad del servicio.
Sus aplicaciones van mucho más allá de la imagen espectacular del tren sin conductor. También incluyen la detección temprana de fallos, la optimización de la conducción, la asistencia a los viajeros en las estaciones y la agilización del acceso al transporte. Según una estimación de la consultora BCG recogida por AFP, la IA podría permitir al sector ferroviario mundial reducir sus costes entre 36.000 y 79.000 millones de dólares.
Automatizar la conducción y reforzar la seguridad de las circulaciones
Los vehículos ferroviarios autónomos son una de las aplicaciones más visibles de esta transformación. Presentada en la feria InnoTrans de Berlín, una unidad experimental de Deutsche Bahn, denominada Automated Train, está diseñada para circular sin conductor entre un depósito y una estación. Su velocidad máxima es de 40 km/h. Lidares, sensores ultrasónicos y cámaras infrarrojas le permiten detectar obstáculos y, si es necesario, activar el frenado.
El proyecto forma parte de un esfuerzo más amplio para modernizar las infraestructuras alemanas. El Ministerio de Economía aportó 42 millones de euros a este programa, en el marco de las inversiones previstas para renovar la red. La automatización busca, en particular, agilizar ciertas operaciones y reducir la carga asociada a las tareas repetitivas. La startup española Ostirion presentó un sistema que utiliza IA para ayudar a los conductores en su trabajo.
Algunas redes ya están probando formas de conducción automatizada
En Rusia, los trenes de pasajeros del Moscow Central Circle se conducen a distancia, con un conductor supervisor a bordo. El sistema está diseñado para detectar a un peatón a una distancia de hasta 600 metros y reaccionar en 0,3 segundos. El operador prevé desarrollar la autonomía en toda su red para 2029.
Estos sistemas no significan que la presencia humana vaya a desaparecer de inmediato. Las pruebas y las primeras puestas en servicio suelen contar con supervisión, mientras que los sistemas de percepción y toma de decisiones deben evaluarse en situaciones variadas. La seguridad, la fiabilidad de los equipos y su capacidad para reaccionar ante imprevistos son determinantes antes de cualquier generalización.
Las cuestiones sociales también son importantes. En Alemania, el sindicato de conductores GDL sigue de cerca los proyectos de trenes automatizados y teme que las mejoras de eficiencia se utilicen para justificar recortes de empleo. Por tanto, la evolución tecnológica del ferrocarril también depende del diálogo con el personal afectado y de cómo se integren las nuevas funciones en los distintos oficios.
Anticipar las averías gracias al mantenimiento predictivo
Menos espectacular que un tren autónomo, el mantenimiento predictivo constituye un ámbito de aplicación importante. Sensores y sistemas de análisis supervisan el estado de los trenes y de los equipos de la red para detectar anomalías antes de que provoquen una avería o la inmovilización de un tren. Al anticipar las intervenciones, los operadores pueden planificar mejor los trabajos en taller y reducir las interrupciones del servicio.
En Japón, cámaras asociadas a la IA inspeccionan, entre otros elementos, algunos componentes de los trenes y de las infraestructuras, como las catenarias, en la línea JR East. El análisis automatizado de las imágenes puede señalar un posible defecto y ayudar a los equipos a focalizar sus inspecciones. En un sector en el que las operaciones de mantenimiento requieren muchos recursos, detectar antes una anomalía puede reducir los plazos y los costes de intervención.
En Francia, las aplicaciones ferroviarias de la IA se centran, entre otros ámbitos, en el mantenimiento y la conducción. La multiplicación de los sensores embarcados proporciona más datos sobre el estado de los trenes y facilita el seguimiento de su funcionamiento. Cuando se produce una avería pese a las medidas preventivas, las herramientas de ayuda al diagnóstico pueden proponer varias posibles reparaciones en cuestión de segundos.
Estas recomendaciones pueden basarse en el historial del tren, recopilado durante varios años, así como en los documentos técnicos y los informes de intervención. Las posibles causas se clasifican según su probabilidad para ayudar a los equipos a orientar sus investigaciones. La IA no sustituye la experiencia de los técnicos: reúne y organiza información que puede acelerar la identificación de un problema.
Reducir el consumo de energía y mejorar la regularidad
La inteligencia artificial también interviene en la conducción diaria de los trenes. Las herramientas de conducción eficiente proporcionan a los conductores indicaciones en tiempo real para adaptar la velocidad y anticiparse a las pendientes o las paradas. El objetivo es limitar las aceleraciones y frenadas que consumen mucha energía, respetando al mismo tiempo las restricciones de circulación y los horarios.
En los TGV de SNCF, este tipo de asistencia se asocia a una reducción del consumo de electricidad estimada entre el 8 % y el 10 %. Se trata de una cuestión importante para un gran operador ferroviario cuyos trenes representan una parte considerable del consumo energético. La optimización también puede contribuir a una conducción más regular y a la comodidad de los viajeros, siempre que las recomendaciones sean compatibles con la seguridad y las exigencias operativas.
En Corea del Sur, en el metro de Daegu, un sistema analiza en tiempo real la conducción de los empleados y la compara con un modelo de conducción considerado óptimo. A continuación, puede proponer asistencia personalizada. El análisis de las prácticas permite así detectar los aspectos que deben mejorarse y adaptar la formación, con el objetivo de mejorar la puntualidad y la comodidad a bordo.
Adaptar la información y la asistencia a los viajeros
La transformación digital también afecta a la experiencia en las estaciones. En Japón, en la red Meitetsu, algunos anuncios por megafonía se generan mediante IA, especialmente en las estaciones sin personal. Las cámaras inteligentes pueden detectar situaciones en las que un viajero parece necesitar ayuda. A continuación, un sistema de generación de lenguaje puede proporcionar indicaciones al pasajero y avisar a los servicios de emergencia.
Este enfoque, descrito a veces como una forma de vigilancia benevolente, ilustra la doble función de estas tecnologías: mejorar la asistencia y, al mismo tiempo, analizar imágenes captadas en lugares públicos. Por tanto, su despliegue plantea cuestiones sobre la recopilación y conservación de los datos, las modalidades de vigilancia y la información que se ofrece a las personas afectadas.
Las herramientas digitales también pueden agilizar el acceso al transporte. En Rusia, el servicio Face Pay permite pagar y pasar los controles de acceso de la red de Moscú mediante reconocimiento facial. Está disponible en 240 estaciones y cuenta con unos 200.000 usuarios registrados. En China, el reconocimiento facial se utiliza desde 2017 para embarcar en algunos trenes de alta velocidad y en varias redes de metro.
En Estocolmo, se instalaron cámaras conectadas a la IA para detectar comportamientos que pudieran indicar una situación peligrosa en las estaciones. Según el estudio del Hub Institute para SNCF Voyageurs, este sistema habría contribuido a salvar 39 vidas en tres años. Estos usos ponen de manifiesto el potencial de la detección temprana, pero también recuerdan la necesidad de definir con precisión los fines, las responsabilidades y los límites de la vigilancia.
Niveles de despliegue muy distintos según las regiones
Las aplicaciones de la inteligencia artificial en el ferrocarril no avanzan al mismo ritmo en todas partes. Varios proyectos asiáticos muestran usos ya integrados en la explotación, el mantenimiento o la asistencia a los pasajeros. En Europa, muchas iniciativas siguen en fase de experimentación o encuentran más dificultades para pasar a una explotación a gran escala.
Esta diferencia no se explica únicamente por los presupuestos. Las normas sobre datos personales, los requisitos de seguridad, las cuestiones éticas y las relaciones laborales influyen en el calendario de los proyectos. En Europa, el reconocimiento facial está sujeto a estrictas normas de protección de datos y al AI Act. Algunos usos biométricos están prohibidos o sometidos a importantes restricciones.
Antes de aplicar un sistema desarrollado en otro país, los operadores deben evaluar su grado de madurez y su aceptación en el contexto propio. El desenfoque de imágenes, la anonimización de los datos y la limitación de la información recopilada figuran entre las medidas propuestas para proteger mejor la privacidad. El reto consiste en determinar qué funciones pueden aportar realmente un beneficio sin crear riesgos desproporcionados.
Inversiones importantes, beneficios por medir
El potencial económico de la IA atrae a los operadores en un momento en que varios países están poniendo en marcha grandes programas de renovación ferroviaria. Tanto en Alemania como en Francia, las necesidades de modernización afectan a las vías, los equipos y los trenes. Los ahorros que podrían lograrse mediante el mantenimiento predictivo, la automatización o la optimización energética pueden ayudar a compensar parte de estos gastos, pero su magnitud depende de las condiciones de despliegue.
Los resultados deben evaluarse más allá de los beneficios financieros. La regularidad del servicio, el número de averías evitadas, el tiempo de inmovilización de los trenes, el consumo de energía y la calidad de la información a los viajeros también son indicadores importantes. Una herramienta que funciona bien en una prueba puede necesitar adaptaciones antes de utilizarse en toda una red, donde los equipos, los flujos y las limitaciones varían.
En Francia, SNCF afirma haber desplegado 120 casos de uso relacionados con la inteligencia artificial. Los ejemplos más avanzados se centran, en particular, en el mantenimiento del material y la asistencia a la conducción. Su desarrollo se basa en una cantidad cada vez mayor de datos recopilados por los trenes, los equipos de vía y las herramientas de explotación, así como en la experiencia del personal que interpreta los resultados de los sistemas.
