La Inteligencia Artificial de las Cosas (AIoT) es la combinación de la Inteligencia Artificial (IA) con el Internet de las Cosas (IoT). Mientras que el IoT se refiere a una red interconectada de dispositivos que recopilan y comparten datos, la IA procesa y analiza esos datos para convertir esos dispositivos en “Smart”.
Así, el conjunto de ambas, que tiene sus siglas en AIoT, tiene el potencial de transformar una variedad de industrias, haciendo que los dispositivos y sistemas sean más inteligentes, autónomos y eficientes. Esta combinación de tecnologías permite un procesamiento de datos más rápido y preciso, lo que a su vez conduce a una toma de decisiones más informada y automatizada.
Por eso, la Inteligencia Artificial de las Cosas tiene la capacidad de enfatizar la maximización de la puesta en valor de los datos, ofreciendo múltiples ventajas a las administraciones públicas como son: el análisis en profundidad y en tiempo real de los grandes volúmenes de datos generados por los dispositivos IoT; la personalización de las experiencias de los usuarios basándose en patrones y comportamientos, aumentando por tanto la satisfacción del cliente, reducción de costos operativos y mejora de la eficiencia al anticipar y resolver problemas proactivamente; la mejora de la seguridad a través del monitoreo constante y la detección de anomalías o impulso de la eficiencia energética; y la gestión del ciclo del agua, contribuyendo a mejorar la detección de fugas en tiempo real, posible fraudes, y predecir y conocer las necesidades reales de distribución de agua potable.
Un ejemplo muy claro lo encontramos en la medición de la calidad del aire de las ciudades. Se estima que actualmente el 80% de la población mundial vive en ciudades, y que estas son responsables de casi el 70% de las emisiones de CO2 a la atmósfera.
Ya son muchas las urbes que cuentan con estaciones de medición de la calidad del aire, haciendo que se dispongan de datos históricos de varios años atrás. Es decir, se trata de series temporales que podrían ser analizadas mediante modelos de inteligencia artificial. Sin embargo, en la mayoría de las ciudades este análisis no se hace. En su lugar, sólo se procede a hacer una visualización de una serie temporal y, como mucho, lanzar alarmas cuando los valores medidos superan los valores definidos en el índice nacional de calidad del aire.
La IA en las AA.PP.
Para resolver el hándicap anterior, se puede plantear el desarrollo de un conjunto de servicios, basados en inteligencia artificial, que pongan en valor esas medidas de calidad del aire de las que disponemos, y que vayan más allá de un mero análisis descriptivo de los valores observados. De esta manera se podrían realizar predicciones a corto y medio plazo y conseguir responder a cuestiones como cuándo se alcanzarán niveles críticos de polución, qué meses del año son más peligrosos, qué impactos puntuales se han detectado o si la tendencia actual es ascendente, descendente y a qué velocidad.
Otro elemento interesante de análisis de la serie temporal sería la detección de anomalías, es decir, valores observados que difieren significativamente de los valores habituales o esperados. La identificación de por qué suceden dichas anomalías gracias a la IA podría ayudar a entender mejor los patrones del comportamiento de la contaminación.
Otro ejemplo, en el que la Inteligencia Artificial puede ayudar a las AAPP, está relacionado con la eficiencia energética. El coste del consumo eléctrico en los edificios varía, lógicamente, según el tamaño del edificio, la ubicación geográfica, el clima y otros factores. Sin embargo, en general, el consumo eléctrico, ya sea para la iluminación, la calefacción, o la refrigeración, representa una parte significativa de los costes operativos y de mantenimiento de un edificio. Además, el coste del consumo eléctrico también está relacionado con el impacto ambiental de las emisiones de gases de efecto invernadero generadas por la generación de electricidad.
A medida que las políticas y regulaciones climáticas se vuelven más estrictas, el coste del consumo eléctrico en términos de responsabilidad ambiental también puede aumentar. Por lo tanto, reducir el consumo eléctrico en los edificios no sólo supondría un ahorro significativo de los costes, sino que además es un paso muy importante para mitigar el cambio climático. Esto se puede lograr mediante la adopción de medidas de eficiencia energética, como la instalación de equipos eficientes, el uso de materiales de construcción sostenibles y el fomento de prácticas de conservación de energía entre los ocupantes del edificio.
Cada dato recopilado por los dispositivos IoT se vuelve significativo y accionable gracias a la IA, maximizando el valor de cada pieza de información y facilitando una inteligencia empresarial y operativa mejorada
En este sentido, el Big Data y la Inteligencia Artificial pueden contribuir significativamente a mejorar la eficiencia energética en los edificios a través de la automatización y la optimización de los sistemas. Actualmente son muchos los edificios que cuentan con sensores que miden la energía total, energía activa/reactiva, potencia, etc. Al igual que ocurría en el anterior ejemplo, las medidas suelen tomarse cada quince minutos, y ya se dispone de varios años de datos históricos. Es decir, se trata de series temporales que podrían ser analizadas mediante modelos de inteligencia artificial. Sin embargo, en la mayoría de estos edificios este análisis no se hace. En su lugar, sólo se procede a hacer una visualización de la serie temporal, y como mucho, lanzar alarmas cuando los valores medidos superen unos valores predefinidos.
Así, gracias a la IA se podrían poner en valor esas medidas de consumo de las que se disponen y enriquecerlas con fuentes de datos externas, de manera que vayan más allá de un mero análisis descriptivo de los valores observados.
De este modo, se podrían responder a preguntas como cuándo se alcanzarán niveles críticos, de coste, o de huella de carbono, si existe un ciclo no estacional y a qué es debido, qué impactos puntuales se han detectado y porqué ocurren, cual es el coste del consumo ante las bajas laborales, cuánto ahorro supondría una bajada de un grado en la temperatura, qué pasaría si por las noches se apaga la cartelería exterior y/o los equipos informáticos o qué tendría que hacer para conseguir un ahorro de 6.000 MWh.
Por otro lado, tal y como mencionábamos en párrafos anteriores, la IA puede ayudar a la gestión del uso del agua. Las ciudades contemporáneas se enfrentan a numerosos desafíos en cuanto al suministro y consumo de agua potable. Hablamos de desafíos como el cambio climático, el crecimiento poblacional y la urbanización acelerada que aumentan la demanda de agua potable en las ciudades, la contaminación del agua o el envejecimiento de la infraestructura de agua en muchas ciudades que puede conducir a fugas y desperdicio de agua.
La combinación de la inteligencia artificial (IA) y el Internet de las Cosas (IoT) puede permitir una gestión más inteligente y eficiente del ciclo del agua en las ciudades. Y es que los
dispositivos IoT, como los sensores instalados en la infraestructura de agua, pueden recopilar una gran cantidad de datos en tiempo real, como los niveles de uso, la calidad del agua y las condiciones del sistema. Estos datos pueden ser analizados por algoritmos de IA para detectar patrones, prever demandas y identificar problemas, como fugas o contaminantes. En conjunto, la AIoT ofrecen la promesa de una gestión del agua más inteligente y proactiva, capaz de adaptarse a las necesidades cambiantes de las ciudades y enfrentar los retos de un mundo en constante cambio climático.
En definitiva, la AIoT transforma los datos crudos en información valiosa, acciones automatizadas y decisiones informadas. Cada dato recopilado por los dispositivos IoT se vuelve significativo y accionable gracias a la IA, maximizando el valor de cada pieza de información y facilitando una inteligencia empresarial y operativa mejorada. Esto se traduce en organizaciones más ágiles, eficientes y competitivas, capaces de adaptarse rápidamente a un entorno en constante cambio.
