El 23 de septiembre de 1999, a las 09:04 UTC, la antena de la Mars Climate Orbiter dejó de emitir. La sonda había viajado nueve meses hasta Marte y debía insertarse en órbita a 226 kilómetros de altura. Pasó a 57. La atmósfera marciana hizo el resto. La comisión de investigación de la NASA tardó siete semanas en encontrar la causa, y no estaba en el espacio: un fichero de software de tierra calculaba los pequeños impulsos de los propulsores en libras-fuerza por segundo cuando la especificación exigía newtons por segundo. Un factor de 4,45. Nadie lo detectó en nueve meses de navegación. El modelo orbital era impecable. El dato de entrada, no.

Conviene recordar esa historia ahora, cuando cada semana aparece un modelo nuevo que promete interpretar el territorio sin que nadie tenga que pisarlo. Porque la lección de 1999 no ha caducado. Ha cambiado de escala.

El mito del 80 % y lo que de verdad dicen las encuestas

Habrá oído la cifra: los científicos de datos dedican el 80 % de su tiempo a limpiar datos. Es una de esas estadísticas que circulan sin dueño. Leigh Dodds, de la Open Data Institute, siguió la cadena de citas en 2020 y llegó a una encuesta de CrowdFlower de 2016 que Forbes popularizó: el 60 % del tiempo se iba en limpiar y organizar datos y otro 19 % en recopilarlos. El 80 % es la suma. Encuestas posteriores dan cifras más bajas: Anaconda, con casi 2.400 respuestas de más de cien países, situó en 2020 la preparación de datos en torno al 45 % de la jornada, con la limpieza como la tarea más pesada.

Da igual si es el 45 o el 80. Lo relevante es que, en una disciplina que se vende por sus modelos, la mitad del trabajo sigue siendo arreglar lo que llega. Y en la encuesta de Forbes había otro dato que casi nadie cita: para el 57 % de los encuestados, limpiar datos era además la parte menos agradable del oficio. Es decir, el trabajo que más determina el resultado es el que menos quiere hacer nadie.

La idea tampoco es nueva. La expresión garbage in, garbage out apareció impresa por primera vez en un periódico de Indiana el 10 de noviembre de 1957, en boca de un especialista del Ejército estadounidense que trabajaba con los primeros ordenadores. Setenta años después sigue siendo la frase más repetida y menos aplicada de la informática.

Lo que la IA geoespacial sí ha cambiado

No es escepticismo con la tecnología. El salto es real. En julio de 2025 Google DeepMind presentó AlphaEarth Foundations, un modelo que integra imagen óptica, radar, LiDAR y simulaciones climáticas para describir cada celda de 10 por 10 metros del planeta con un vector de 64 dimensiones. Según la compañía, reduce el error medio un 24 % frente a otros sistemas en 15 conjuntos de evaluación, y más de 50 organizaciones ya lo probaban antes del lanzamiento. Esri, por su parte, distribuye una biblioteca de más de cien modelos preentrenados para ArcGIS: extracción de edificios, cobertura del suelo, segmentación de arbolado, detección de vehículos. Se pueden usar sin etiquetar nada.

Fíjese en un detalle de la documentación de Esri. Los modelos vienen listos, pero la propia compañía recomienda reentrenarlos para «su ubicación, su paisaje, su resolución o su tipo de sensor». Es la admisión honesta de que el modelo generalista no conoce su dato. Y AlphaEarth, con toda su ambición, resume el mundo a celdas de diez metros. Útil para política agraria o seguimiento de deforestación. Insuficiente para saber si un talud se ha movido tres centímetros o si un conductor eléctrico incumple la distancia de seguridad sobre un camino.

Lo que ha cambiado, por tanto, es el coste de interpretar. Clasificar una nube de puntos o segmentar una ortofoto, que hace diez años exigía semanas de trabajo manual, hoy se resuelve en horas si el dato es bueno. El cuello de botella se ha movido hacia arriba, hacia el origen.

Dónde se fabrica el error

En el trabajo geoespacial el dato malo rara vez es un valor absurdo que salta a la vista. Es un error silencioso y sistemático, como el de la Mars Climate Orbiter. Un sensor LiDAR con el ángulo de montaje mal calibrado produce una nube de puntos perfectamente densa y perfectamente desplazada. Un vuelo con solape insuficiente deja huecos que el software interpola con elegancia. Una cámara térmica sin corrección radiométrica entrega imágenes vistosas y temperaturas falsas. Un punto de control medido con prisa desplaza toda la georreferenciación unos centímetros que nadie notará hasta que dos levantamientos no casen.

Ningún modelo de IA corrige eso. Al contrario: lo aprende. Un clasificador entrenado sobre nubes mal alineadas aprenderá que las líneas eléctricas tienen el doble de grosor y que los taludes tienen escalones. Y lo hará con mucha confianza, porque la confianza del modelo no mide la calidad del dato de entrada, sino la coherencia con lo que ya vio. Cuanto mejor sea el modelo, más convincente será el error.

Por eso en el orbitador la comisión de la NASA no se limitó al fichero de unidades. Señaló lo que había alrededor: un equipo de navegación sobrecargado, sin revisión independiente, con señales de que algo no cuadraba que se atribuyeron a ruido. Es un patrón reconocible. Cuando la organización confía en el modelo, deja de mirar el dato.

Capturar bien es la parte cara, y también la que importa

Aquí está la tesis, y la diremos sin rodeos: en ingeniería geoespacial, el valor y el riesgo siguen estando en la captura. En el vuelo bien planificado, con el sensor adecuado para la pregunta que se hace. En la calibración, que no es un trámite de laboratorio sino una decisión que condiciona cada medida posterior. En la clasificación de la nube, que es donde una masa de puntos se convierte en suelo, vegetación, edificio o conductor, y donde un criterio mal definido contamina todo lo que venga después.

Tres fases, en realidad. Capturar: el sensor, la plataforma y el plan de vuelo. Estructurar: alinear, calibrar, clasificar, convertir la medida en un dato con el que se pueda trabajar. Interpretar: el modelo, el análisis, la decisión. La IA ha abaratado espectacularmente la tercera. No ha tocado la primera, y la segunda solo funciona si la primera se hizo bien. Quien invierte toda su atención en la tercera fase está optimizando el 20 % de la cadena y heredando el 80 % restante de alguien a quien no conoce.

Esto tiene una consecuencia práctica para quien contrata. La pregunta no es qué modelo usa el proveedor. Es con qué sensor voló, cómo lo calibró, qué solape tenía la misión, cuántos puntos de control midió y con qué criterio clasificó. Son preguntas aburridas. Son las únicas que importan.

Lo que hacemos nosotros con esto

En Azimutal llevamos tres décadas midiendo el territorio y hace tiempo que tomamos una decisión poco glamurosa: controlar las tres fases. Volamos con sensores propios, LiDAR aéreo y terrestre, RGB, multiespectral y térmico, y los calibramos nosotros, porque un sensor ajeno es un dato cuyo origen no podemos defender. Clasificamos las nubes de puntos con software propio, porque la clasificación es donde se fija el criterio, y el criterio no se subcontrata. Y solo entonces interpretamos: ortofotos, cartografía entre 1:500 y 1:50.000, modelos de red.

Eso no nos hace inmunes al error. Nos hace responsables de él, que es distinto. Cuando una ortofoto de un parque eólico o un inventario de líneas eléctricas no cuadra, sabemos en qué fase mirar y tenemos la traza para hacerlo. Más de 300 parques eólicos, más de 100 plantas fotovoltaicas y más de 10.000 kilómetros de líneas capturados nos han enseñado una cosa sencilla: los modelos mejoran cada año, y cada año el dato de origen sigue siendo lo que decide si el resultado sirve.

La IA va a seguir sorprendiéndonos. Pero no resucitará a la Mars Climate Orbiter, ni enderezará un vuelo mal hecho. Un modelo solo puede ser tan bueno como el dato que alguien, en algún momento, decidió capturar con cuidado.

Fuentes