La conversación sobre ciudades autónomas suele oscilar entre el entusiasmo tecnológico y el temor a perder el control. Esta guía propone una salida intermedia: concebir la ciudad como un sistema de sistemas, donde movilidad, energía, agua, seguridad, salud, servicios públicos e infraestructura digital operan con grados variables de percepción, decisión, ejecución y aprendizaje. Bajo esa lectura, la autonomía deja de ser un destino y se convierte en un continuo que se recorre por fases, siempre bajo gobierno y rendición de cuentas humanos. Asimismo, se distingue entre automatización y autonomía: un semáforo de tiempos fijos es automático, mientras que un sistema adaptativo que ajusta el tráfico con datos de congestión y seguridad en tiempo real ya es autónomo. La inteligencia artificial actúa como habilitador, junto con sensores, actuadores, sistemas de control, gobernanza de datos y salvaguardas institucionales. Esa distinción resulta útil para quienes deben decidir dónde conviene mantener a una persona en el circuito y dónde delegar la ejecución a un sistema.

Para ordenar esa gradación, el texto define cuatro niveles. En el primero, humano en el circuito, la IA solo asesora y la decisión final y la responsabilidad recaen en una persona. En el segundo, humano supervisor, la IA ejecuta tareas dentro de parámetros estrictos mientras un operador monitorea, fase que se presenta como la transición habitual para la IA en entornos públicos y que exige infraestructura resiliente y monitoreo de baja latencia. En el tercero, humano al mando, la persona fija reglas, restricciones y objetivos sin intervenir en cada acción. El cuarto, humano fuera del circuito, implica percibir, decidir y actuar sin intervención, y reclama pruebas previas muy exigentes, cumplimiento de soberanía y residencia de datos, y legislación sobre responsabilidad y auditoría. A su vez, todo sistema autónomo se descompone en cinco componentes: sensores, percepción y modelado del entorno, toma de decisiones y planificación de acciones, actuadores y un módulo de aprendizaje.

Sobre esa base se construye un marco de evaluación con puntajes de 0 a 4. Por un lado, mide los componentes específicos: percepción del entorno (cuatro preguntas), toma de decisiones (tres) y aprendizaje (dos). Por otro, revisa 20 factores generales, que incluyen nueve principios de IA, entre ellos legalidad, privacidad, equidad, explicabilidad, rendición de cuentas, seguridad y robustez, y once consideraciones adicionales como riesgo, preparación, interoperabilidad, accesibilidad, confiabilidad y mantenibilidad. Los puntajes de cada sistema pueden agregarse en un indicador de ciudad mediante promedios simples o ponderados por criticidad, escala o impacto, con una advertencia relevante: un puntaje alto no es deseable por sí solo si las salvaguardas son débiles. La metodología avanza en cuatro pasos iterativos: línea base, meta, implementación y evaluación.

Para el sector eléctrico, el interés es directo. La energía figura entre los sistemas de mayor ponderación, y el texto advierte que una perturbación en la red puede repercutir en el transporte, los servicios de salud, la conectividad y la seguridad pública, además de mencionar el mantenimiento predictivo basado en sensores como ejemplo de autonomía aplicada. Los riesgos tampoco se omiten: ciberataques, manipulación de datos, responsabilidad legal difusa, mayor consumo energético y residuos electrónicos, y brechas de interoperabilidad. De ahí que las recomendaciones insistan en pilotos, pruebas rigurosas en sistemas críticos, rutas de escalamiento, requisitos de auditoría y participación ciudadana. Para los profesionales del sector energético colombiano, la lectura ofrece criterios concretos para decidir cuánta autonomía conviene en cada proceso, con qué salvaguardas y bajo qué responsabilidades, en favor de un sistema eléctrico confiable, sostenible y resiliente.

Para leer más ingrese a:

https://www.itu.int/epublications/en/publication/autonomous-cities-and-ai-the-next-frontier-of-urban-transformation