El 7 de octubre reunimos en Digitaliza Madrid a investigadores, empresas tecnológicas y gestores de movilidad para hablar de algo muy concreto: qué hace falta para que los datos de movilidad sirvan para decidir mejor. Estas son las ideas que nos llevamos.
Hubo una idea que se repitió, con distintas palabras, en casi todas las intervenciones: el problema ya no es tener datos. Datos hay, y cada vez más. El reto está en conectarlos, entenderlos y convertirlos en decisiones a tiempo.
Con esa idea organizamos Data4voices, «Del dato a la movilidad conectada». Una mañana para escuchar a quienes trabajan cada día con datos de movilidad y para contar, sin rodeos, en qué punto estamos.
Dónde está DS4MM hoy
Abrimos la jornada con una foto del proyecto. Hemos cerrado la fase de diseño, en la que definimos casos de uso, datos, gobernanza y arquitectura, y ahora estamos construyendo. A finales de 2026 el espacio de datos entra en fase de pruebas con datos reales de los pilotos, y en la primavera de 2027 validaremos los resultados.
Lo que entreguemos en mayo de 2027 quiere ser una propuesta práctica de cómo puede funcionar el Espacio de Datos Integrado de Movilidad (EDIM) que crea la Ley de Movilidad Sostenible. Ya no se trata de explicar qué es un espacio de datos, sino de demostrar que funciona.
Lo que nos contaron los ponentes
Planificar empieza por entender a las personas
Andrés Monzón, catedrático de Ingeniería del Transporte de la Universidad Politécnica de Madrid (TRANSyT), abrió las ponencias recordando algo que a veces damos por hecho: para planificar bien hay que entender la demanda. Y la demanda no son solo viajes que se cuentan. Son decisiones de personas, con sus hábitos, sus expectativas y sus razones para elegir un modo de transporte u otro.
Su recorrido fue del dato a la información, de la información al conocimiento y del conocimiento a la decisión. Las nuevas fuentes, como el vehículo conectado, las trayectorias de los móviles o los aforos por imagen, multiplican lo que podemos medir. Pero no sustituyen a las encuestas: siguen siendo imprescindibles para entender por qué nos movemos como nos movemos.
Una frontera, tres países y un mismo lenguaje de datos
El piloto transfronterizo es probablemente el mejor ejemplo de para qué sirve un espacio de datos. Isidro Arrieta, socio fundador de Ingartek, explicó el punto de partida: datos de España, Francia y Portugal con formatos, frecuencias e identificadores distintos, repartidos entre administraciones con competencias cruzadas. Su equipo los armoniza sin perder el vínculo con la fuente original, de forma que cada dato sigue diciendo de dónde viene y qué limitaciones tiene.
Antonio Pellicer, investigador senior y jefe de proyecto en Aimsun, enseñó qué se puede hacer después con esos datos. Distinguió entre los modelos de simulación, que responden a «¿qué pasaría si…?», y los modelos basados en datos, que responden a «¿qué va a pasar?». No compiten: se complementan. En el corredor entre Euskadi, Navarra y Francia, el objetivo es anticipar la congestión con una hora de margen y medir las emisiones de CO2 por tramo, con los mismos indicadores a ambos lados de la frontera.
Anticiparse a la nieve
Miguel Carpio, coordinador de DS4MM en EYSA, y Javier Tarriño, coordinador de Innovación de CPS, bajaron el espacio de datos a un problema muy reconocible: qué hacer con los camiones cuando hay alerta por nieve. Hoy se les puede desviar a aparcamientos de emergencia, pero la pregunta clave es otra: ¿habrá sitio cuando lleguen?
El caso de uso combina datos abiertos, como la red de carreteras, las incidencias, la meteorología o el catálogo de aparcamientos, con datos de tráfico y de paneles de mensajería variable. Con ellos, el modelo estima cuándo se llenará cada aparcamiento y recomienda en cada panel los que seguirán por debajo del 80 % de ocupación a la hora prevista de llegada. Del aviso genérico pasamos a un mensaje que ayuda a decidir: por ejemplo, que el siguiente aparcamiento estará lleno en 20 minutos.
El reto no es tener más datos
Desde NTT DATA, Carme Moreu Alfós y Juan Carlos Fernández pusieron nombre al problema de fondo: tenemos más datos que nunca, pero siguen siendo difíciles de usar juntos. Un dato aislado vale poco. El valor aparece cuando lo conectamos, le damos contexto y lo convertimos en decisiones.
También aclararon algo que conviene repetir: un espacio de datos no es un gran almacén centralizado ni una API abierta. Es un entorno gobernado e interoperable en el que cada organización mantiene el control sobre sus datos y decide con quién los comparte y para qué.
Del dato al modelo, y vuelta
Antes de la mesa redonda, Antonio Pellicer y Carme Moreu Alfós mostraron el recorrido completo, de extremo a extremo: un proveedor ofrece sus datos en el espacio de datos, un modelo los utiliza con permiso y los resultados vuelven al espacio de datos para que otros actores autorizados puedan reutilizarlos. Es, en pequeño, la lógica de todo el proyecto.
La inteligencia artificial, a debate
Cerramos con una mesa redonda sobre una pregunta muy de ahora: ¿cómo puede transformar la inteligencia artificial la forma en que las administraciones toman decisiones sobre movilidad? La moderó Miguel Carpio con un hilo conductor original: imaginar el día a día de una ingeniera de caminos que, dentro de unos años, gestiona el tráfico de una gran ciudad desde su centro de control, con un asistente de IA a su lado.
Fabiola Pérez, CEO de MIOTI, defendió que la IA bien usada complementa al profesional: acorta la curva de aprendizaje de quien acaba de llegar y ayuda a que el conocimiento de los más veteranos, ese que nunca se escribió, no se pierda. Para ella, el debate ya no gira solo en torno al dato, sino al conocimiento: quién lo tiene, cómo se comparte y de quién es.
Laura Tordera, Global Head of Innovation & AI de Ferrovial, llevó la conversación al terreno de las infraestructuras. La IA generativa ya está entrando en el diseño, y la digitalización hace que cliente, contratista y subcontratista trabajen cada vez más sobre la misma información. También advirtió de una brecha creciente entre quienes entienden la IA y quienes se quedan fuera, y de la necesidad de pensar ya en sus efectos sociales.
Adela Olano, directora de ESG de EYSA, puso el foco en la sostenibilidad. La IA también deja huella, por ejemplo en el consumo de energía y de agua de los centros de datos, y hay que medir no solo lo que cuesta, sino lo que se consigue con ella, como las emisiones que ayuda a evitar. Y recordó que la transición tiene que ser justa, con formación para que nadie se quede atrás.
Desde DS4MM lo tenemos claro: sin datos compartidos, de calidad y bien gobernados, la inteligencia artificial difícilmente será útil para la gestión pública de la movilidad.
Cinco ideas que nos llevamos
- Datos hay. El reto es usarlos juntos. El cuello de botella no está en generar más información, sino en conectarla con reglas y confianza.
- Para planificar hay que entender a las personas. Contar viajes no basta: hay que saber por qué nos movemos como nos movemos.
- Interoperar no es uniformar. Se puede armonizar datos de distintos países sin perder de dónde viene cada uno ni sus limitaciones.
- Anticipar en lugar de reaccionar. Una hora de margen ante la congestión o saber que un aparcamiento se llenará en 20 minutos cambia la forma de gestionar.
- Simulación y datos se complementan. Unos modelos ayudan a evaluar escenarios que aún no han ocurrido y otros a prever lo que está a punto de pasar.
Gracias a Miguel Carpio, Andrés Monzón, Isidro Arrieta, Antonio Pellicer, Javier Tarriño, Carme Moreu Alfós, Juan Carlos Fernández, Laura Tordera, Fabiola Pérez y Adela Olano por compartir su conocimiento con tanta generosidad. Gracias a todas las personas que nos acompañasteis, por vuestras preguntas y por las conversaciones que siguieron en el networking. Y gracias a Digitaliza Madrid por abrirnos sus puertas.
