En el marco de su primer Concurso de Proyectos de Inteligencia Artificial, Renfe ha seleccionado a la consultora Innova-tsn como ganadora del reto “Sistema Predictivo de Prevención de Grafitis mediante IA”. Se pretende así impulsar el uso de la analítica avanzada para resolver desafíos operativos clave en el entorno ferroviario.
En este sentido, la propuesta seleccionada destaca por su enfoque proactivo y basado en datos para anticipar y reducir actos vandálicos, especialmente ataques con grafiti sobre material rodante y determinadas instalaciones críticas. Este tipo de vandalismo genera un impacto significativo en la operativa ferroviaria debido a los costes de limpieza y reparación, la retirada temporal de trenes del servicio, el deterioro de la experiencia del viajero y la afectación a la imagen corporativa.
Además de la afectación sobre trenes, el fenómeno se extiende a cocheras, túneles, estaciones y otros activos. En 2024, el coste directo asociado a grafitis superó los 11 millones de euros, poniendo de relieve la urgencia de evolucionar desde modelos reactivos de limpieza posterior al daño hacia estrategias predictivas y preventivas.
En este sentido, se han detectado tácticas más organizadas, como el uso del freno de emergencia o “palancazo” para forzar paradas, que exigen nuevas capacidades de anticipación y respuesta coordinada entre seguridad, operaciones y mantenimiento. El proyecto planteado, sustentado en Inteligencia Artificial explicable y analítica avanzada, aspira a generar valor desde las primeras semanas.
Para ello, apuesta por la integración de bases de datos de incidentes de grafitis con variables externas como meteorología, eventos públicos, calendario laboral y otros factores que influyen en la probabilidad de ataque. También se utilizarán modelos supervisados que generan mapas de calor de riesgo por ubicación y franja horaria para las siguientes 24 horas, actualizándose de forma periódica con nueva información operativa.
Finalmente, Innova-tsn implementará la emisión automática de alertas priorizadas con un mínimo de dos horas de antelación cuando se superan umbrales de riesgo, acompañadas de sugerencias de ajuste dinámico de rondas de patrullaje. Tras la primera fase, se evaluará la extensión a nuevas zonas geográficas y la incorporación progresiva de capacidades de visión artificial sobre cámaras existentes.
Así, durante las próximas semanas está prevista la construcción de una infraestructura cloud segura, la integración de datos históricos y de contexto, el entrenamiento inicial de modelos y el despliegue de un dashboard operativo para un conjunto de cocheras piloto de alta incidencia.
El piloto establecerá un marco de medición apoyado en KPIs operativos y económicos que aspiran a reducir en un 20% los actos vandálicos, emitir el 50% de las alertas con al menos dos horas de antelación para posibilitar acciones preventivas, lograr un ahorro anualizado estimado en 150.000 euros en limpieza, logística y disponibilidad operativa, y obtener un nivel de satisfacción en torno al 80% entre el personal de seguridad.