Una cámara que solo graba sirve para reconstruir lo que ya pasó. Sirve para mostrarle al juez quién entró, no para evitar que entre. La analítica de video preventiva apunta a lo otro: detectar el evento mientras ocurre y disparar una respuesta a tiempo. Esa es la promesa, y en los casos correctos se cumple.
El problema empieza cuando se confunde lo que la analítica detecta bien con lo que promete el folleto. Hay un techo real entre la demo de la feria y lo que una cámara con IA hace en una instalación de verdad, con lluvia, contraluz y gente moviéndose. Cuando entrás a hacer un diagnóstico, esa distancia entre lo que promete el folleto y lo que rinde en producción es lo primero que hay que medir. De eso va esta nota.
Qué significa "preventivo" en analítica de video
Lo primero es entender dónde corre el análisis. Hay analítica embebida o en servidor: la embebida procesa el video dentro de la propia cámara, la de servidor manda el stream a un equipo central que corre los algoritmos. La embebida es más rápida y no depende de la red, la de servidor permite modelos más pesados y correlacionar varias cámaras. En la práctica, una instalación seria mezcla las dos según el caso de uso, no compra una sola por moda.
Lo segundo es con qué lógica detecta. Acá conviven dos mundos: reglas fijas o aprendizaje profundo. Las reglas son condiciones simples, si un objeto cruza esta línea, alarma. El deep learning entrena un modelo para reconocer personas, vehículos o patrones, y tolera mucho mejor el ruido visual. La regla es predecible y barata, la IA es flexible pero hay que entrenarla y calibrarla para tu escena. Confundir las dos lleva a comprar de más o a esperar de la regla lo que solo da el modelo.
La diferencia que importa para prevención es que grabar es distinto de interpretar. Un sistema preventivo no archiva por las dudas: detecta un evento definido, genera una alerta y la manda en segundos a una central de monitoreo que pueda intervenir. Sin ese último eslabón, la analítica es una luz que parpadea sin que nadie mire. La prevención no la hace la cámara sola, la hace la cámara conectada a alguien que actúa.
Y el tercer punto, el que casi nadie audita: el problema es el tuning. Una analítica mal calibrada dispara falsos positivos todo el día, un árbol que se mueve, un gato, una sombra. A las dos semanas el operador aprendió a ignorar la alarma, y una alarma que se ignora es peor que no tenerla. El componente clave no es la marca de la IA: es la zonificación, los horarios y el ajuste fino contra la escena real. Eso es trabajo de ingeniería, no de catálogo.
Si te interesa este tema, quizás también te interese: Reconocimiento de patentes (LPR): cuándo conviene y cuándo no en control de acceso
Qué detecta bien hoy y qué todavía no rinde solo
Lo que ya funciona en producción
Lo más maduro es la intrusión y cruce de línea. Detección de perímetro, line crossing y merodeo (loitering) funcionan con bajo falso positivo cuando la escena está bien zonificada y los horarios bien definidos. En un predio cerrado de noche, la analítica distingue una persona que salta el cerco de un perro que pasa, y avisa antes de que el intruso llegue al depósito. Es el caso de uso donde la prevención por video está más probada, y se integra bien con cámaras pensadas para el tamaño del negocio.
Después viene todo lo que es conteo de personas y aforo: contar cuánta gente entra, medir ocupación, armar mapas de calor de circulación. Acá la analítica deja de ser solo seguridad y pasa a dar dato operativo, útil en retail, eventos y oficinas. Saber a qué hora se llena un local o por dónde circula la gente no previene un robo, pero ordena la operación, y eso muchas veces es lo que termina pagando el sistema.
El tercero, menos glamoroso pero muy concreto, es la detección de objeto abandonado o sustraído y la detección de humo y fuego por video. Una cámara con analítica térmica o de imagen detecta un foco de calor o una columna de humo antes que un sensor puntual en un galpón grande, donde el detector de techo tarda en reaccionar. En esos casos la analítica no gana comodidad, gana minutos, y en un incendio los minutos son todo.
El cuarto, el que más impacto operativo tiene, es la videoverificación de alarmas. Cuando un sensor o una analítica dispara, en vez de mandar el móvil a ciegas el operador mira el video asociado al evento y confirma si es real o falso. Eso baja los despachos en falso, prioriza los eventos genuinos y acorta el tiempo de respuesta a lo que sí importa. Es la pieza que convierte una pila de alertas en decisiones, y es de lo más probado que hay hoy en una central que trabaja bien.
Lo que se sobrevende o todavía no rinde solo
Empecemos por el clásico: el reconocimiento facial no es CSI. En condiciones controladas, una puerta, buena luz, la persona mirando la cámara, funciona muy bien. En una multitud, de perfil, con gorra y a contraluz, la precisión cae fuerte. Además identificar rostros es tratar dato biométrico, alcanzado por la Ley 25.326 de Protección de Datos Personales y bajo control de la Agencia de Acceso a la Información Pública. No es que no sirva: es que no hace lo que muestran las películas y exige un marco legal claro.
Sigue la detección de comportamiento sospechoso o predicción de intención. Vender una IA que "detecta al que va a robar" es, hoy, más marketing que realidad. Lo que existe son detecciones de patrones acotados (alguien corriendo, una caída, una aglomeración inusual), y aun esas generan falsos positivos altos si la escena es compleja. Prometer que el sistema anticipa intenciones es justo el tipo de claim que conviene mirar con desconfianza.
Y el malentendido de fondo: pensar que la IA prioriza, no decide. La analítica filtra el ruido y le acerca al operador los eventos que valen la pena, pero la decisión de mandar el móvil, llamar a la policía o descartar la alarma sigue siendo humana. Sin una central que valide cada evento, no hay prevención, hay un tablero lleno de notificaciones. La IA es el mejor asistente del operador, no su reemplazo.
Para profundizar en este tema: Reconocimiento facial para control de acceso empresarial
Cómo evaluar una solución de analítica sin comprar humo
Antes de mirar marcas, conviene responder tres preguntas. La primera y más importante: qué evento concreto querés detectar. "Quiero IA" no es un objetivo, "quiero que me avise si alguien entra al patio de carga fuera de horario" sí lo es. La segunda: ¿quién recibe la alerta y quién la valida? Si no hay una central o un responsable que actúe, el mejor algoritmo del mundo no previene nada. Y la tercera, la que separa al proveedor serio del que vende humo: ¿se midió el falso positivo en TU sitio, con TU iluminación, o solo en la demo?
Hay un detalle que se nota recién en la instalación: la analítica rinde como parte de un sistema, no como una caja suelta que no previene nada por sí sola. Cruzar el video con drones para perímetros grandes, con el control de accesos y con la central de monitoreo multiplica lo que cada parte hace por separado. La cámara detecta, el operador valida, el móvil responde y todo queda registrado en el mismo flujo. Esa coordinación es lo que previene, no la inteligencia artificial mirada como una función aislada.
La regla práctica es simple: la analítica de video preventiva rinde cuando arranca de un caso de uso definido y se integra con la central, y decepciona cuando se compra "IA" como si fuera una caja que se enciende sola. La pregunta correcta no es "¿qué cámara tiene más inteligencia artificial?". Es "¿qué quiero detectar, quién va a actuar cuando se detecte, y cómo sé que funciona en mi sitio y no en el folleto?". Respondé eso y la analítica deja de ser una promesa para volverse una herramienta.
¿Querés evaluar qué analítica de video tiene sentido para tu operación? Contactanos y un asesor técnico especializado te acompaña en el diagnóstico, sin compromiso.
