Portugués 
Inglés 
Red de cámaras creada para localizar coches robados generó más de 1 millón de alertas en un año, sobrecargó a la policía y llevó a ciudad estadounidense a desactivar su función principal.
Cuando la ciudad de Oakland, en California, invirtió millones de dólares en una red de cámaras inteligentes para identificar coches robados y vehículos vinculados a crímenes, la promesa era clara: ayudar a la policía a actuar en tiempo real siempre que un automóvil buscado fuera detectado. Pero el resultado terminó siendo muy diferente de lo esperado. Según una investigación divulgada en 2026 por el portal Backfire News, el sistema de lectura automática de placas generó más de 1 millón de alertas en aproximadamente un año. El volumen fue tan grande que los policías comenzaron a enfrentar dificultades para identificar qué notificaciones realmente requerían respuesta inmediata.
Con el tiempo, el Departamento de Policía de Oakland decidió desactivar el uso operacional de las alertas automáticas en tiempo real, precisamente la funcionalidad presentada como uno de los principales beneficios de la tecnología. En lugar de eso, las cámaras pasaron a ser utilizadas principalmente para consultas posteriores durante investigaciones. El caso reavivó el debate sobre los límites de las tecnologías de vigilancia y mostró que, en algunos casos, el exceso de información puede reducir —y no aumentar— la eficiencia policial.
Cómo funciona la red de cámaras
El sistema instalado en Oakland utiliza cámaras de lectura automática de placas, conocidas por la sigla ALPR (Automatic License Plate Recognition). Estos equipos registran continuamente las placas de los vehículos que pasan por calles y avenidas. Cada lectura se compara automáticamente con bases de datos que incluyen coches robados, vehículos asociados a investigaciones criminales y otras listas de interés policial.
-
Jóvenes de Minas crearon un robot sin tornillos ni piezas metálicas, apostaron por una estructura resistente y flexible para enfrentar a mil equipos en Houston y llevaron a Brasil a la cima de la robótica mundial por primera vez; Sofia, de 15 años, también hizo historia con un premio inédito de liderazgo.
-
Parece un animal inventado, pero existe de verdad: conoce al único mamífero con escamas del planeta y descubre por qué está desapareciendo.
-
Hijo de un camionero que se quedó sin ingresos tras un accidente laboral, creció en una familia de bajos ingresos, fue el primero en entrar a la universidad, asumió una pequeña cadena de cafeterías y transformó a Starbucks en un gigante global con más de 38 mil tiendas en más de 80 países.
-
Comenzó con una furgoneta de mudanzas en Nueva York, entró en el mercado inmobiliario de Miami y reunió terrenos en barrios que luego se convirtieron en objetivo de arte, turismo, comercio y construcción.
Cuando ocurre una coincidencia, el sistema genera una alerta para que los agentes puedan actuar rápidamente. En teoría, se trata de una herramienta capaz de localizar vehículos buscados pocos segundos después de su paso por una cámara.
El problema fue la cantidad de alertas
En la práctica, sin embargo, la cantidad de notificaciones se ha convertido en un desafío. Según la investigación, el sistema registró más de un millón de alertas en aproximadamente un año. Este enorme flujo de información dificultaba la rutina de los policías, que necesitaban analizar continuamente avisos generados por la plataforma.
Con tantas alertas llegando, se volvió cada vez más difícil distinguir rápidamente cuáles situaciones realmente requerían una respuesta urgente. Los expertos llaman a este fenómeno fatiga de alertas. Cuando las notificaciones aparecen en exceso, los operadores pueden dejar de responder con la misma atención a cada nuevo aviso, reduciendo la eficiencia del sistema.
La función principal terminó siendo desactivada
Ante este escenario, el Departamento de Policía de Oakland cambió la forma de utilizar la tecnología. En lugar de depender de las alertas automáticas en tiempo real, los investigadores comenzaron a usar las cámaras principalmente para consultas posteriores.
Esto significa que, después de un crimen, los agentes pueden investigar qué vehículos pasaron por determinada región y en qué horarios, reconstruyendo desplazamientos y reuniendo evidencias para la investigación. Aunque esta función sigue siendo considerada útil, representa un uso diferente al inicialmente presentado cuando el sistema fue adquirido.
Las cámaras continúan registrando millones de vehículos
Incluso con el cambio operacional, la red sigue recopilando una enorme cantidad de datos. Siempre que un vehículo pasa frente a una de las cámaras, el sistema registra información como la placa, la hora del paso, la ubicación y características visuales del automóvil, como color y modelo.
Estos registros pueden ser consultados posteriormente por investigadores autorizados. Es precisamente esta capacidad de reconstruir rutas y localizar vehículos lo que hace de este tipo de tecnología una herramienta cada vez más utilizada por departamentos de policía en los Estados Unidos.
La tecnología también levanta preocupaciones sobre privacidad
Además de las dificultades operacionales, los sistemas de lectura automática de placas han sido objeto de críticas por parte de organizaciones de defensa de los derechos civiles. Los críticos argumentan que estas redes terminan registrando diariamente millones de vehículos pertenecientes a personas que no han cometido ningún delito.
Según estas organizaciones, el almacenamiento de grandes volúmenes de datos sobre desplazamientos puede crear riesgos para la privacidad si la información es accedida indebidamente o utilizada para fines diferentes a los previstos. Las empresas responsables de los sistemas afirman que existen controles de acceso, registros de auditoría y políticas específicas para limitar el uso de esta información.
El caso muestra un desafío común de las tecnologías basadas en inteligencia de datos
El episodio de Oakland evidencia un problema que también aparece en otras áreas, como salud, seguridad digital y aviación. Los sistemas automatizados pueden identificar enormes cantidades de eventos en pocos segundos, pero eso no siempre significa que los operadores humanos puedan procesar toda esa información con la misma velocidad.
Cuando el número de alertas crece más allá de la capacidad de análisis, la eficiencia tiende a disminuir. Por eso, los especialistas defienden que tecnologías de este tipo necesitan equilibrar sensibilidad y precisión, reduciendo notificaciones innecesarias sin dejar de identificar situaciones realmente importantes.
Más datos no siempre significan mejores resultados
La experiencia de Oakland muestra que el éxito de una tecnología no depende solo de la cantidad de información que puede recopilar. También es necesario que esos datos se presenten de forma útil para quienes necesitan tomar decisiones rápidamente.
En el caso de las cámaras inteligentes, el sistema fue capaz de identificar un enorme número de ocurrencias, pero el exceso de alertas terminó haciendo más difícil justamente lo que prometía facilitar: la respuesta inmediata de la policía.
El episodio se convirtió en un ejemplo de un desafío creciente en la era de la inteligencia artificial y la vigilancia automatizada: encontrar maneras de transformar grandes volúmenes de datos en información realmente accionable, sin sobrecargar a quienes están del otro lado de la pantalla.
