Creador
Practica
Tradicionalmente, el acceso a toda la información existente en una organización se ha realizado para cada conjunto de datos por separado, construyendo hojas Excel o bases de datos y registrando para cada dato su dirección postal más cercana.
El paulatino uso corporativo de los sistemas de información geográfica desde finales del siglo pasado nos ha permitido contar desde hace más de diez años con visores desplegados en Internet que permiten cumplir con la publicidad de cualquier conjunto de datos, si bien han sido pocas las unidades administrativas que se lo habían planteado hasta hace poco.
Desde la creación del Geoportal del Ayuntamiento de Madrid, la consideración de la posición de la información como un valor añadido que aporta información muy valiosa ha crecido exponencialmente entre las personas que gobiernan conjuntos de datos. Así, en cinco años ya se han publicado más de 800 conjuntos de datos.
No obstante, el acceso a estos conjuntos de datos se produce individualizadamente, conjunto a conjunto, a pesar de que la demanda generalizada es poder combinar conjuntos de datos. Para ello, tuvimos claro que la forma más eficaz ―e innovadora, por cierto― era confiar las relaciones entre los distintos conjuntos de datos precisamente a sus propias geometrías, a su propia posición en el término municipal, pensando en los geodatos como un servicio (Geodata as a Service, GDaaS). Al hacerlo, cada departamento es responsable de la gestión de sus datos como productor, teniendo en cuenta que las geometrías de los datos o su posición son su atributo más valioso, ya que es la vía que usará toda la organización y la ciudadanía para llegar a ellos.
Es en este momento cuando esta línea de trabajo confluye con nuestra experiencia en el uso de la voz para acceder a la información urbanística, un subconjunto de la información publicada en el Geoportal.
A comienzos de 2023 nos planteamos su integración para permitir el acceso a cualquier conjunto de datos georreferenciados publicado en Geoportal mediante voz para crear el prototipo «Plataforma de Servicios del Ayuntamiento de Madrid».
Contando con este servicio web en funcionamiento, el desarrollo exigía conocer las posibles intenciones (intents) dentro de la pregunta. Para ello, se creó una clasificación de la información que podía ser solicitada. A partir de ahí, y mediante el empleo de DialogFlow, se entrenó al sistema para lograr un porcentaje mayor de acierto y corregir las desviaciones que surgieron. Con esto se obtuvo un slot de posibles intenciones.
La fase siguiente consistió en detectar la posición para la cual se demandaba información dentro de la pregunta formulada. Para resolver esta cuestión se adoptó como punto de partida que el usuario se refiriera a ella por una dirección determinada, esto es, una calle y un número de policía. El Ayuntamiento contaba ya con un servicio web de Callejero, al que se invoca con el nombre de una calle y un número y que devuelve el identificador único del número de policía oficial correspondiente. Este identificador único permite realizar una llamada a los servicios publicados en Geoportal con el que se accede al conjunto de información susceptible de ser demandada.
Una vez se ha recuperado toda la información, se almacena en memoria y comienza la interacción con el usuario. Se ha tomado la decisión de fragmentar la información con el fin de conseguir interacciones más cortas, ofreciendo siempre la posibilidad de acceder al resto de información disponible.
El prototipo está pendiente de implantación en el seno de la estrategia municipal de Inteligencia Artificial.
Objetivos
La Subdirección General de Innovación e Información Urbana se planteó en 2019, a raíz de la alta penetración de los teléfonos inteligentes, que los hábitos de la ciudadanía estaban cambiando y que se había producido un crecimiento exponencial del uso de servicios deslocalizados, lo que a su vez había derivado en la búsqueda de la inmediatez en el acceso a la información. El sentimiento de frustración que genera la demora en el acceso o su inaccesibilidad marcaba negativamente la reputación de las organizaciones y, en nuestro caso, de las Administraciones Públicas.
Pensamos en aquel momento que debíamos orientar la evolución del acceso a la información en general hacia los sistemas que demandaba ―y sigue demandando― la ciudadanía, de manera que la Administración sea capaz de evolucionar al mismo ritmo que la sociedad civil. En esta línea, se presentó el prototipo Cibeles para acceder a la información urbanística básica aplicable en una determinada posición del territorio a partir del nombre de calle y un número de policía mediante técnicas de Procesamiento del Lenguaje Natural y Machine Learning.
Poco después, profundizamos en la aplicación de estas tecnologías para brindar a la ciudadanía una información urbanística ágil, pasando de los datos básicos a los que se accede a través del prototipo Cibeles a realizar una consulta total de las determinaciones urbanísticas de aplicación en un punto del territorio, accediendo para ello a todos los textos normativos que contenían las determinaciones aplicables y no sólo a las determinaciones almacenadas en las bases de datos de planeamiento, que sólo son el subconjunto mínimo que posibilita el acceso a aquéllas. Así, evolucionemos nuestro prototipo hacía una segunda versión, Cibeles+.
Con Plataforma de Servicios del Ayuntamiento de Madrid se ha logrado extender esta funcionalidad a cualquier conjunto de datos publicado en el Geoportal municipal.
Resultados, Alcance e Impacto
Los principales beneficios que proporciona esta solución pasan por:
• una reducción significativa de los tiempos de consulta de información posibilitando servicios más eficientes, deslocalizados e inmediatos,
• una disminución de la brecha existente en la ciudadanía para acceder a la información geográfica, por carencia de las necesarias habilidades tecnológicas,
• y un aumento de la reputación de la administración actuante, en este caso el Ayuntamiento de Madrid, gracias a un mayor alineamiento con la sociedad civil.
Los resultados obtenidos, con una reducción media en el tiempo de consulta de entre un 80% y un 90%, corroboran nuestra hipótesis de que es posible prestar otro tipo de servicios de información, propios del siglo XXI, realizando una auténtica transformación digital y no una mera aplicación mimética de una tecnología sin transformar el proceso.
Escalabilidad y Retos Futuros
En la actualidad está en estudio el paso a producción del prototipo en el seno del grupo MAIA, Madrid Inteligencia Artificial conformado por el Ayuntamiento de Madrid.