Introducción
Los gobiernos locales reciben miles de quejas, peticiones y reportes de la ciudadanía cada año. Pero más allá de contar cuántas veces se repite un problema, pocos municipios aprovechan el contenido emocional y semántico de esos mensajes para priorizar, planificar y corregir. ¿Y si una alcaldía pudiera detectar, a partir del lenguaje de sus habitantes, cuáles problemas generan más malestar, urgencia o insatisfacción?
Eso es lo que implementó Calgary, en Canadá, con una población de 1.3 millones de habitantes. Este municipio cuenta con el sistema 311 quees un canal oficial de atención ciudadana que permite a los habitantes de la ciudad reportar problemas no urgentes y solicitar servicios municipales. Se trata de una línea telefónica y plataforma digital habilitada las 24 horas del día, los 7 días de la semana.
Aprovechando este sistema, que centraliza reportes ciudadanos sobre servicios no urgentes, la ciudad procesó más de 300.000 solicitudes anuales usando inteligencia artificial para extraer información crítica. La clave fue aplicar minería de texto y análisis de sentimiento, para saber no solo qué pedía la gente, sino cómo lo sentía.
Conociendo el caso de uso
¿Qué problema resolvía el caso?
Históricamente, Calgary usaba los datos del 311 para saber cuántos reportes se hacían por tipo y por sector. Sin embargo, este enfoque cuantitativo no capturaba el nivel de urgencia, preocupación o frustración de los ciudadanos. Un reclamo sobre un parque dañado podía contarse igual que una queja por ruido, aunque el primero mencionara palabras como «niños», «riesgo» o «accidente». Había una oportunidad perdida de entender las emociones tras cada mensaje.
¿Qué solución tecnológica se implementó?
La ciudad, en alianza con investigadores de la Universidad de Calgary, aplicó técnicas de procesamiento de lenguaje natural (PLN) sobre el texto de los reportes 311. Esto incluyó clasificación automática de mensajes, agrupamiento de incidentes similares y análisis de sentimiento. Por ejemplo, si 50 personas reportaban un hueco en la misma avenida con expresiones como «pérdida de control», «daño al vehículo» o «grave peligro», la IA los consolidaba como un incidente urgente.
Además, al evaluar el tono general de los reportes, Calgary pudo identificar en qué temas o zonas se expresaba mayor insatisfacción. Incluso se analizaron comentarios de seguimiento (después de que el gobierno solucionaba un caso) para ver si la percepción había mejorado o no.
¿Qué resultados concretos ha tenido?
La ciudad logró una nueva forma de priorizar inversiones y acciones. Por ejemplo, se descubrió que los reportes sobre parques infantiles, aunque no los más numerosos, contenían palabras asociadas a alto riesgo y sentimientos negativos. Esto llevó a intervenir esas zonas antes que otras. También se identificaron barrios con baja frecuencia de reportes, pero alta carga emocional en los pocos mensajes enviados, lo que indicaba desconfianza o descontento profundo.
Gracias a esta metodología, Calgary pudo ajustar sus decisiones presupuestales, optimizar respuestas operativas y evaluar el desempeño de sus agencias. Incluso los dashboards generados permitieron a cada dependencia ver el «termómetro emocional» de su servicio en tiempo real.
Impacto práctico para municipios colombianos
¿Cómo impacta esta solución en función del tamaño de tu municipio?
En Colombia, municipios grandes como Bogotá, Medellín o Cali reciben cientos de miles de PQRSD anuales, muchas con contenido textual rico. Con herramientas de IA adaptadas al idioma y contexto local, podrían extraer patrones, emociones y temas clave para planificación.
Los municipios medianos o pequeños, aunque con menor volumen de datos, podrían iniciar con el análisis de comentarios en redes sociales o formularios ciudadanos. Las universidades locales pueden ser aliadas clave para desarrollar modelos sencillos con Python o R, sin requerir grandes inversiones.
Beneficios concretos para la administración municipal
1. Impacto económico
Una gestión orientada por datos permite priorizar mejor las inversiones. Al identificar dónde se concentra el malestar, las alcaldías pueden redirigir recursos con mayor efectividad, evitando gastos innecesarios y mejorando la relación costo-beneficio de las intervenciones.
2. Impacto ambiental
Al detectar con mayor precisión problemas ambientales (como quejas por basuras, ruido o zonas verdes descuidadas), se pueden generar respuestas focalizadas, lo que optimiza el uso de personal y vehículos municipales, reduciendo huella de carbono.
3. Impacto social
Escuchar no solo el contenido, sino el sentimiento de los ciudadanos, fortalece la participación y la confianza. En Calgary, esto se tradujo en mayor satisfacción con los servicios públicos y mejor comunicación entre gobierno y comunidad.
Lecciones replicables para Colombia
Factores clave de éxito del caso internacional
Una lección importante es tener los datos organizados desde el inicio. Calgary contaba con registros estructurados, incluyendo texto, fechas, ubicación y seguimientos. En Colombia, es clave digitalizar todos los canales de quejas y solicitudes. Además, se requiere voluntad política para traducir estos hallazgos en decisiones reales.
También es fundamental la interpretación contextual. La IA puede sugerir prioridades, pero son los equipos humanos quienes validan y ejecutan. En este sentido, alianzas con universidades o centros de investigación locales pueden aportar capacidad técnica sin elevar los costos.
Conclusiones
Calgary demuestra que una ciudad inteligente no solo recolecta datos, sino que los entiende con empatía. Analizar el sentimiento detrás de las quejas permite actuar más rápido, justificar mejor las decisiones y conectar con la ciudadanía en un nivel emocional.
Para los municipios colombianos, esta tecnología está al alcance. No se trata de grandes inversiones, sino de un cambio de enfoque: leer los datos con sensibilidad y actuar con inteligencia.
En el fondo, gobernar bien también es saber escuchar lo que preocupa a la gente. Y ahora, la inteligencia artificial puede ayudarnos a hacerlo mejor.
Deja una respuesta