Ernesto Mizrahi Haiat impulsa el urbanismo predictivo para prevenir delitos

Ante el creciente desafío por mejorar la seguridad en México, Ernesto Mizrahi Haiat, especialista en urbanismo estratégico y seguridad ciudadana, resaltó el papel crucial del urbanismo predictivo. A través de herramientas de Big Data, mapas de calor delictivos y modelos de analítica avanzada, el diseño de espacios urbanos puede transformarse para prevenir el delito y fortalecer la convivencia ciudadana.

 

Desde el punto de vista del experto, la seguridad ciudadana no solo depende del trabajo policial, sino también de cómo están diseñados los espacios urbanos.

 

“Las nuevas tecnologías y la implementación de las mismas pueden transformar las ciudades en lugares más seguros y resilientes. Hoy, los datos son tan esenciales para la seguridad pública como las patrullas en la calle. El diseño urbano predictivo puede disminuir significativamente las oportunidades de delito”, explicó.

 

En ese sentido, datos recientes del Banco Interamericano de Desarrollo (BID), revelaron que el análisis predictivo aplicado a la seguridad pública puede reducir los delitos en zonas críticas hasta en un 30%, como lo demuestra la experiencia de programas piloto en ciudades como Guadalajara y Ciudad de México.

 

IA y prevención del delito: la ruta hacia el urbanismo intuitivo

En los últimos años, la implementación de Inteligencia Artificial (IA) para predecir delitos ha revolucionado la gestión del orden público. Un estudio realizado en Cataluña, España, utilizó modelos de IA como Random Forest y Modelos Lineales Generalizados para anticipar incidencias policiales, logrando una precisión con un error medio absoluto (MAE) de apenas 2.31 incidencias diarias por distrito.

 

Aunque el estudio fue realizado en Europa, su aplicación en México resultaría cada vez más relevante pues de acuerdo con la Secretaría de Seguridad y Protección Ciudadana, en municipios como Escobedo, Nuevo León, ya se utilizan algoritmos de predicción criminal basados en datos socioeconómicos y delictivos locales para orientar patrullajes y diseñar espacios públicos estratégicamente.

 

«Los mapas de calor delictivos permiten identificar patrones espaciales y temporales que, integrados al diseño urbano, contribuyen a la prevención más efectiva que cualquier acción correctiva. La correcta limpieza, estructuración y análisis de datos históricos es crucial para mejorar la precisión de los modelos predictivos. Esto implica no solo registrar incidencias, sino también integrar variables como el nivel socioeconómico, condiciones meteorológicas y uso del espacio público”, detalló Mizrahi Haiat.

 

Sin embargo, México enfrenta importantes retos estructurales para adoptar plenamente el urbanismo predictivo. Entre ellos se encuentran la falta de bases de datos integradas, resistencia a compartir información entre agencias gubernamentales y limitada capacitación tecnológica en los gobiernos municipales, según apuntó el informe «Innovaciones en la prestación de servicios públicos» del BID.

 

A pesar de ello, existen avances notables. El gobierno de la Ciudad de México ha implementado desde 2019 una plataforma de analítica predictiva para mapear incidentes de alto impacto y rediseñar la asignación de policías en tiempo real, lo que, de acuerdo con la Agencia Digital de Innovación Pública, redujo en un 23% los delitos de alto impacto en colonias prioritarias como Iztapalapa y Gustavo A. Madero.

 

«La prevención y seguridad ciudadana no pueden limitarse a ser reaccionarias  ante la comisión de un delito, es necesario crear ciudades que respondan dinámicamente al comportamiento humano, anticipando riesgos y protegiendo la vida cotidiana. La integración de IA, urbanismo sostenible y análisis predictivo representa una nueva frontera en la construcción de ciudades seguras», sostuvo Ernesto Mizrahi Haiat.