Conducción autónoma en México: ¿inteligencia artificial o mejores elementos humanos?
- expressaltavia
- 24 ago
- 7 min de lectura
Un vehículo que frena, cambia de carril y reconoce peatones sin intervención humana ya no pertenece únicamente a la ciencia ficción. La tecnología existe. También existen pruebas en México.
La pregunta operativa es otra: ¿en qué condiciones puede funcionar de manera segura y constante en nuestras ciudades?
Para una empresa de transporte de personal, la respuesta no puede basarse en una demostración tecnológica o en una promesa de automatización. Debe considerar infraestructura, regulación, responsabilidad legal, clima, tráfico, cultura vial y capacidad de respuesta ante una incidencia.
La conducción autónoma avanza. Pero, por ahora, la decisión más responsable para muchas operaciones sigue siendo invertir en los mejores operadores humanos, con capacitación, supervisión y procesos controlados.
La conducción autónoma no es lo mismo que un sistema de asistencia
Primero es necesario separar conceptos.
Un vehículo con sistemas ADAS puede frenar automáticamente, mantener una velocidad, centrarse en el carril o advertir sobre un obstáculo. Sin embargo, el conductor debe permanecer atento y conservar la responsabilidad del vehículo.
El sistema Full Self-Driving Supervisado de Tesla, por ejemplo, requiere supervisión constante. No convierte al propietario en pasajero ni elimina la obligación de intervenir. En México, este tipo de tecnología se entiende principalmente como asistencia avanzada a la conducción.
Un vehículo autónomo de nivel superior funciona de otra manera. Utiliza sensores, mapas, software e inteligencia artificial para ejecutar parte o toda la tarea de conducción dentro de un entorno definido. Aun así, el nivel de autonomía depende del contexto.
No es lo mismo operar un minibús a baja velocidad dentro de un campus que circular diariamente por una avenida con tráfico mixto, motocicletas, peatones, baches, obras y señalización incompleta.
Cómo utiliza inteligencia artificial un vehículo autónomo
La inteligencia artificial no “maneja” como lo hace una persona. Ejecuta una cadena de procesos en tiempo real.
1. Percepción del entorno
El vehículo recibe información de cámaras, radares, sensores LiDAR y sistemas de posicionamiento. Cada dispositivo observa una parte distinta de la situación.
Las cámaras identifican señales, carriles, vehículos y peatones.
El radar calcula distancia y velocidad de objetos.
El LiDAR genera una representación tridimensional del entorno.
El GPS de alta precisión ayuda a determinar la ubicación.
Los sensores internos monitorean el estado del vehículo.
La IA combina estos datos mediante un proceso conocido como fusión de sensores. El objetivo es reducir errores y construir una lectura más completa de lo que ocurre alrededor.
2. Localización
El vehículo necesita saber dónde está, no solo de manera aproximada. Para eso utiliza mapas digitales, referencias físicas y datos de posicionamiento.
En una ruta controlada, el sistema puede comparar lo que observa con un mapa previamente generado. Si existe una obra, un cambio de circulación o un objeto fuera de lugar, debe decidir si el entorno sigue siendo compatible con la operación.
3. Predicción
La IA intenta calcular qué harán los demás usuarios de la vía. Puede estimar si un peatón va a cruzar, si un automóvil invadirá el carril o si una motocicleta se incorporará de manera repentina.
Aquí aparece una de las principales dificultades en México. La conducción urbana no siempre sigue patrones previsibles. Una persona puede cruzar fuera del paso peatonal. Un vehículo puede detenerse sin señalizar. Una calle puede cambiar de sentido sin aviso suficiente.
4. Planeación y control
Después de interpretar el entorno, el sistema determina una acción: frenar, avanzar, ceder el paso, cambiar de trayectoria o detenerse.
La decisión debe ejecutarse con precisión. El vehículo controla aceleración, dirección y frenado en fracciones de segundo.
El problema no es únicamente que la IA pueda tomar decisiones rápidas. El problema es que debe tomar decisiones correctas en escenarios que no fueron previstos durante las pruebas.
México ya está probando esta tecnología
México no está fuera de la conversación. En Monterrey existen proyectos académicos que permiten observar cómo se está desarrollando la movilidad autónoma.
El Tec de Monterrey reportó un minibús autónomo y eléctrico creado para realizar pruebas alrededor del campus Monterrey y en el entorno de distritotec.
El vehículo GEM e6 utiliza LiDAR, radares, cámaras y GPS de alta precisión. De acuerdo con la información publicada por el Tec, ha realizado recorridos controlados y, durante las pruebas, viajan un piloto y un copiloto como medida de seguridad.
Este detalle es importante. La autonomía se prueba con respaldo humano. La tecnología ejecuta la conducción, pero todavía existe una estructura de supervisión y respuesta.
El proyecto forma parte de Bloom Drive Intelligence, un ecosistema de investigación que integra inteligencia artificial, movilidad eléctrica, robótica, simulación y digitalización de entornos urbanos.
Su trabajo muestra una ruta razonable para México: probar primero en circuitos definidos, recopilar datos, identificar incidencias y ampliar gradualmente el entorno de operación.
La Carrera Panamericana mostró el potencial y también los límites
En 2025, un proyecto conjunto del Tec de Monterrey y el Politécnico de Milán llevó un vehículo autónomo a la Carrera Panamericana.
La Maserati GranCabrio Folgore del proyecto AIDA recorrió aproximadamente 440 kilómetros en modo autónomo a través de ocho estados de México. El trayecto incluyó tráfico urbano, lluvia, pasos de montaña y tramos interurbanos.
El proyecto fue relevante porque sacó la tecnología del laboratorio. También mantuvo condiciones de seguridad: hubo supervisión de un piloto profesional y apoyo de un vehículo guía.
Esto permite una conclusión equilibrada. La tecnología puede avanzar en condiciones reales. Pero una prueba controlada no equivale a una operación diaria de transporte de pasajeros.
Una ruta empresarial exige repetición. No basta con completar un tramo. Hay que hacerlo todos los días, con distintos horarios, usuarios, condiciones climáticas y niveles de tráfico. También se debe responder cuando un sensor falla, una ruta cambia o un pasajero necesita atención.
El reto principal no es solo tecnológico
En ciudades mexicanas, la conducción autónoma enfrenta por lo menos cuatro riesgos operativos.
Infraestructura irregular
La tecnología depende de una infraestructura que pueda ser interpretada con precisión. Baches, pintura desgastada, semáforos fuera de servicio, obras temporales y señalización incompleta complican la toma de decisiones.
Monterrey agrega otro factor: la variación de tráfico entre zonas industriales, avenidas principales, accesos a parques y corredores con alta concentración de trabajadores.
Cultura vial impredecible
La IA necesita interpretar comportamientos. Pero la circulación cotidiana puede incluir maniobras inesperadas, vehículos que se estacionan en doble fila, cruces fuera de zona peatonal y cambios improvisados de carril.
Un conductor experimentado no depende únicamente de la señalización. También reconoce patrones locales. Sabe que cierto acceso suele congestionarse a las 5:20 a.m. o que una zona puede llenarse de peatones durante el cambio de turno.
Falta de un marco legal unificado
México todavía no cuenta con un régimen nacional integral que determine con claridad la responsabilidad de un vehículo completamente autónomo.
Existen debates e iniciativas sobre sistemas automatizados de transporte, inteligencia artificial y responsabilidad jurídica. También hay avances estatales y propuestas específicas. Sin embargo, todavía deben definirse con precisión las obligaciones del propietario, fabricante, operador, proveedor de software y empresa de transporte.
La Cámara de Diputados ha discutido la adopción gradual de innovaciones tecnológicas en el transporte. Eso representa un avance, pero no sustituye un marco operativo completo.
Ciberseguridad y responsabilidad ante fallas
Un vehículo autónomo es también un sistema conectado. Puede depender de software, actualizaciones, mapas, comunicaciones y almacenamiento de datos.
Si ocurre una falla, debe existir evidencia para determinar qué pasó. Se requieren registros, protocolos de emergencia, mantenimiento especializado y mecanismos para evitar manipulaciones externas.
En transporte de personal, esto se vuelve más exigente porque no se traslada únicamente un vehículo. Se trasladan colaboradores y se afecta la continuidad de una empresa.
Waymo demuestra que el modelo funciona en ciertos entornos
Waymo opera robotaxis en ciudades de Estados Unidos como San Francisco, Phoenix y Los Ángeles. Sus vehículos utilizan sensores, mapas tridimensionales y sistemas de inteligencia artificial para circular sin conductor en zonas determinadas.
El caso de Waymo es relevante, pero también debe analizarse con precisión. El servicio no se despliega de la misma manera en cualquier ciudad. La operación depende de mapas detallados, zonas autorizadas, monitoreo, mantenimiento y condiciones previamente estudiadas.
La discusión no debería ser si México puede importar un robotaxi. La discusión debería ser qué ciudad, qué corredor y qué tipo de servicio tendrían las condiciones mínimas para probarlo.
Un traslado de personal hacia una planta industrial probablemente requeriría rutas repetitivas, accesos controlados, horarios definidos y zonas geográficas delimitadas. Aun así, tendría que contar con supervisión y protocolos claros.
¿Qué conviene priorizar hoy a las empresas?
La respuesta pragmática no es rechazar la tecnología. Es ubicarla en su momento correcto.
La inteligencia artificial puede ayudar desde ahora en:
Planeación y optimización de rutas.
Pronóstico de tiempos de recorrido.
Detección de patrones de tráfico.
Monitoreo de unidades.
Mantenimiento preventivo.
Identificación de riesgos.
Registro y análisis de incidencias.
Comunicación con operadores y clientes.
Estas aplicaciones generan valor sin retirar al conductor de la operación. Permiten que el operador reciba mejor información y que el equipo de coordinación tome decisiones con más datos.
Mientras la conducción autónoma madura, el diferencial real está en los elementos humanos. No cualquier conductor puede operar un servicio empresarial con consistencia.
Se requiere selección rigurosa, capacitación continua, conocimiento de la ciudad, conducción preventiva, manejo de protocolos, puntualidad y capacidad para responder ante tráfico, clima, ausentismo o cambios de último minuto.
En Express Altavía, este enfoque se refleja en una operación basada en flota Mercedes-Benz, conductores uniformados y seguimiento de la puntualidad. La tecnología puede apoyar la ejecución, pero el control diario depende de personas preparadas y procesos verificables.
La reflexión final: el futuro no elimina la disciplina
La conducción autónoma llegará de forma gradual. Primero aparecerá en campus, corredores definidos, instalaciones privadas, parques industriales y servicios con rutas limitadas.
Después podrá ampliar su alcance si demuestra seguridad, estabilidad, aceptación social y viabilidad legal.
Pero una empresa no puede esperar ese futuro para resolver los retrasos de hoy. Una unidad que no llega a las 5:20 a.m. puede dejar incompleta una línea de producción. Un operador mal preparado puede convertir una incidencia menor en una crisis de servicio.
Por eso, la decisión más razonable actualmente es combinar tecnología con talento humano. Utilizar inteligencia artificial para analizar y mejorar la operación. Mantener operadores capacitados para conducir, interpretar el entorno y responder cuando el plan cambia.
La conducción autónoma representa una posibilidad real. Los mejores elementos humanos representan una necesidad inmediata.
La eficiencia no dependerá de elegir entre personas o tecnología. Dependerá de saber qué tarea corresponde a cada una, con indicadores, disciplina y control sobre la improvisación.
