Una espuma que aparece de repente en la entrada de una depuradora. Un sonido fuera de lo habitual en una planta donde trabajan personas junto a robots. Estas señales existen antes de que el problema sea visible, y durante mucho tiempo la única forma de captarlas ha sido el ojo —o el oído— humano.
Los sentidos tienen límites: no pueden estar en todas partes, ni analizar de forma continua, ni reconocer patrones que se forman en segundos. La pregunta que empieza a tener respuesta en algunos laboratorios es si una máquina puede aprender a leer esas señales antes de que sea demasiado tarde.
Cuando la señal llega antes que el problema
En una depuradora o en una planta industrial, las primeras señales de riesgo rara vez son dramáticas. Se manifiestan como un cambio sutil de color en el agua, una espuma fuera de lugar, un sonido que no encaja con el ritmo habitual de la maquinaria o un movimiento inesperado en un espacio compartido entre personas y robots. Son señales menores, pero su relevancia puede ser decisiva.
Detectarlas a tiempo marca la diferencia entre una incidencia controlada y un problema mayor con consecuencias sobre la seguridad, la eficiencia o la calidad del proceso. El margen entre una situación y otra se mide, con frecuencia, en minutos.
Ahí es donde la inteligencia artificial empieza a modificar la forma de operar. En lugar de depender exclusivamente de la observación humana —limitada por el tiempo, la atención y la presencia física—, los sistemas basados en IA analizan señales de forma continua, reconocen patrones anómalos y generan alertas antes de que la situación escale. ITI, centro tecnológico valenciano especializado en TIC, lidera esta línea de investigación aplicada a través de dos proyectos concretos: AQUA2VAL y SAVANT.
AQUA2VAL: visión artificial en la cabecera de la depuradora
Las estaciones depuradoras de aguas residuales operan en entornos muy variables. El agua que reciben cambia según factores urbanos, industriales, climáticos u operativos. Cuando se produce un episodio anómalo —un vertido incontrolado, por ejemplo—, el impacto puede comprometer el tratamiento secundario, en particular el reactor biológico, una fase crítica para garantizar la calidad del agua depurada.
AQUA2VAL explora el uso de visión artificial e IA para desarrollar un sistema de alerta temprana en la cabecera de una EDAR. El sistema analiza imágenes en tiempo real y detecta señales visuales como espumas, tintes, cambios de color, plumas o aumentos de turbidez, con el objetivo de identificarlas antes de que el episodio afecte al proceso de depuración.
El enfoque merece atención. El sistema no trata de identificar qué sustancia concreta ha entrado en la planta: detecta que «algo anómalo» está ocurriendo y que ese algo puede tener impacto sobre la estabilidad del reactor, la calidad del agua tratada o el consumo energético. Esta distinción permite actuar con margen, sin necesidad de un diagnóstico químico inmediato.
Uno de los desafíos del proyecto es la escasez de datos reales sobre vertidos críticos. Para superarlo, AQUA2VAL recurre a IA generativa para crear escenarios sintéticos, lo que permite entrenar los modelos con una mayor variedad de situaciones y acelerar el desarrollo de prototipos sin depender de incidentes reales.
SAVANT: percepción neuromórfica para entornos donde conviven personas y robots
En una planta industrial donde personas y robots comparten espacio, un movimiento inesperado o un sonido fuera de lo habitual puede tener consecuencias inmediatas. La seguridad en estos entornos depende, en parte, de detectar cambios relevantes con rapidez y precisión.
SAVANT trabaja en ese ámbito: desarrollar sistemas de percepción inteligente para entornos industriales complejos. ITI ha empleado tecnologías de visión artificial y audición neuromórfica, inspiradas en el funcionamiento de los sistemas biológicos. Estos sistemas se activan principalmente cuando se producen cambios relevantes en el entorno, en lugar de procesar toda la información de forma continua.
Esta forma de operar tiene ventajas prácticas claras. Se reduce el volumen de datos que hay que analizar, disminuye el consumo energético y se favorecen respuestas más rápidas en situaciones donde el tiempo de reacción importa. Estas tecnologías también funcionan bien en condiciones difíciles: baja iluminación, ruido ambiental elevado o conectividad limitada.
El resultado es un sistema capaz de percibir con mayor precisión lo que ocurre en el entorno y de apoyar la toma de decisiones ante situaciones cambiantes o de riesgo, contribuyendo a instalaciones industriales más autónomas y seguras.
La IA amplía la mirada, pero la decisión sigue siendo humana
Tanto AQUA2VAL como SAVANT comparten una premisa fundamental: la IA no está aquí para reemplazar a los equipos técnicos. Su función es ampliar la capacidad de observación, detectar señales que podrían pasar desapercibidas y ofrecer más información —y más tiempo— para que las personas puedan actuar.
La IA puede detectar anomalías, priorizar alertas y aportar evidencias visuales o sonoras. La interpretación del contexto, la validación de la incidencia y la decisión sobre cómo responder siguen dependiendo del criterio humano. El conocimiento de quienes operan una planta o gestionan una instalación continúa siendo imprescindible.
Ambos proyectos están financiados por el Instituto Valenciano de Competitividad Empresarial (IVACE+i) y la Unión Europea, lo que los enmarca dentro de una estrategia más amplia de I+D orientada a retos industriales concretos. No son ejercicios teóricos: responden a necesidades reales de sectores que necesitan operar con mayor seguridad, eficiencia y resiliencia.
Lo que viene a continuación es la consolidación de estos sistemas en entornos reales y su eventual transferencia al tejido industrial. Si los resultados de AQUA2VAL y SAVANT confirman su utilidad en condiciones de operación real, el siguiente paso será escalar estas soluciones a más instalaciones. La capacidad de anticipar problemas antes de que ocurran podría dejar de ser una ventaja excepcional para convertirse en un estándar del sector.