CENIA aplicará IA a patentes vehiculares y a datos industriales con fondos ANID

El Centro Nacional de Inteligencia Artificial (CENIA) se adjudicó dos proyectos en el concurso FONDEF IDeA I+D 2026 de ANID, la agencia chilena de investigación. La convocatoria recibió 871 postulaciones y seleccionó 102 iniciativas a nivel nacional, es decir, cerca del 12% de las propuestas. Ambos proyectos durarán 24 meses y tienen el mismo sello: desarrollar investigación aplicada junto a socios industriales y validar los resultados en condiciones reales de operación.

Las iniciativas apuntan a dos problemas concretos: la lectura confiable de placas patentes en la fiscalización de tránsito y la mejora automatizada de la calidad de los datos en industrias intensivas en activos, como minería, celulosa y energía. En ambos casos, la alianza con empresas chilenas permite que la tecnología no se quede en el laboratorio, sino que se pruebe donde ocurre el problema.

Fiscalización vial: menos errores en la lectura de patentes

El primer proyecto se llama “Plataforma Inteligente de Fiscalización Vial: Módulos de IA para Robustecer la Lectura y Búsqueda de Patentes Vehiculares” y lo dirige Francesca Lucchini, tech lead de CENIA. Se desarrollará junto a la empresa chilena Techvial como entidad asociada.

La Ley N°21.549, que creó el Centro Automatizado de Tratamiento de Infracciones (CATI), permitió pasar de una fiscalización casi manual a la detección electrónica de infracciones. Pero ese salto exige que la evidencia sea confiable: de noche, con lluvia, reflejos o placas deterioradas, los sistemas automáticos de reconocimiento de patentes aún cometen errores que pueden invalidar una multa. Además, las plataformas actuales solo trabajan con coincidencia exacta, mientras las autoridades suelen manejar información parcial.

La solución será una capa de software que opera sobre las imágenes que las cámaras ya generan. Tendrá tres módulos: verificación avanzada, que combina algoritmos de reconocimiento óptico y aprende de sus errores; sugerencia inteligente de patentes cuando la lectura es incompleta, apoyándose en atributos visuales del vehículo; y búsqueda avanzada en grandes bases de video con texto, imágenes, tiempo y lugar. El objetivo es llevar la tecnología desde prototipos a un nivel de madurez tecnológica 7 (TRL 7), es decir, validada en entorno real, con pilotos en al menos siete cámaras certificadas.

Datos limpios para que la IA funcione en la industria

El segundo proyecto es DAQU (Data Quality Improvement Platform Through LLMs), dirigido por la investigadora Yamisleydi Salgueiro Sicilia y desarrollado junto a CMPC Pulp. En sectores como minería, celulosa, manufactura y energía, el volumen de datos creció mucho más rápido que su calidad: hay códigos de productos sin normalizar, proveedores duplicados, errores en la codificación y sensores con vacíos o ruido.

El problema tiene cifras que asustan: la consultora Gartner estima que la mala calidad de datos cuesta a las organizaciones cerca del 15% de sus ingresos anuales, y McKinsey reporta que más del 60% de las iniciativas de IA en manufactura fracasan por esta causa. DAQU desarrollará una plataforma que usa modelos de lenguaje de gran escala (LLMs, por sus siglas en inglés), los mismos que están detrás de asistentes conversacionales, para automatizar el ciclo completo de preparación de datos: normalización, deduplicación, validación, enriquecimiento y extracción de reglas. Cada transformación quedará trazada y los expertos mantienen la validación en el proceso.

Ambos proyectos contemplan la formación de capital humano avanzado: estudiantes de pregrado y postgrado desarrollarán sus tesis dentro de las iniciativas. También incluyen la publicación de resultados científicos y acuerdos de transferencia tecnológica con las empresas asociadas. Para Chile, la relevancia es directa: se trata de tecnología probada con datos y empresas locales, no de soluciones importadas.

Con información de CENIA