¿Te sentirías cómodo si una cámara decidiera en segundos que miraste el móvil al volante o que ibas más rápido de la cuenta? La promesa suena tentadora: menos papeleo, multas más rápidas y vigilancia sin un agente en cada esquina.
Pero en Grecia, esa idea chocó con un dato incómodo. Un informe difundido por Ta Nea reveló que, durante la fase piloto del sistema de cámaras con inteligencia artificial, entre el 90% y el 95% de los registros iniciales fueron erróneos o no pudieron sostenerse.
El hallazgo golpea justo en la pieza clave del proyecto: convertir la vigilancia del tráfico en un proceso digital. Según el Ministerio de Gobernanza Digital de Grecia, el país puso en marcha a finales de marzo un Sistema Digital de Certificación de Infracciones para reemplazar de forma progresiva las multas manuscritas.
La cifra más elocuente está en el engranaje previo a la sanción. De unos 5.500 registros generados por las cámaras, solo 400 fueron validados como correctos por la Policía. Entre los descartados había 1.300 supuestas infracciones por uso del móvil y 3.800 por exceso de velocidad.
El mecanismo no falla al final: se atasca en el medio.
La cadena funciona así: la cámara detecta una posible infracción, la IA la marca y luego una autoridad humana la revisa antes de emitir la multa. Ese paso de validación evita sanciones injustas, pero también crea un cuello de botella cuando la máquina señala demasiado y acierta poco.
Y ahí aparece la clave técnica. Las infracciones dentro del vehículo, como usar el móvil o no llevar cinturón, son más difíciles de leer para una máquina. Sombras, reflejos, colores oscuros, ángulos de cámara u objetos sobre el asiento pueden alterar ese “cableado visual” con el que el sistema interpreta la escena.
El filtro humano que sostiene el sistema
Por eso hay una diferencia central entre registro y multa. El registro es una sospecha digital. La multa, en cambio, llega después de una verificación humana. Ese filtro explica por qué el volumen de errores iniciales fue tan alto sin que todas esas fallas terminaran en sanciones reales.
Además, el piloto combina cámaras en autobuses públicos para controlar carriles bus y una red de cámaras inteligentes conectadas al Estado. Según Euronews, hasta el 30 de mayo de 2026 se habían generado 2.453 multas digitales.
De ese total, 420 fueron recurridas, un 17,12%. Y 52 alegaciones se aceptaron, apenas un 2,11% del total emitido. La mayoría de esos casos no se debieron a una “mala intención” de la IA, sino a problemas técnicos o de procedimiento: diferencias de horario, datos poco legibles o inconsistencias en el registro.
Qué revela este ensayo sobre el futuro de las multas
La oportunidad sigue ahí. Un sistema así puede reducir tiempos, ordenar expedientes y liberar trabajo policial. Pero el hallazgo griego revela que automatizar no siempre significa simplificar si la máquina todavía necesita una revisión masiva para no equivocarse.
También deja una lección más amplia. En tareas visibles y externas, como medir velocidad o detectar un semáforo cruzado, la IA suele ser más robusta. En cambio, cuando intenta “mirar” dentro del coche, su precisión baja y el margen de interpretación crece.
La tecnología no se apaga por eso. Solo necesita un ajuste fino en sus sensores, sus reglas y su validación. Como cualquier alarma doméstica, sirve de verdad cuando aprende a distinguir entre una tostada quemada y un incendio.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
