Dos becarios de Gates Cambridge participan en un proyecto local que utiliza inteligencia artificial para anticipar mejor los problemas de vivienda social de los más vulnerables.
Lo interesante (de este proyecto), que es exclusivo de este proyecto, es que estamos haciendo predicciones no solo sobre datos de observación, sino también sobre datos de experiencias vividas.
Ramit Debnath
Investigadores de Cambridge, incluidos los becarios Gates Cambridge Adhib Hussain Syed (2025) y Ramit Debnath (2018), están desarrollando una herramienta de inteligencia artificial que puede indicar a los ayuntamientos del Reino Unido qué inquilinos de viviendas sociales corren mayor riesgo antes de que se produzca una posible crisis.
El proyecto, denominado PRISM (Inteligencia Predictiva de Riesgos para el Mantenimiento de Viviendas Sociales), es una colaboración entre la Universidad de Cambridge y dos ayuntamientos locales: el Ayuntamiento de Cambridge y el Ayuntamiento de South Cambridgeshire. Cuenta con el apoyo del Acelerador de IA del gobierno local, una nueva iniciativa de ai@cam, la misión emblemática de la Universidad en inteligencia artificial.
En lugar de esperar a que un inquilino informe sobre una gotera en el techo o una pared de dormitorio húmeda, un modelo informático analizará datos de miles de propiedades y señalará aquellas con mayor probabilidad de deteriorarse y los residentes con mayor probabilidad de sufrir daños si lo hicieran.
«Por el momento estamos esperando que las cosas se resuelvan antes de actuar», dijo Peter Campbell, administrador de vivienda del Consejo del Distrito de South Cambridgeshire, que gestiona alrededor de 5.500 propiedades de vivienda social. «Muy a menudo, cuando algo se rompe, no sólo se daña el objeto en sí, sino también el daño causado por la rotura. Por ejemplo, no es sólo el techo el que necesita ser reemplazado; es el lugar por donde entró el agua y dañó el resto de la propiedad».
Los dos ayuntamientos gestionan juntos miles de alquileres en un área geográfica inusualmente grande: la densidad urbana de la ciudad de Cambridge y la expansión más suburbana y rural del sur de Cambridgeshire, donde puede llevar más de una hora viajar entre dos direcciones.
Campbell dice que mejores datos podrían hacer que sus equipos sean mucho más eficientes. En un puesto anterior, presentó un software de planificación de rutas para el personal de reparación y observó cómo el recuento de visitas diarias pasaba de seis a ocho.
Una única puntuación de riesgo
El sistema desarrollado por los profesores Ronita Bardhan y Debnath del Departamento de Arquitectura de Cambridge y el Centro de IA inspirada en humanos (CHIA) combina tres fuentes de datos en una única puntuación de riesgo para cada propiedad.
La primera fuente son los datos satelitales. El equipo de Bardhan lleva años desarrollando algoritmos de inteligencia artificial para detectar la pérdida de calor de los edificios utilizando imágenes térmicas capturadas por satélites en órbita terrestre baja. La investigación produjo un conjunto de datos a nivel de edificio que cubre toda Inglaterra y Gales, mapeando la eficiencia energética propiedad por propiedad.
La segunda fuente son los datos de viviendas convencionales: tipo de construcción, calificaciones de certificados de eficiencia energética, registros de humedad y moho e historial de reparaciones.
La tercera fuente son lo que los investigadores llaman datos “blandos”: indicadores de pobreza energética, atrasos en el alquiler y registros acumulados de contactos de inquilinos que los municipios ya mantienen pero que rara vez utilizan a gran escala.
«Los administradores de viviendas tienen una idea mucho más arraigada de cómo ven la vulnerabilidad», dijo Debnath, profesor asociado en el Departamento de Arquitectura y también director ejecutivo del Centro de IA inspirada en humanos (CHIA) de Cambridge. «Tienen información sobre cosas como pobreza energética, registros de reparaciones, historial de arrendamiento y llamadas de salud. Lo interesante, que es exclusivo de este proyecto, es que estamos haciendo predicciones no sólo sobre datos de observación, sino también sobre datos de experiencias vividas».
El resultado, dicen los investigadores, será un panel que mostrará un mapa de los puntos críticos de riesgo, no sólo señalando edificios en malas condiciones, sino destacando dónde vive una persona vulnerable.
Campbell proporciona un ejemplo concreto de lo que podría hacer el tablero. Imagine dos propiedades idénticas, ambas con una grieta en la pared exterior. «Uno está ocupado por una familia que trabaja todo el día, por lo que la pérdida de calor provocada por la grieta tiene un efecto mínimo en ellos», dijo. «La misma propiedad de al lado está ocupada por una sola persona con discapacidad confinada en casa, y la pérdida de calor podría tener un impacto mucho mayor. La herramienta nos permitiría apuntar a la persona más necesitada: no se trata solo de las propiedades, sino de las personas que viven allí».
Un enfoque cambiante hacia la vivienda social
El proyecto refleja un cambio más amplio en la forma en que se regula la vivienda social en Inglaterra, y se espera que el gobierno haga un mejor uso de los datos para planificar los servicios.
Un área de especial preocupación es llegar a los inquilinos que, por cualquier motivo, tienen poco contacto con su municipio: personas con problemas de salud mental, residentes de edad avanzada que rara vez buscan ayuda o aquellos que enmascaran los problemas en lugar de denunciarlos.
Mantenga a los humanos informados
Los investigadores enfatizan que PRISM no está diseñado para tomar decisiones automatizadas sobre los hogares o el bienestar de las personas. Todas las alertas generadas por el modelo serían revisadas por los funcionarios de vivienda y las máquinas no actuarían directamente sobre ellas.
El proyecto está diseñado como una prueba de concepto durante 12 meses. Si funciona, ambos consejos esperan que pueda servir como modelo para las autoridades de vivienda social en otras partes del Reino Unido. Los investigadores ya han creado una hoja de ruta para ayudar a otros municipios a replicarla.
*Foto de BEN ELLIOTT en Unsplash
