ARBOR: la IA entrenada con drones para supervisar el shihuahuaco en la Amazonía peruana

Por Inforegion · 24 de junio de 2026.

El Organismo de Supervisión de los Recursos Forestales y de Fauna Silvestre del Perú (OSINFOR) y la Universidad de Sheffield, del Reino Unido, han presentado oficialmente ARBOR, un plugin de inteligencia artificial diseñado para el monitoreo forestal y la evaluación de especies arbóreas específicas en la Amazonía peruana. La herramienta fue entregada formalmente al Estado peruano durante el evento 'Dialoguemos por los bosques: tecnología para la innovación y la sostenibilidad'.

ARBOR no es un sistema de detección de tala al uso. Su diferencial frente a los enfoques tradicionales reside en ampliar el espectro del monitoreo: en lugar de limitarse a identificar pérdida forestal, la herramienta puede identificar, segmentar y georreferenciar especies individuales a partir de imágenes capturadas con drones en zonas de manejo supervisado. Este salto cualitativo —de detectar ausencias (árboles talados) a catalogar presencias (árboles vivos, clasificados por especie)— representa un cambio de paradigma en la fiscalización forestal amazónica.

En su primera etapa, ARBOR fue entrenado específicamente para reconocer el shihuahuaco (Dipteryx micrantha), una especie emblemática de la Amazonía peruana tanto por su valor ecológico como por su cotización comercial en mercados internacionales de madera. El shihuahuaco está incluido en el Apéndice II de la Convención sobre el Comercio Internacional de Especies Amenazadas de Fauna y Flora Silvestres (CITES), lo que implica que su comercio internacional está regulado y requiere documentación de origen legal.

Para entrenar los algoritmos, el equipo utilizó una base geoespacial del propio OSINFOR compuesta por 176 ortomosaicos —imágenes aéreas de alta resolución generadas mediante fotogrametría con drones— obtenidos en áreas de manejo forestal supervisadas. Esa base de datos incluye registros de 1.883 árboles, entre los cuales más de 700 son shihuahuacos. Se trata de una característica relevante: el modelo fue entrenado con datos recogidos directamente en bosques amazónicos peruanos, lo que reduce el riesgo de desajuste entre el entorno de entrenamiento y el entorno de aplicación real —uno de los problemas más frecuentes en modelos de visión computacional aplicados a ecosistemas tropicales.

Williams Arellano Olano, jefe del OSINFOR, subrayó en el acto de presentación el valor de la colaboración entre el organismo regulador y la academia: 'Este trabajo conjunto entre el OSINFOR y la academia nos ha permitido desarrollar soluciones concretas para mejorar la gestión sostenible de nuestros bosques y fortalecer el monitoreo forestal mediante el uso de inteligencia artificial'. Por su parte, Jefferson dos Santos, investigador de la Universidad de Sheffield que participó en el desarrollo, destacó el potencial de exportación de la herramienta: 'La información generada por el OSINFOR ha sido clave para desarrollar una tecnología con potencial de impacto no solo en los bosques del Perú, sino en otros países'.

Desde el punto de vista regulatorio peruano, la aplicación de ARBOR tiene una justificación legal directa. El artículo 46 de la Ley Forestal y de Fauna Silvestre (Ley N.° 29763) establece que la fiscalización del aprovechamiento del shihuahuaco debe realizarse al 100 %. Cumplir ese mandato con los recursos humanos y logísticos tradicionales —inspectores que se desplazan físicamente a zonas remotas de la Amazonía— es, en la práctica, extremadamente costoso y lento. ARBOR ofrece una vía para escalar esa obligación legal: al automatizar la identificación y georreferenciación de los árboles mediante imágenes de drones, el OSINFOR puede cubrir superficies mayores, con mayor frecuencia y con menor coste operativo.

La herramienta se integra en el ecosistema de innovación digital que el OSINFOR ha ido construyendo desde 2015, cuando comenzó a incorporar plataformas digitales, drones, imágenes satelitales e inteligencia artificial a sus procesos de fiscalización. ARBOR nace formalmente dentro de OSINFORLAB, el laboratorio de innovación y transformación digital de la entidad, donde también se han desarrollado otros sistemas como el detector de incendios forestales basado en Edge AI y el Certificado de Origen Legal.

En el mismo evento se presentó ADETOP v2 Web, una versión actualizada y optimizada del algoritmo de inteligencia artificial que el OSINFOR difundió en julio de 2025 para determinar si una tala fue legal o ilegal. Según los datos ofrecidos en el acto, ADETOP v2 ya ha sido utilizado en el análisis de 181 casos. Esto indica que el OSINFOR no está construyendo herramientas de laboratorio desconectadas de la operación real, sino que está aplicando los modelos de IA a expedientes de fiscalización concretos, con implicaciones jurídicas directas.

El acto contó con la participación de altos funcionarios del sector ambiental peruano: Erasmo Otárola Acevedo (jefe del SERFOR), Deyvis Huamán Mendoza (director de Gestión Territorial de Áreas Naturales Protegidas del Sernanp), Carmen Vegas Guerrero (viceministra de Desarrollo Estratégico de los Recursos Naturales del Ministerio del Ambiente) y Vilma Vilcas Melchor (gerente regional Forestal y de Fauna Silvestre de Ucayali). La presencia de representantes de distintos niveles de gobierno —central y regional— sugiere que ARBOR se está posicionando no solo como una herramienta del OSINFOR, sino como un recurso potencialmente compartido entre varias instituciones con competencias forestales.

Como contexto del sector, la presión sobre los bosques amazónicos peruanos es significativa. Según datos citados en el propio medio, la Amazonía perdió más de 736.000 hectáreas por deforestación en 2025, con Perú entre los países más afectados, especialmente por la minería de oro. En ese contexto, herramientas que permiten verificar el origen legal de la madera y rastrear con precisión la situación de especies reguladas por CITES cobran una relevancia estratégica tanto para la conservación como para el comercio internacional: los compradores de madera en mercados europeos y norteamericanos exigen cada vez más garantías de trazabilidad y legalidad, respaldadas por legislaciones como el Reglamento de Deforestación de la Unión Europea (EUDR).

Desde la perspectiva de la IA agéntica y los sistemas de visión computacional aplicados al medio ambiente, ARBOR ilustra una tendencia creciente: el uso de modelos entrenados con datos geoespaciales propios —ortomosaicos, imágenes multiespectrales, registros de campo— para tareas de identificación y clasificación de especies en ecosistemas de alta biodiversidad. La capacidad de georreferenciar cada árbol detectado convierte la salida del modelo no solo en una etiqueta de clasificación, sino en un dato espacial que puede integrarse en sistemas de información geográfica (SIG), bases de datos de inventario forestal y plataformas de trazabilidad de cadena de custodia.

La elección del shihuahuaco como especie piloto no es casual. Al ser una madera de alto valor comercial, protegida por CITES y sujeta a fiscalización obligatoria al 100 %, concentra los incentivos tanto para la explotación ilegal como para la supervisión rigurosa. Si ARBOR demuestra su eficacia en esta especie, la extensión del modelo a otras especies CITES o de alto valor presupone un trabajo adicional de etiquetado y reentrenamiento, pero sobre una arquitectura ya validada en condiciones de campo amazónico.