Estudiantes del IPN construyen IA para anticipar incendios forestales: la vigilancia ciudadana como escudo verde

Por Momentum IA · 28 de junio de 2026.

Cuatro estudiantes de Ingeniería en Inteligencia Artificial de la Escuela Superior de Cómputo (ESCOM) del IPN acaban de demostrar algo que no debería sorprender, pero que sigue siendo refrescante: que los proyectos escolares bien orientados pueden convertirse en herramientas con impacto real. El equipo formado por Denys Monserrat Rodríguez Méndez, Mildred Valeria Lagunes Vázquez, Brisa María Lezama Tapia y Aldo Díaz Martínez, con la asesoría del investigador José Asunción Enríquez Zárate, desarrolló un prototipo de plataforma web capaz de identificar zonas con alto riesgo de incendio forestal antes de que el fuego comience, con foco inicial en el Parque Nacional El Tepozteco, en Morelos, una reserva de más de 23 mil hectáreas.

La arquitectura técnica merece atención. El sistema no se apoya en modelos preentrenados tomados de cajas negras comerciales: el equipo construyó sus propios modelos desde cero, incluyendo redes neuronales convolucionales para analizar imágenes del terreno y un autocodificador para detectar anomalías en el estado de la vegetación. A eso se suman la verificación de metadatos geográficos —para asegurarse de que las fotos cargadas corresponden efectivamente al área protegida— y la integración de variables climáticas en tiempo real: temperatura, humedad y velocidad del viento. El resultado es una clasificación de riesgo en tres niveles (bajo, medio, alto) que se proyecta sobre un mapa operativo. Para entrenar los modelos, construyeron tres bancos de imágenes con miles de fotografías procedentes de plataformas públicas, recursos digitales y material cedido por especialistas locales.

Lo que distingue este desarrollo de la mayoría de los sistemas existentes es el enfoque: no detectar el incendio cuando ya arde, sino anticipar las condiciones que lo hacen probable. Acumulación de material combustible, sequedad de la vegetación, presencia de residuos, actividad humana en zonas sensibles —todos factores identificados en colaboración con el municipio de Tepoztlán y expertos en medio ambiente— alimentan el modelo para que las autoridades puedan desplegar brigadas de limpieza, labores de saneamiento o vigilancia preventiva antes de que se produzca la emergencia.

Hay además una dimensión que suele pasarse por alto en proyectos de este tipo: la arquitectura de usuarios. La plataforma contempla tres perfiles —administradores, autoridades gubernamentales y ciudadanos— lo que convierte a habitantes y visitantes del parque en agentes activos de monitoreo. Pueden cargar fotografías de zonas sospechosas, ampliando la cobertura de vigilancia de un territorio que, por su extensión, no puede ser cubierto de forma exhaustiva por ningún cuerpo de guardabosques. Eso es inteligencia colectiva apuntalada por modelos computacionales: una combinación que tiene más potencial del que parece a primera vista.

Nuestra lectura es esta: proyectos así ilustran con claridad dónde reside el verdadero valor de enseñar IA aplicada en universidades públicas. No en producir ingenieros que repliquen lo que ya hacen los grandes laboratorios, sino en formar equipos que ataquen problemas concretos de su entorno con herramientas de vanguardia. México pierde decenas de miles de hectáreas de bosque cada año por incendios, muchos de ellos prevenibles con un monitoreo más temprano. El hecho de que el asesor describa este prototipo como un 'producto mínimo viable con potencial para implementarse en otras reservas naturales del país' no es retórica académica: es la hoja de ruta lógica para un sistema que, escalado y mantenido con recursos adecuados, podría cambiar la gestión de áreas protegidas en todo el territorio.

La pregunta que queda abierta —y que ningún artículo de presentación responde jamás— es la de la continuidad. Los prototipos escolares brillan en su momento y luego desaparecen por falta de financiamiento, voluntad institucional o simplemente porque los estudiantes se gradúan y siguen con su vida. Que este desarrollo llegue a desplegarse de forma operativa en El Tepozteco, y más allá, dependerá de si hay actores institucionales —Conanp, gobiernos estatales, organizaciones de conservación— dispuestos a invertir en llevarlo del laboratorio al campo. Esa brecha entre el prototipo funcional y la implementación sostenida es el cuello de botella histórico de la innovación pública en México, y ningún modelo de IA lo resuelve por sí solo.

En el largo plazo, el potencial de la IA aplicada a la protección de ecosistemas es uno de los argumentos más sólidos para el optimismo tecnológico. Sistemas que monitorean bosques, predicen sequías, optimizan la distribución del agua o alertan sobre la degradación del suelo no son ciencia ficción: están siendo construidos hoy, en algunos casos por estudiantes de pregrado. La transición hacia esa capacidad colectiva tiene costos y fricciones —desigualdad de acceso, dependencia de datos, riesgos de sobreconfianza en los modelos—, pero la dirección es inequívoca. Lo que hace este proyecto del IPN no es resolver el problema de los incendios forestales en México; es demostrar que ya tenemos las herramientas para empezar a hacerlo.