inDrive desarrolla un modelo predictivo de riesgos basado en IA
La seguridad en los servicios de movilidad está pasando de reaccionar ante incidentes a intentar anticipar los riesgos mediante inteligencia artificial y análisis predictivo.
En Colombia, inDrive aplica esta estrategia desde el diseño de su plataforma, con herramientas que verifican usuarios y vehículos, monitorean los trayectos y analizan señales de riesgo antes y durante cada viaje.
La inteligencia artificial está empezando a utilizarse en los servicios de movilidad para algo que va más allá de responder cuando ocurre un incidente: intentar anticiparlo. inDrive trabaja en un modelo que analiza las características de cada viaje desde el momento en que se solicita y calcula su nivel de riesgo a partir de variables como el horario, la ruta, la relación entre precio y distancia, el comportamiento de la cuenta y su historial.
La propuesta parte de una idea: no todos los viajes presentan las mismas condiciones de riesgo y, por tanto, tampoco deberían recibir exactamente el mismo nivel de verificación. Un trayecto habitual durante la mañana podría tener una evaluación diferente a un desplazamiento nocturno hacia una zona aislada. Si el sistema identifica un mayor nivel de riesgo, podría activar verificaciones adicionales.
El desarrollo hace parte del modelo de seguridad Safety by Design de inDrive, que incorpora controles desde el diseño de sus productos. En Colombia, donde la compañía tiene presencia en más de 45 ciudades y registra más de 19 millones de descargas, el 99 % de los viajes reportados por la empresa se completa sin incidentes.
La seguridad comienza antes del viaje
La evaluación de riesgos no es el único momento en que interviene la tecnología. Antes de iniciar un trayecto, las herramientas de inteligencia artificial permiten verificar la identidad de usuarios y vehículos y reducir el tiempo promedio de este proceso de 4 horas a 15 minutos. En Colombia se procesan cerca de 145.000 solicitudes mensuales de este tipo.
También se utiliza un sistema de verificación de presencia (Liveness Check) para comprobar que la cuenta está siendo utilizada por una persona real. La herramienta busca detectar intentos de suplantación mediante recursos como máscaras o videos pregrabados.
Para ello, la inteligencia artificial compara las fotografías obtenidas durante la verificación con una base de datos de infractores conocidos. Si encuentra una coincidencia, el intento es bloqueado.
“La seguridad no debe ser una capa que se agrega al final del desarrollo. Cuando manejamos millones de usuarios, la respuesta ante un incidente debe ir acompañada de un diseño tecnológico pensado para prevenirlo. El botón SOS es importante, pero nuestro objetivo principal es minimizar la necesidad de usarlo”, afirmó Yuri Misnik, director global de Tecnología de inDrive.
Qué ocurre durante el trayecto
Una vez iniciado el viaje, el sistema incorpora otras herramientas para identificar situaciones que puedan afectar la seguridad. Entre ellas están el monitoreo en tiempo real, las alertas de zonas de riesgo para conductores, el audio encriptado activado por el usuario y la posibilidad de que los pasajeros seleccionen al conductor según su perfil y valoración.
La percepción de los usuarios también muestra qué mecanismos generan mayor confianza. Un estudio realizado junto con Cifras & Conceptos en 2025 encontró que el 53 % de los pasajeros considera que compartir la ruta es el factor clave para generar confianza durante un viaje.
La IA también interviene después del viaje
El análisis no termina cuando el pasajero llega a su destino. Los modelos de inteligencia artificial permiten clasificar solicitudes de soporte en tiempo real, atender casos críticos mediante el chat en aproximadamente un minuto y resolver automáticamente el 47 % de los reportes leves.
La información producida durante los viajes también sirve para alimentar los modelos predictivos, de modo que los datos obtenidos de la operación puedan utilizarse posteriormente en la identificación de posibles riesgos.
El nuevo modelo que desarrolla inDrive busca precisamente ampliar esa capacidad de anticipación. Para calcular el riesgo de un trayecto no utilizará documentos ni datos biométricos, sino señales relacionadas con las características del viaje y el comportamiento de la cuenta.
El objetivo es que la evaluación no dependa únicamente de quién solicita el servicio, sino también de las circunstancias en las que se realiza el desplazamiento. Un mismo pasajero, por ejemplo, podría presentar un nivel de riesgo diferente según la hora, la ruta o las características del trayecto.
Una infraestructura que debe adaptarse a la demanda
El volumen de operaciones plantea otro desafío tecnológico. La arquitectura multinube de inDrive puede aumentar automáticamente la capacidad de sus sistemas hasta 20 veces durante los picos de demanda, según información de la compañía.
La combinación de análisis predictivo, verificación y procesamiento de datos muestra hacia dónde se está desplazando el uso de la inteligencia artificial en los servicios de movilidad: de una función centrada en reaccionar ante los problemas a otra que busca identificarlos antes de que ocurran.
|
|
| Recomendados | ||
|
|
| Debes saber esto | ||
