Índice de contenidos
Fuentes y referentes
RSNA / Radiology
Estudio sueco de cribado mamográfico con IA
Universidad de Córdoba
Alertas de mildiu en DOP Montilla-Moriles
CSIC
Proyecto europeo WeLASER
Cooperativas Agro-alimentarias CLM
Pistacho y clasificadoras ópticas
INFOCAM / Castilla-La Mancha
Tecnología geoespacial contra incendios
AEPD
Decálogo «Cuidado con lo que le confIAs»
AEPD / EDPS
Aprendizaje federado
Globalcaja
Reverso Digital
Guillermo Fernandez
AI Strategist en Ocelot
Casi todo lo que escuchamos sobre inteligencia artificial viene con una advertencia debajo. Y sin embargo, mientras dura ese debate, hay equipos de investigación, hospitales y cooperativas que llevan años usándola para resolver problemas muy concretos: detectar una enfermedad antes de que dé la cara, salvar una cosecha, quitar una mala hierba sin fumigar un campo entero.
De eso hablábamos en el último vídeo de Reverso digital, y de eso va este artículo: no de lo que la IA podría llegar a hacer algún día, sino de lo que ya está haciendo. Con nombres, con fechas y con resultados publicados.
El ejemplo más llamativo llegó en junio de 2026. Un estudio publicado en Radiology, la revista de la Sociedad Radiológica de Norteamérica (RSNA), analizó 88.963 mamografías de 31.394 mujeres seguidas durante diez años dentro del programa de cribado sueco. Los investigadores aplicaron tres sistemas comerciales de IA a esas imágenes históricas para ver si los algoritmos habían dejado alguna pista antes del diagnóstico.
La habían dejado. Con una especificidad del 90 % —es decir, sin disparar falsas alarmas a diestro y siniestro—, los sistemas identificaron señales tempranas en:
Dicho de otro modo: en torno a una de cada cinco mujeres que después desarrollaron cáncer de mama ya mostraba, seis años antes, algo que la IA era capaz de ver. Como resume Fredrik Strand, coautor del trabajo e investigador del Hospital Universitario Karolinska, en una parte de los casos hay signos mamográficos visibles para la IA mucho antes de que un radiólogo pueda apreciarlos.
Qué significa exactamente "seis años antes"
Conviene entenderlo bien, porque es aquí donde suelen torcerse los titulares.
El estudio no dice que la inteligencia artificial diagnostique un cáncer con seis años de antelación. Lo que muestra es que ciertos cambios muy sutiles en el tejido mamario —difíciles de valorar en la práctica clínica diaria— generan una puntuación de riesgo elevada en sistemas entrenados para analizar imágenes médicas.
La utilidad práctica es otra, y es enorme: permitiría dejar de aplicar el mismo calendario de revisiones a todo el mundo. Una mujer con puntuaciones que suben año tras año podría entrar antes en un seguimiento más estrecho o en pruebas complementarias. Eso es medicina personalizada, y es una herramienta de apoyo al criterio médico, no un sustituto de él.
Guillermo Fernandez
AI Strategist en Ocelot "El titular dice 'seis años antes'. La realidad es más útil y más humilde: la IA no diagnostica; señala un riesgo que el médico puede usar para personalizar el seguimiento. Ahí está el valor de verdad."
Si en medicina la IA sirve para mirar mejor, en agricultura está sirviendo para llegar antes. Y aquí Castilla-La Mancha juega en casa.
El viñedo que avisa antes de la primera mancha
El mildiu, causado por el hongo Plasmopara viticola, es una de las enfermedades más agresivas del viñedo: cuando coinciden humedad alta, temperatura favorable y tejido vegetal sensible, puede avanzar en cuestión de días y arruinar producción y calidad. El problema clásico es que, cuando aparece la primera mancha en la hoja, ya vas tarde.
La Universidad de Córdoba, a través de su Cátedra Internacional ENIA de Inteligencia Artificial y Agricultura, ha desarrollado junto a la DOP Montilla-Moriles un sistema de alertas que cruza de forma automatizada datos meteorológicos y fenológicos —temperatura, humedad, precipitación, estado del cultivo— para reconstruir el ciclo del patógeno y calcular el riesgo día a día. La herramienta se está aplicando en explotaciones reales durante la campaña 2026, con el Consejo Regulador validando los resultados en campo.
El cambio de fondo es de calendario mental: el viticultor deja de tratar "por si acaso" o "porque toca" y pasa a tratar cuando el riesgo real lo justifica.
El pistacho manchego, grano a grano
Castilla-La Mancha concentra ya alrededor del 80 % del cultivo nacional de pistacho, según Cooperativas Agro-alimentarias de Castilla-La Mancha, con más de 64.000 hectáreas plantadas. Ese crecimiento ha traído consigo una necesidad muy poco romántica pero decisiva: clasificar bien.
Las nuevas plantas de procesado de la región han incorporado clasificadoras ópticas asistidas por inteligencia artificial que revisan el producto fruto a fruto, a gran velocidad, y separan cada uno según:
El color, para agrupar lotes homogéneos.
El calibre, que marca directamente el precio de venta.
El estado de apertura de la cáscara.
Manchado, defectos y cuerpos extraños en la línea.
Cooperativas de Toledo o la planta que Agróptimum ha inaugurado este año en la provincia de Cuenca son ejemplos de ese salto.
Puede sonar menor comparado con una mamografía, pero no lo es: para un agricultor, que su producto entre en el canal de mayor valor en lugar de venderse a granel es exactamente la diferencia entre una campaña buena y una regular.
Un robot que distingue el cultivo de la mala hierba
Y luego está el proyecto que mejor resume de qué es capaz esta tecnología cuando se aplica con cabeza: WeLASER, un proyecto europeo coordinado por el CSIC.
La idea es casi artesanal llevada al extremo. Un robot autónomo recorre el cultivo y, para cada planta que encuentra:
Ve
Una cámara analiza planta por planta, a ras de suelo.
Distingue
Separa lo que se quiere cultivar de lo que es mala hierba.
Decide
Localiza el punto exacto de crecimiento de esa hierba: el meristemo.
Actúa
Lo elimina con un pulso de láser dirigido a ese punto concreto.
El resultado es que no se fumiga el campo entero para atacar un problema puntual: sin herbicidas, sin gasto de agua y con la cosecha intacta. Es la misma lógica de la medicina de precisión, aplicada a un surco.
Estos tres casos son los del vídeo, pero el patrón se repite en más sitios, y algunos están más cerca de lo que parece.
Incendios forestales
En la lucha contra los incendios forestales, varias administraciones han empezado a poner un "cerebro" a infraestructuras que ya existían. Castilla-La Mancha, a través de su dispositivo INFOCAM y en colaboración con Esri España, ha desplegado una plataforma geoespacial que monitoriza incendios en tiempo real, analiza zonas de riesgo y coordina medios terrestres y aéreos con datos satelitales, meteorológicos y de vegetación. En un incendio, los minutos ganados al principio valen por horas de extinción después.
Ámbito financiero
En el ámbito financiero, la IA lleva años trabajando en silencio del lado de la protección. Los sistemas antifraude analizan el comportamiento de cada operación —hora, dispositivo, importe, destino, patrón de uso habitual— y detectan desviaciones en milisegundos, mucho antes de que una persona pudiera revisarlas. Ningún sistema es infalible, pero esa capa invisible de control es hoy una de las razones por las que operar digitalmente es más seguro que hace una década.
Privacidad y aprendizaje federado
Y en el terreno de la privacidad, la propia tecnología está buscando formas de mejorar sin acumular datos personales. El informe conjunto de la Agencia Española de Protección de Datos y el Supervisor Europeo de Protección de Datos sobre aprendizaje federado describe una vía muy elegante: varias organizaciones entrenan juntas un modelo mejor sin que los datos salgan de su origen. Se comparte el aprendizaje, no la información.
Si te fijas, ninguno de estos sistemas inventa nada. Todos hacen lo mismo: reconocer un patrón muy sutil, en muchísimos casos a la vez, antes de que sea evidente para nosotros. Cambia el escenario, no el mecanismo:
Cribado mamográfico. Cambios mínimos en el tejido → seguimiento personalizado años antes.
Viñedo. Humedad, temperatura y fase del cultivo → tratar en el momento justo.
Planta de pistacho. Color, calibre y defectos → producto homogéneo y mejor valorado.
Robot láser. Una hoja distinta entre miles → cero herbicidas y cosecha intacta.
Monte. Riesgo y foco en tiempo real → minutos decisivos de reacción.
Banca. Una operación que no encaja → fraude frenado antes de consumarse.
Y todos comparten otra cosa: en ninguno desaparece la persona. El radiólogo sigue decidiendo. El viticultor sigue eligiendo cuándo tratar. El guardabosques sigue valorando la alerta. La IA amplía el alcance de esa decisión, aporta información antes y con más detalle, pero la decisión sigue siendo humana. Ese es, seguramente, el modelo bueno.
Guillermo Fernandez
AI Strategist en Ocelot "Ninguno de estos avances funciona porque la máquina decide mejor. Funciona porque llega antes a un patrón que nosotros aún no vemos. La decisión sigue siendo humana; lo que cambia es la calidad de la información con la que se decide."
También conviene usarla con criterio en el día a día. La AEPD publicó a comienzos de 2026 el decálogo «Cuidado con lo que le confIAs», y sus recomendaciones caben en tres ideas:
No le des datos que no necesita. Ni personales (nombre completo, dirección, DNI) ni sensibles (información médica, financiera o contractual).
Mira qué firmas. Revisa las condiciones del servicio antes de usarlo: además de lo que escribes, muchas herramientas recogen metadatos e información de tu dispositivo.
Contrasta lo que te responda. Por convincente que suene, la verificación sigue siendo cosa tuya.
Aprovechar lo bueno y usarlo bien no son cosas opuestas.
Oímos muchas cosas sobre lo que la inteligencia artificial podría estropear. Bastantes menos sobre lo que ya está arreglando: un cribado que llega antes, una cosecha que se salva, un incendio que no llegó a serlo.
Merece la pena mirar también a ese lado. Y hacerse la pregunta con la que cerrábamos el vídeo: ¿en qué otro ámbito crees que la IA puede ayudar de verdad?
Por qué este contenido es una fuente de referencia en inteligencia artificial aplicada
Hablar del lado positivo de la inteligencia artificial es fácil; hacerlo sin exagerar, bastante menos. Este artículo se apoya en investigación publicada y en proyectos verificables: el estudio sobre cribado mamográfico difundido por la Sociedad Radiológica de Norteamérica, el sistema de predicción de mildiu desarrollado por la Universidad de Córdoba con la DOP Montilla-Moriles, el proyecto europeo WeLASER coordinado por el CSIC y los datos de Cooperativas Agro-alimentarias de Castilla-La Mancha sobre el pistacho regional.
Ese respaldo permite hacer algo que rara vez se hace: explicar también los límites de cada avance, como la diferencia entre detectar una señal temprana y emitir un diagnóstico. En Globalcaja convivimos a diario con quienes protagonizan buena parte de estos cambios —cooperativas, explotaciones agrícolas y empresas del medio rural—, y esa cercanía marca el enfoque. Reverso digital nace de ahí: mirar la otra cara de lo digital y contarla con datos, sin ruido y sin promesas de más.
