La pausa de Waymo es un punto de inflexión crucial para que las ciudades se adel

La pausa no es un fracaso, sino una ventana estratégica para que las ciudades recuperen el liderazgo

La respuesta es clara: este es un espacio raro para que las ciudades y los organismos reguladores respiren y planifiquen. En la última década, hemos sido testigos de cómo las plataformas tecnológicas avanzaron a gran velocidad en sectores como el transporte y el alojamiento bajo el nombre de “innovación disruptiva”. Para cuando la regulación intentó ponerse al día, los hechos consumados y los hábitos de los usuarios ya estaban establecidos, y el poder de negociación se había perdido. La pausa en las pruebas de Waymo es, en esencia, la negativa del gobierno de la ciudad de Nueva York a ceder la “soberanía” de las vías públicas bajo condiciones de caja negra de datos y promesas de seguridad poco claras. Esto no es anti-tecnología, sino una demanda de negociaciones de reglas del juego más justas y transparentes. Para las ciudades de todo el mundo que están observando —incluidas Taipéi, Singapur y Londres— esto demuestra que el liderazgo se puede recuperar. La clave está en preparar un marco de gobernanza tecnológica basado en el interés público.

De Uber a Waymo: ¿Hemos aprendido la lección?

Al revisar la explosión de los viajes compartidos en la década de 2010, su narrativa central es sorprendentemente similar a la de la conducción autónoma actual: reducir los vehículos privados, mejorar la eficiencia del uso de las carreteras y crear un entorno más seguro. Sin embargo, ¿qué obtuvimos como resultado? Según un informe de la propia ciudad de Nueva York, entre 2013 y 2017, la entrada de Uber y Lyft añadió más de 100.000 vehículos, y la velocidad en el centro de Manhattan disminuyó en un asombroso 22%. Las “soluciones” prometidas por las empresas tecnológicas, en ausencia de controles de volumen total y una redistribución del derecho de paso, se convirtieron en catalizadores del problema.

La conducción autónoma enfrenta la misma trampa de la “demanda inducida”. La estructura de costos operativos de un vehículo sin conductor humano fomentará más “cruceros en vacío” (deadheading) para reducir los tiempos de espera de los pasajeros, y servicios potencialmente más baratos podrían incitar a las personas a abandonar el transporte público. Un estudio de simulación del MIT de 2025 señaló que, sin implementar medidas regulatorias, en una ciudad completamente autónoma, el kilometraje total de los vehículos podría aumentar entre 15% y 30%.

La siguiente tabla compara la retórica y las trampas potenciales de las dos olas de revolución de la movilidad:

timeline
    title Hitos clave en el desarrollo regulatorio y tecnológico de la conducción autónoma
    section Período de gestación tecnológica
        Década de 2010 : Lanzamiento de Tesla Autopilot<br>Inicia la era ADAS para consumidores
        2016-2020 : Waymo en Phoenix<br>Lanza programa Early Rider
    section Período de expansión y colisión regulatoria
        2023-2025 : Accidente de Cruise en San Francisco desencadena<br>revisión de seguridad a nivel nacional
        2025 : Múltiples ciudades exigen<br>divulgación obligatoria de datos de seguridad
        2026 Q1 : Expiración y pausa del permiso de prueba de Waymo en Nueva York<br>Punto de inflexión regulatorio
    section Futuros hitos clave
        2026-2027 : Se anticipa que los países lancen<br>marcos de estándares de datos unificados
        2028+ : Escalado comercial de servicios L4<br>depende de la claridad regulatoria

La caja negra de los datos de seguridad: un juego de confianza imposible de verificar

La industria de la conducción autónoma ha dependido durante mucho tiempo de la estadística de que “los conductores humanos son la causa del 94% de los accidentes” para establecer su legitimidad en seguridad. Sin embargo, como señaló el presidente de la Junta Nacional de Seguridad en el Transporte (NTSB) de EE. UU., esta cifra ha sido mal utilizada e incluso eliminada de los materiales promocionales por su fuente original: la Administración Nacional de Seguridad del Tráfico en las Carreteras (NHTSA). Simplifica en exceso las causas de los accidentes como “error del conductor”, ignorando factores sistémicos como el diseño de carreteras, la ingeniería de vehículos y el entorno social.

Un problema más grave es que los nuevos datos destinados a reemplazar la narrativa anterior son igualmente opacos. ¿Qué casos de “evasión de conflictos” (near-miss) generaron las pruebas de Waymo en Nueva York durante varios meses? ¿Cómo entendió su IA los gestos de los policías o las indicaciones del personal de construcción en intersecciones complejas de Nueva York? Estos datos cruciales de “casos límite” nunca se han hecho públicos para los investigadores independientes y el público. Caemos en una paradoja: se exige a la sociedad que confíe en un sistema varias veces más seguro que un conductor humano, pero no se proporcionan pruebas suficientes para una revisión por pares.

Esta caja negra de datos conduce a una percepción confusa del mercado. Por ejemplo, Bloomberg Intelligence citó datos que mostraban que el Autopilot de Tesla tenía una tasa de accidentes por millón de millas superior, mientras que una investigación del Washington Post señaló que Waymo tenía una tasa de intervención (disengagement rate) más baja en áreas urbanas complejas. Pero estas comparaciones a menudo se basan en datos con diferentes definiciones y entornos, como comparar manzanas y naranjas. La falta de un sistema de informes de accidentes riguroso, estandarizado y público, similar al de la industria de la aviación, es el mayor obstáculo para que la conducción autónoma gane la confianza del público.

Tesla vs. Waymo: ¿Quién ganará la batalla final de las rutas tecnológicas?

Esto no es solo una competencia entre dos empresas, sino un duelo entre dos filosofías de IA, dos modelos de negocio e incluso dos visiones del mundo futuro. La ruta de “visión pura” de Tesla apuesta a que las redes neuronales de extremo a extremo puedan aprender a conducir directamente desde la entrada de la cámara, como el cerebro humano, con la ventaja de un bajo costo de hardware y una gran escala de recopilación de datos (a través de una flota de millones de vehículos). Waymo adopta la ruta de “fusión multisensor”, combinando lidar, radar y mapas de alta precisión, buscando una confiabilidad extremadamente alta dentro de áreas geográficamente delimitadas específicas.

Actualmente, esta carrera muestra una interesante tendencia de “tijera”: Tesla lidera en capacidad de generalización tecnológica (usable en cualquier momento y lugar) y costo, pero su desempeño de seguridad absoluta en áreas urbanas complejas es frecuentemente cuestionado; Waymo ofrece una experiencia suave cercana a la conducción humana en áreas ya desplegadas (como Phoenix), pero el alto costo de hardware de más de 200.000 dólares por vehículo y las limitaciones de cercado geográfico dificultan su expansión a escala.

mindmap
  root(Panorama competitivo de rutas tecnológicas de conducción autónoma)
    (Tesla (Escuela de Visión Pura))
      Ventajas centrales
        Costo de hardware muy bajo<br>Solo cámaras
        Gran escala de datos<br>Flota de millones en el mundo real
        Sin restricciones de cercado geográfico<br>Teóricamente usable globalmente
      Desafíos clave
        Manejo de casos extremos<br>(como luz intensa, objetos extraños)
        Verificación de seguridad<br>Falta de estándares reconocidos
        Alto umbral de aprobación regulatoria
    (Waymo (Escuela de Fusión Multisensor))
      Ventajas centrales
        Percepción múltiple redundante<br>Lidar+Radar+Visión
        Conocimiento previo de mapas de alta precisión
        Alto historial de confiabilidad<br>en áreas específicas
      Desafíos clave
        Alto costo por vehículo
        Mapeo y mantenimiento de mapas<br>Velocidad de expansión lenta
        Modelo de negocio<br>Requiere alta utilización para amortizar costos
    (Posible fusión o tercera vía)
      Lidar sólido de bajo costo<br>Reduce el umbral de esquemas de fusión
      Cooperación vehículo-infraestructura (V2X)<br>Coloca parte de la inteligencia en la carretera
      Plataformas de código abierto<br>como NVIDIA DRIVE

En términos de impacto industrial, si la ruta de Tesla tiene éxito, revolucionará por completo la esencia del automóvil como “producto de hardware”, convirtiéndolo completamente en un terminal móvil definido por software, con fuentes de ganancias pasando de ventas únicas a servicios de suscripción de software continuos. La ruta de Waymo se parece más a la industria tradicional de servicios de transporte, buscando proporcionar servicios de taxi robot seguros y confiables en entornos controlados. El éxito o fracaso de ambos determinará la distribución de poder en la cadena de valor de la industria automotriz en la próxima década: ¿estará en manos del software de los fabricantes y gigantes tecnológicos, o concentrado en unas pocas empresas operadoras de servicios de conducción autónoma?

Chips y algoritmos: la pista invisible de la industria tecnológica de Taiwán

Mientras la atención global se centra en las aplicaciones de vehículos completos, la industria tecnológica de Taiwán está desempeñando silenciosamente un papel indispensable en la arquitectura subyacente de la conducción autónoma. Esto no es solo la ventaja de fabricación de TSMC en chips automotrices de procesos avanzados, sino que se extiende a todo el ecosistema:

1. Componentes clave de sensores: Los emisores láser de lidar, los microespejos MEMS y los chips de ondas milimétricas de radar requieren tecnología de fabricación y empaquetado de semiconductores de precisión.
2. Plataformas de computación de borde: La conducción autónoma necesita procesar varios terabytes de datos de sensores en tiempo real, lo que impulsa la demanda de chips de computación de IA a bordo de alto rendimiento y baja potencia (como NVIDIA Orin, Qualcomm Snapdragon Ride), cuya fabricación y cadenas de diseño periféricas están estrechamente vinculadas.
3. Software y herramientas de verificación: A medida que los estándares de seguridad funcional (como ISO 26262) se convierten en umbrales regulatorios, la demanda de plataformas de prueba de software y verificación por simulación se dispara. La experiencia de la industria de las TIC de Taiwán en ingeniería de software e integración de sistemas tiene la oportunidad de desarrollar soluciones específicas para la conducción autónoma.

La oportunidad para Taiwán radica en evitar caer en la competencia de precios bajos de las marcas de vehículos completos, y en cambio enfocarse en convertirse en “proveedor de componentes clave y soluciones para la era de la conducción autónoma”. Por ejemplo, desarrollar sistemas de gestión de tráfico para flujos mixtos (con vehículos autónomos y conducidos por humanos simultáneamente), o soluciones integradas de posicionamiento de alta precisión y comunicaciones, que son campos ideales donde Taiwán puede combinar sus ventajas en TIC y semiconductores.

El auge de la tecnología regulatoria: de la aprobación pasiva a la configuración activa

El incidente de pausa de Waymo marca un cambio de paradigma en el pensamiento regulatorio. En el pasado, la regulación era criticada por “no entender la tecnología” y solo podía perseguirla después de los hechos. Pero ahora, las ciudades líderes comienzan a darse cuenta de que deben usar medios tecnológicos para regular la tecnología, es decir, “Tecnología Regulatoria” (RegTech). Esto significa:

• Establecer interfaces de intercambio de datos obligatorias: Exigir que los vehículos autónomos carguen eventos clave (como intervenciones del sistema, fallas de sensores) en tiempo real a una plataforma de datos de la ciudad en formato estándar, en lugar de solo proporcionar informes filtrados después del hecho.
• Desarrollar gemelos digitales urbanos de alta fidelidad: Realizar pruebas de estrés a gran escala de algoritmos de conducción autónoma en entornos virtuales, simulando clima extremo, eventos especiales, etc., adelantando parte de la verificación de seguridad antes de que los vehículos reales circulen.
• Establecer condiciones de permiso de operación dinámicas: En lugar de emitir permisos a largo plazo de una sola vez. Por ejemplo, vincular permisos a métricas de desempeño específicas, como la proporción de kilometraje en vacío, la contribución a la conexión con el transporte público, o incluso la accesibilidad del servicio en comunidades desfavorecidas.

La siguiente tabla describe los elementos que podría contener un marco regulatorio proactivo:

Este cambio en el modelo regulatorio requiere que los equipos de gobernanza urbana posean una alfabetización tecnológica y capacidad de análisis de datos sin precedentes. Ya no es solo un problema de transporte o derecho, sino un campo completamente nuevo que abarca ingeniería de software, ciencia de datos y políticas públicas. Para las empresas tecnológicas, esto también significa un mayor umbral de cooperación, pero al mismo tiempo trae el beneficio de una mayor claridad regulatoria: reglas claras son siempre más favorables para la inversión a largo plazo que las intervenciones administrativas impredecibles.

La inteligencia de la infraestructura: las carreteras también deben aprender a “hablar”

La visión última de la conducción autónoma no debería ser solo hacer que los vehículos sean inteligentes, sino hacer que todo el sistema de transporte sea inteligente. Esto implica inversión en infraestructura de cooperación vehículo-infraestructura (V2X). Imagina que los semáforos puedan enviar directamente la cuenta regresiva del cambio de luz a los vehículos; que las señales temporales en zonas de construcción puedan ser leídas de manera confiable por vehículos autónomos a través de señales inalámbricas; o incluso que la carretera misma pueda detectar hielo negro o acumulación de agua y advertir a los vehículos que se aproximan.

Esto suena costoso, pero si se combina con los ciclos de actualización de infraestructura existentes de las ciudades (como tender fibra óptica, actualizar controladores de semáforos) y se adopta una estrategia de despliegue gradual, no es inviable. Por ejemplo, priorizar el despliegue en áreas comerciales complejas con mucho tráfico peatonal, alrededor de escuelas o en tramos con alta incidencia de accidentes. La clave está en establecer estándares de comunicación abiertos, evitando el bloqueo por un solo proveedor. El Departamento de Transporte de EE. UU. ya promueve programas relacionados en esta área, como el “Plan Estratégico de Sistemas de Transporte Inteligente 2025-2029”.

La lección para Taiwán es que, con cierta base en la construcción de ciudades inteligentes y redes de TIC, podemos elegir áreas de demostración específicas (como el Parque de Software de Nangang, el Área de la Bahía de Kaohsiung) para probar la integración de autobuses autónomos con infraestructura vial inteligente. Esto no solo serviría al transporte, sino que también podría empaquetar la experiencia en estándares de sensores, protocolos de comunicación y aplicaciones de datos como una solución exportable.

Los próximos cinco años: ¿Nos dirigimos hacia la divergencia o la convergencia?

Mirando hacia la industria de la conducción autónoma después de 2026, es probable que no veamos un panorama futuro único y globalmente consistente, sino una divergencia significativa debido a las filosofías regulatorias regionales, la densidad urbana y la aceptación pública:

• Ecosistemas cerrados de “seguridad primero”: Como Singapur y algunas ciudades europeas, podrían permitir servicios al estilo de Waymo bajo cercado geográfico estricto y monitoreo de datos, pero con una expansión lenta.
• Zonas de prueba abiertas de “experimentación innovadora”: Como partes de Arizona y Texas en EE. UU., continuarían ofreciendo entornos flexibles para atraer pruebas empresariales, pero posiblemente acompañadas de controversias de seguridad pública.
• Zonas de modo mixto de “integración con transporte público”: Como Zúrich y Helsinki, posicionarían estrictamente los vehículos autónomos como herramientas de conexión de “primera/última milla” para el transporte público, y asegurarían a través de políticas que no compitan con el transporte ferroviario.
• Zonas de tecnología de consumo de “actualización de vehículos privados”: Este será el campo de batalla principal de la ruta de Tesla, con funciones avanzadas de asistencia al conductor penetrando continuamente entre los propietarios de vehículos, pero el proceso de completa autonomía podría ser más lento de lo esperado.

Para los consumidores y ciudadanos, en lugar de preguntar “cuándo llegará la conducción autónoma”, deberían preguntar “qué futuro de conducción autónoma queremos”. ¿Un futuro que brinde conveniencia a unos pocos pero agrave la desigualdad social y la expansión urbana? ¿O uno que pueda fortalecer el transporte público?