Las herramientas de inteligencia artificial generativa ofrecen nuevas posibilidades para desarrollar aplicaciones y productos geográficos. Con ellas es posible describir una idea, aportar datos y referencias y así obtener un primer prototipo funcional sobre el cual trabajar, probar alternativas y avanzar en su desarrollo.

Para quienes trabajan con información territorial, esto abre nuevas posibilidades para aprovechar datos, capas geográficas, geoservicios y APIs que ya se encuentran disponibles y construir, a partir de ellos, nuevas formas de consulta, análisis y visualización.

Desde IDECOR nos interesa explorar estas posibilidades y compartir cómo pueden incorporarse estas herramientas al desarrollo de productos geográficos. La inteligencia artificial (IA) puede acelerar distintas etapas del proceso, pero no reemplaza el conocimiento del territorio ni las decisiones técnicas necesarias para que la información sea correcta y útil.

Desarrollar una nueva aplicación geográfica supone varias etapas: identificar una necesidad, analizar los datos disponibles, definir indicadores y escalas de consulta, diseñar la interfaz, programar un primer desarrollo y evaluar el resultado.

Del prompt al primer prototipo

Para convertir ese prototipo en un producto geográfico es necesario indicarle qué debe hacer, proporcionarle los datos que necesita, incorporar las capas geográficas, establecer cómo se relacionan esos datos y definir qué debe ocurrir cuando el usuario interactúa con él.

La IA puede escribir código, proponer una interfaz o generar alternativas de visualización. Pero no convierte automáticamente datos disponibles en información territorial correcta.

El prompt es el punto de partida. Cuanto mejor podamos describir el producto, mejores serán las primeras respuestas: qué información queremos comunicar, qué componentes debería tener la pantalla, qué filtros necesitamos, qué gráficos queremos utilizar, qué debe mostrar el mapa y cómo deberían relacionarse esos elementos.

Por ejemplo, podemos indicarle a la IA que queremos desarrollar una aplicación geográfica que muestre información por departamento, que incluya un mapa, filtros territoriales, indicadores y gráficos, y que los distintos componentes se actualicen cuando el usuario seleccione una unidad territorial.

No hace falta resolver todo desde el comienzo. Una de las ventajas de trabajar con IA es justamente poder construir una primera versión, ver como funciona y empezar a corregirla.

Incorporar datos reales

Después vienen los datos. Un prototipo puede construirse con valores de ejemplo, pero para transformarlo en una herramienta útil debe conectarse con información real.

Los datos pueden provenir de archivos, bases de datos, APIs o servicios disponibles en una Infraestructura de Datos Espaciales (IDE). En este caso, es necesario indicarle qué fuentes utilizar, cómo están organizadas y qué campos permiten relacionar unas tablas con otras.

Así, por ejemplo, si contamos con una tabla que contiene información asociada a cada departamento, localidad o parcela, podemos proporcionar esos datos e indicarle cómo deben incorporarse al prototipo.

Otro aspecto a definir es cómo se actualizará la información. Para un prototipo puede ser suficiente trabajar con archivos estáticos, mientras que un producto operativo puede requerir conexiones a bases de datos, APIs o geoservicios que permitan consumir información actualizada desde su fuente.

Incorporar las capas geográficas

Y si el producto tiene un mapa, es necesario contar con información geográfica. Una tabla puede contener el nombre de un departamento, localidad o parcela, pero eso no alcanza para una representación espacial.

Hay que proporcionar o conectar la capa geográfica correspondiente y establecer la relación entre sus identificadores y los datos que queremos visualizar.

Si una tabla contiene un código de departamento y la capa geográfica utiliza ese mismo identificador, esa relación permite vincular los datos con la geometría correspondiente. De esta manera, la información puede representarse en el mapa y utilizarse para generar consultas o filtros territoriales.

En este proceso, los formatos y estándares también importan. Utilizar datos estructurados, identificadores consistentes y servicios geográficos interoperables facilita la integración de distintas fuentes y permite que el producto pueda actualizarse sin tener que reconstruirlo cada vez que cambian los datos.

Infografía. Secuencia para construir un prototipo geo.

Probar, corregir y volver a probar

Una vez que los datos reales empiezan a alimentar el prototipo aparecen nuevas preguntas: ¿El mapa representa correctamente la información? ¿El filtro territorial funciona como esperábamos? ¿Qué debería suceder cuando se selecciona una geometría? Cada respuesta puede traducirse en una nueva instrucción y en una nueva versión del producto.

Cada respuesta puede traducirse en una nueva instrucción y en una nueva versión del producto. Por ejemplo, si al seleccionar una localidad en el mapa los gráficos no se actualizan, podemos indicarle a la IA qué comportamiento esperamos y pedirle que revise la relación entre los datos y la geometría. De esta manera, el desarrollo se convierte en un proceso de prueba y corrección permanente.

Es ahí donde la IA puede facilitar el proceso de desarrollo porque permite implementar y probar cada instancia con mayor rapidez.  

También es necesario validar el código y las operaciones que genera la IA. Que un mapa se visualice correctamente no garantiza que una consulta, un cálculo, una clasificación o una relación entre tablas esté bien resuelta. La revisión técnica sigue siendo necesaria antes de incorporar esas funcionalidades a un producto operativo.

Del prototipo al producto geográfico

Llegados a este punto, podemos tener una aplicación funcional, con una interfaz definida, datos reales, capas geográficas e interacciones. Pero un prototipo funcional no es necesariamente un producto geográfico.

Para construir un buen producto geográfico siguen siendo necesarias decisiones que la IA no puede resolver por sí sola y que se deben definir al momento de diseñar el proyecto: cuál es la unidad territorial adecuada, qué representa cada dato, qué escalas son válidas, qué indicadores pueden compararse, cuál es la fuente, qué períodos son compatibles o qué representación cartográfica resulta apropiada.

Un prototipo visualmente atractivo puede construirse muy rápidamente, pero su valor depende de los datos que lo alimentan. La calidad, actualización, cobertura territorial, metadatos y procedencia continúan siendo aspectos centrales.

El conocimiento del territorio, la calidad de los datos y los criterios cartográficos siguen siendo responsabilidad de los equipos técnicos. La IA puede escribir código, proponer una interfaz o generar alternativas de visualización, pero no convierte automáticamente datos disponibles en información territorial correcta.

En una IDE esto tiene además una ventaja importante. Las capas, geoservicios, metadatos, series históricas y conjuntos de datos ya disponibles, constituyen una base sobre la cual desarrollar nuevos productos. La IA no reemplaza esa infraestructura, permite explorar nuevas formas de aprovecharla, combinar sus recursos y construir interfaces para acercar la información a distintos usuarios.

En este sentido, la incorporación de herramientas de IA generativa puede facilitar que una idea se transforme rápidamente en un prototipo que pueda verse, utilizarse y evaluarse. Pero para avanzar desde ese prototipo hacia un producto geográfico confiable siguen siendo necesarias la calidad de los datos, la interoperabilidad, los criterios cartográficos y el conocimiento del territorio.

Colaboración:
Lic. Geog. Helena Sangroniz,
Lic. Lucio Scardino,
Imagen de perfil:
Prof. Guillermo Gómez Gigena,
IDECOR