🛡️ Seguridad Urbana · Videovigilancia con IA · Sanar Argentina 2027

La seguridad no se improvisa:
se planifica con tecnología y ley

"Santa Fe ya demostró que funciona: 300 causas esclarecidas en 6 meses con el sistema Lince. Mendoza detuvo a 23 prófugos en 110 días con reconocimiento facial. El problema no es la tecnología — ya existe y está probada. El problema es que cada provincia la usa con criterios distintos, sin marco legal común, sin estándares técnicos unificados y sin auditoría independiente. Este plan viene a ordenar eso."
300
Causas esclarecidas en 6 meses por el sistema Lince en Santa Fe
23
Prófugos detenidos en 110 días por reconocimiento facial en Mendoza
14+
Municipios del AMBA con sistemas de videovigilancia sin interoperabilidad
USD 350-550M
Inversión estimada para desplegar el sistema federal en 10 grandes ciudades
Tecnología probada, marco legal fragmentado
Argentina ya usa IA para seguridad — pero sin reglas comunes
300
Causas esclarecidas en 6 meses por el sistema Lince en la provincia de Santa Fe
23
Personas con pedido de captura detenidas en 110 días en Mendoza por reconocimiento facial
14+
Municipios del AMBA con sistemas propios, sin estándares técnicos comunes
1
Sistema (CABA) frenado por la Justicia por falta de garantías legales adecuadas
0
Leyes nacionales específicas sobre reconocimiento facial en espacio público
5.000+
Cámaras 4K en La Matanza con 5 centros de monitoreo y análisis con IA

Argentina no parte de cero. La provincia de Santa Fe desplegó el sistema Lince con más de 600 cámaras existentes y una ampliación proyectada de 2.000 adicionales, con una inversión de USD 32,14 millones. En seis meses, el sistema contribuyó a esclarecer 300 causas judiciales, y el análisis diario de video pasó de 14.000 a 60.000 horas. La provincia de Mendoza usa reconocimiento facial sobre 151 cámaras específicas: en 110 días permitió detener a 23 prófugos con pedido de captura. El municipio de La Matanza opera más de 5.000 cámaras 4K con cinco centros de monitoreo. Escobar tiene 1.200 cámaras, un data center y un laboratorio de datos.

Sin embargo, el sistema es profundamente desigual. La Ciudad de Buenos Aires vio su SRFP (Sistema de Reconocimiento Facial de Prófugos) cuestionado judicialmente: la Justicia ordenó rediseñarlo para que solo se aplique a personas con pedido de captura en la base CONARC, con auditoría de la Defensoría del Pueblo. Otros municipios operan sin protocolos claros, sin auditoría y sin estándares técnicos comunes. Y a nivel nacional, no existe una ley específica de reconocimiento facial en espacio público: solo se aplica la Ley 25.326 de Protección de Datos Personales, insuficiente para regular una tecnología de este alcance.

El resultado es una paradoja: la tecnología funciona pero el marco institucional no está a la altura. Este plan viene a resolver eso: unificar criterios, proteger derechos y garantizar que la herramienta sirva para lo que debe servir — identificar prófugos con orden judicial, no vigilar ciudadanos sin causa.

Lo que ya funciona en el país
Experiencias provinciales verificables
Provincia de Santa Fe
Sistema Lince
Cámaras actuales600+
Ampliación proyectada+2.000
InversiónUSD 32,14M
Análisis diario de video14.000h → 60.000h
✅ 300 causas esclarecidas en 6 meses
Provincia de Mendoza
Reconocimiento Facial
Cámaras de RF151
Cámaras de monitoreo total2.170
Plazo110 días
Marco legalRegulación provincial
✅ 23 prófugos detenidos con pedido de captura
Municipio de La Matanza
COM + IA
Cámaras 4K5.000+
Centros de monitoreo5
TecnologíaIA + análisis de patrones
CoberturaPrincipales corredores urbanos
✅ Sistema de monitoreo urbano integrado
Municipio de Escobar
Data Center + IA
Cámaras1.200+
Video wall48 pantallas
Laboratorio de datosSí
InfraestructuraData center propio
✅ Monitoreo centralizado con analítica avanzada
Ciudad de Buenos Aires
SRFP (frenado judicialmente)
EstadoCuestionado
Fallo judicialRediseño obligatorio
Base autorizadaCONARC (solo pedidos de captura)
AuditoríaDefensoría del Pueblo
⚠️ Lección: sin marco legal claro, la justicia frena el sistema
Los cuatro problemas centrales
Por qué la tecnología sola no alcanza
🧩
Fragmentación
Cada provincia y cada municipio compra su propio sistema, con estándares técnicos distintos. Los datos no se comparten. Un prófugo puede cruzar un límite provincial y desaparecer del radar.
⚖️
Vacío legal
No existe ley nacional específica de reconocimiento facial en espacio público. Solo se aplica la Ley 25.326 de protección de datos, insuficiente para una tecnología de este alcance. Los fallos judiciales van llenando el vacío caso por caso.
👁️
Riesgo de uso indebido
Sin controles estrictos, un sistema de reconocimiento facial puede usarse para vigilar opositores, activistas o minorías. El antecedente de CABA muestra que la Justicia está atenta a este riesgo.
🧑‍⚖️
Ausencia de validación humana
Un match de IA no es prueba. Sin doble validación humana obligatoria, se puede detener a la persona equivocada. Mendoza ya lo regula: la coincidencia biométrica es solo indiciaria, no suficiente por sí sola.
Tres fases, un solo plan federal
Plan Federal de Videovigilancia Inteligente
Fase 1
2027-2028
Marco legal y estándares comunes
Primero la ley, después la cámara
Ley federal

Ley de Videovigilancia Inteligente y Protección de Datos Biométricos:

  • Uso exclusivo sobre base CONARC (pedidos de captura)
  • Tres códigos de alerta: RF-1, RF-2, RF-3
  • Doble validación humana obligatoria
  • Auditoría anual de impacto en derechos
Estándares técnicos

Unificar criterios para que los sistemas puedan interoperar:

  • Mínimo 4K, visión nocturna, ANPR
  • API común para intercambio entre provincias
  • Formato único de datos y trazabilidad
  • Certificación obligatoria de software
Órgano de control

Crear la Agencia Federal de Videovigilancia con:

  • Autonomía funcional
  • Consejo asesor con sociedad civil
  • Auditoría técnica independiente
  • Registro público de operadores autorizados
Fase 2
2028-2030
Despliegue en 10 grandes ciudades
Cobertura prioritaria en las zonas de mayor demanda
Ciudades prioritarias
  • AMBA (14+ municipios coordinados)
  • Córdoba
  • Rosario (extensión de Lince)
  • Mendoza (extensión de RF)
  • La Plata
  • San Miguel de Tucumán
  • Mar del Plata
  • Salta
  • Santa Fe
  • Corrientes
Arquitectura

Estructura federal en cuatro capas:

  • Cámaras locales (municipales)
  • Data centers regionales
  • Plataforma provincial de análisis IA
  • Interfaz federal con base CONARC
Capacitación

Formación obligatoria de operadores:

  • Uso legal de la herramienta
  • Protocolo de doble validación
  • Registro obligatorio de toda decisión
  • Sanciones por uso indebido
Fase 3
2030-2032
Integración federal y justicia digital
Del dato aislado a la respuesta coordinada
Interoperabilidad

Las provincias pueden compartir alertas en tiempo real:

  • Un prófugo detectado en Córdoba alerta a Santa Fe
  • Protocolo común de derivación judicial
  • Registro federal único de eventos
  • Trazabilidad completa de cada caso
Justicia digital

Integración con el sistema judicial:

  • Notificación automática al fiscal de turno
  • Autorización remota documentada
  • Registro de cada acceso a datos
  • Auditoría judicial periódica
Evaluación continua

Sin evaluación no hay legitimidad:

  • Auditoría anual de derechos humanos
  • Evaluación de sesgos algorítmicos
  • Publicación de estadísticas agregadas
  • Ajuste normativo según resultados
Dónde se despliega primero
Las 10 grandes ciudades prioritarias
Ciudad / RegiónPoblaciónMotivo de prioridad
AMBA (Área Metropolitana de Buenos Aires)~15M40% de la población del país; mayor demanda de seguridad
Córdoba~1,6MSegunda ciudad del país; hub del interior
Rosario~1,5MBase del sistema Lince; extensión natural
Mendoza~1,1MBase de reconocimiento facial ya implementada
La Plata~800KCapital de la provincia de Buenos Aires
San Miguel de Tucumán~800KNúcleo urbano del norte
Mar del Plata~650KMayor ciudad costera
Salta~650KHub del noroeste
Santa Fe~600KExtensión del sistema Lince ya en marcha
Corrientes~400KNúcleo del noreste
Cuánto cuesta y en qué se invierte
Inversión estimada por componente (2027-2032)
ComponenteInversión estimadaPlazoResultado esperado
Cámaras IA (10 ciudades)USD 200-300M2028-2030+2.000-3.000 cámaras de alta capacidad
Data centers regionales (10)USD 60-90M2028-2030Infraestructura redundante y segura
Software de IA y licenciasUSD 40-60M2028-2030Análisis de video, RF, ANPR
Integración con CONARC y RENAPERUSD 15-25M2027-2028Interfaz federal operativa
Formación de operadores y auditoresUSD 20-30M2027-2032Personal capacitado y certificado
Auditoría independiente y evaluaciónUSD 15-20M2027-2032Legitimidad y transparencia
TOTAL ESTIMADOUSD 350-525M2027-2032Sistema federal consolidado
Estimación elaborada sobre la base del costo del sistema Lince en Santa Fe (USD 32,14M por 2.000 cámaras + infraestructura + software) y proyecciones equivalentes para ciudades de similar tamaño. Cifras sujetas a revisión con evaluación técnica detallada por ciudad.
Lo que puede salir mal
Riesgos identificados y mitigación
Probabilidad alta · Impacto severo
Desafíos judiciales
El caso CABA ya mostró que sin marco legal claro la Justicia frena el sistema. Nuevos litigios podrían paralizar despliegues provinciales.
→ Mitigación: legislar antes de desplegar. Auditoría independiente desde el diseño. Participación temprana de organismos de derechos humanos.
Probabilidad media · Impacto severo
Filtración de datos biométricos
Una base con millones de rostros es un objetivo atractivo para ataques. Una filtración sería catastrófica e irreversible (el rostro no se puede cambiar como una contraseña).
→ Mitigación: cifrado extremo a extremo, almacenamiento mínimo, doble factor, auditoría trimestral, arquitectura descentralizada.
Probabilidad media · Impacto severo
Uso político o vigilancia indebida
Sin controles, la herramienta podría usarse para vigilar opositores, activistas o minorías. El daño a la democracia sería grave.
→ Mitigación: prohibición explícita en la ley, auditoría independiente, sanciones penales por uso indebido, registro público de accesos.
Probabilidad media-alta · Impacto medio
Falsos positivos
El reconocimiento facial no es perfecto. Sin doble validación humana, se puede detener a la persona equivocada. El daño a un inocente es inaceptable.
→ Mitigación: doble validación humana obligatoria, protocolo de liberación inmediata, registro de errores, revisión de casos dudosos.
Probabilidad media · Impacto medio
Fragmentación política
Provincias y municipios pueden resistirse a ceder soberanía técnica. La coordinación federal puede volverse lenta y burocrática.
→ Mitigación: estándares voluntarios primero, obligatorios después. Incentivos federales para provincias que adopten el marco común. Articulación con sistemas ya existentes.
Probabilidad alta · Impacto positivo
Oportunidad: aprendizaje mutuo
Santa Fe, Mendoza, La Matanza y Escobar ya tienen experiencia valiosa. El sistema federal puede construirse sobre lo que ya funciona en lugar de empezar de cero.
→ Aprovechamiento: replicar modelos probados, sistematizar buenas prácticas, financiar extensión de sistemas existentes antes que nuevos despliegues.
Resultados proyectados al 2032
Seguridad coordinada, derechos protegidos
10
Ciudades grandes con videovigilancia inteligente integrada al sistema federal
+40%
Mejora proyectada en ejecución de órdenes de captura vigentes
-60%
Reducción del tiempo de análisis de video por caso
80%
Cobertura de los principales corredores urbanos en las 10 ciudades
1
Ley federal específica de videovigilancia inteligente y protección biométrica
Anual
Auditoría de derechos humanos obligatoria y pública
Lo que el país merece
Tecnología al servicio de la ley, no de la discrecionalidad

Argentina ya demostró que la videovigilancia con IA puede ayudar a esclarecer delitos graves y detener prófugos con pedido de captura. Santa Fe y Mendoza lo hacen con resultados verificables. Pero sin un marco legal federal, sin estándares técnicos comunes y sin auditoría independiente, la herramienta puede volverse un riesgo en lugar de una solución. Este plan propone desplegar IA en seguridad urbana con reglas claras, límites estrictos y control ciudadano. La seguridad es un derecho — y también lo es la privacidad.

Sumate al movimiento → Ver más propuestas