Inteligencia artificial aplicada a la gestión catastral: desarrollo e implementación de un sistema web de análisis

Resumen

La gestión del catastro urbano constituye un desafío central para los gobiernos locales, ya que de su precisión y actualización dependen la equidad tributaria, la planificación territorial y la toma de decisiones en políticas públicas. En muchos países latinoamericanos, los registros catastrales presentan rezagos importantes o discrepancias entre lo registrado y lo construido, lo que afecta la recaudación, la transparencia institucional y el uso eficiente del suelo (Erba y Piumetto, 2021). En este contexto, las tecnologías basadas en inteligencia artificial y visión por computadora, particularmente la segmentación semántica aplicada a imágenes de teledetección, han mostrado capacidad para automatizar la detección de áreas construidas, mitigar errores en inventarios físicos y facilitar actualizaciones frecuentes (Pluto-Kossakowska et al., 2025). Modelos recientes como YOLOv11 han sido empleados con éxito para segmentar objetos y construcciones en entornos urbanos y de obra, alcanzando buenos índices de precisión (mAP) en estudios aplicados (He et al.,2024). Este trabajo presenta el desarrollo e implementación de un sistema web interactivo que combina técnicas de segmentación semántica con módulos de geo-procesamiento y visualización. La aplicación accesible desde navegador permite cargar imágenes aéreas, comparar los resultados de la IA con registros oficiales, y generar reportes georreferenciados de discrepancias entre lo construido y lo declarado, para su uso práctico en la gestión catastral, con potencial de escalabilidad a nivel nacional.