En los últimos 50 años, los geógrafos han adoptado cada nuevo cambio tecnológico en los sistemas de información geográfica (SIG) —la tecnología que convierte los datos de ubicación en mapas e información sobre cómo interactúan los lugares y las personas— primero el auge de la informática, luego el crecimiento de Internet y las capacidades de intercambio de datos con los SIG basados en la web, y más tarde la aparición de los datos de los teléfonos inteligentes y los sistemas SIG basados en la nube.
Por Mariah Lucas, Universidad Estatal de Pensilvania
Ahora, otro cambio de paradigma está transformando el campo: la llegada de la inteligencia artificial (IA) como un «agente» independiente capaz de realizar funciones SIG con una supervisión humana mínima.
En un estudio publicado en Annals of GIS , un equipo multiinstitucional liderado por investigadores de geografía de Penn State construyó y probó cuatro agentes de IA con el fin de introducir un marco conceptual de SIG autónomo y examinar cómo este cambio está redefiniendo la práctica de los SIG.
«Al igual que los cambios de paradigma del pasado, los SIG autónomos representan un paradigma emergente de integración de la IA con los SIG, donde no es solo otra herramienta, sino que se convierte en un analista geoespacial artificial capaz de utilizar herramientas SIG para resolver problemas geoespaciales», dijo el autor principal Zhenlong Li, profesor asociado de geografía en la Facultad de Ciencias de la Tierra y Minerales y director del Laboratorio de Investigación de Geoinformación y Big Data.
«En este estudio, como comunidad SIG, dedicamos tiempo a explorar la mejor manera de integrar la tecnología de «agentes» de IA en los flujos de trabajo SIG existentes, y a analizar las limitaciones y desventajas actuales de los sistemas», dijo Li. «Nuestro objetivo es sentar las bases para que la comunidad geoespacial desarrolle sistemas SIG que vayan más allá de los flujos de trabajo tradicionales y que, de forma autónoma, razonen, deriven, innoven y promuevan soluciones geoespaciales para los desafíos más apremiantes».
Con sus cuatro agentes SIG impulsados por IA como prueba de concepto, los investigadores demostraron que los agentes pueden recuperar datos geoespaciales, realizar análisis espaciales y generar mapas con una mínima intervención humana.
En un estudio de caso, los investigadores crearon un agente de recuperación de datos llamado LLM-Find, descrito por primera vez en el International Journal of Digital Earth , que obtiene automáticamente conjuntos de datos geoespaciales según las solicitudes de los usuarios, como «descargar redes viales excluyendo aceras y vías de servicio para una evaluación de la accesibilidad peatonal de una escuela en Columbia, Carolina del Sur». En cuestión de minutos, LLM-Find obtuvo datos sobre aceras, redes viales, ubicaciones de escuelas e imágenes de teledetección de alta resolución necesarias para una evaluación compleja.
«LLM-Find demostró que los agentes SIG autónomos pueden gestionar la adquisición de datos de diversas fuentes sin necesidad de búsqueda manual de conjuntos de datos, lo que ayuda a reducir el trabajo pesado de preparación de datos en los análisis espaciales», afirmó Li. «Sin embargo, el número de fuentes que el agente de IA puede consultar sigue siendo limitado, por lo que LLM-Find requiere supervisión y gestión humanas».
El siguiente agente SIG que los investigadores construyeron y probaron, LLM-Geo, evaluó la accesibilidad peatonal de las escuelas utilizando los datos obtenidos por LLM-Find, y luego generó de forma autónoma un flujo de trabajo espacial que produjo puntuaciones y mapas de accesibilidad peatonal.
«Esta es una tarea más compleja que va más allá de la recuperación de datos, donde el agente de IA realiza un análisis de datos basado en una instrucción en lenguaje natural», explicó Li. «Este trabajo de análisis normalmente lo realizaría un geógrafo principiante o con poca experiencia».
El siguiente caso de estudio, LLM-Cat, completó tareas cartográficas más rigurosas, yendo más allá de la adquisición y el análisis de datos para diseñar mapas visuales. El agente tomó decisiones sobre símbolos, escalas de color, vistas del mapa y otros elementos cartográficos, acercando así todo el sistema a la automatización completa.
El último caso de estudio reunió a los tres agentes en un asistente colaborativo de escritorio humano-agente, GIS Copilot , que funciona de forma similar a ChatGPT o Google Gemini.
«Probamos GIS Copilot en más de 100 tareas espaciales guiadas de varios pasos y tareas avanzadas no guiadas con una tasa de éxito general de aproximadamente el 86 %», dijo Li. «Aunque todavía necesita supervisión humana, GIS Copilot muestra lo que es posible para la futura integración de SIG con IA, en particular para permitir que personas sin experiencia realicen análisis geoespaciales con conocimientos limitados del campo».
La integración de la IA en los SIG abre nuevos horizontes para los científicos y expertos en SIG, según Guido Cervone, director del Instituto de Ciencias Computacionales y de Datos de Penn State y coautor del estudio. Explicó que, lejos de ser una amenaza para el sustento de los profesionales, ofrece múltiples oportunidades para el crecimiento de los SIG y su aplicación innovadora.
«En los últimos cinco años, hemos visto más avances en SIG de los que jamás pensé que vería en toda mi vida», afirmó Cervone, quien también es profesor en los Departamentos de Geografía y de Meteorología y Ciencias Atmosféricas. «Desde la perspectiva de la investigación, la IA ha acelerado nuestro impacto a niveles sin precedentes, ya que ahora podemos acceder y analizar datos rápidamente para estudiar mejor nuestro planeta y su entorno natural y construido».
De cara al futuro, Cervone destacó los cambios que se producirán en la educación, señalando que es un momento emocionante para ser estudiante o profesor de geografía y geoinformática.
«Si nos guiamos por el pasado reciente, nos depararán sorpresas y seremos capaces de lograr tareas inimaginables hoy en día», afirmó Cervone. «Esto ocurrirá en el transcurso de una generación de nuestros estudiantes, y nuestro reto como profesores es formarlos para que formen parte de la revolución de la IA y la informática, preparándolos para los nuevos desafíos y las soluciones innovadoras».
Li estuvo de acuerdo y explicó que el estudio no solo trata de avanzar en la tecnología de la IA, sino también de los cambios que se avecinan para la próxima generación de estudiantes de geografía.
«Ahora es más importante que nunca que los estudiantes comprendan los procesos y procedimientos de pensamiento espacial, que aprendan a aprender en la era de la IA en los SIG», dijo Li. «No solo es importante para los estudiantes, sino que como educadores también debemos estar al tanto de los posibles cambios en el aula y en el ámbito laboral de los SIG».
Más información: Zhenlong Li et al., GIScience in the era of Artificial Intelligence: a research agenda towards Autonomous GIS, Annals of GIS (2025). DOI: 10.1080/19475683.2025.2552161
