Evaluating a post-incident drinking water quality monitoring network using consumer complaints and verified leak events​​

Imagine las tuberías de agua de una ciudad como un vasto y oculto sistema nervioso. Durante décadas, las empresas de servicios públicos de agua han dependido de una forma sencilla y humana para saber si algo anda mal con ese sistema: esperar a que la gente llame. Cuando un grifo arroja agua marrón o el agua tiene un olor extraño, un residente levanta el teléfono. Estas quejas han sido durante mucho tiempo la principal alarma de los problemas de calidad del agua, un reporte directo del consumidor hacia la empresa de servicios. Sin embargo, en años recientes, la tecnología ha ofrecido un enfoque diferente. Las ciudades están instalando ahora sensores electrónicos en puntos clave de la red, dispositivos que miden constantemente la claridad, el equilibrio químico y la temperatura del agua. La esperanza es que estas máquinas puedan detectar un problema antes de que una sola persona note un cambio, actuando como un sistema de alerta temprana para prevenir problemas generalizados. Pero queda una pregunta crítica: ¿están estos sensores situados realmente en los lugares correctos para captar los problemas que las personas reales están experimentando? Si los sensores están vigilando los vecindarios equivocados, la tecnología más avanzada del mundo podría seguir pasando por alto los problemas.

En 2019, un incidente importante en Incheon, Corea del Sur, desencadenó una enorme ola de quejas por "agua roja". La decoloración duró semanas, afectando a una gran parte de la ciudad y causando daños económicos significativos. Tras el incidente, la empresa local de servicios de agua instaló una red de estaciones de monitoreo de alta tecnología en toda el área afectada. Estas estaciones se colocaron en las entradas de distritos específicos, conocidos como áreas de medición de distrito, diseñadas para vigilar la calidad del agua de esos vecindarios. El objetivo era crear una red de seguridad que pudiera detectar futuros problemas de forma instantánea. Dos años después, un investigador se propuso probar si esta nueva red estaba cumpliendo realmente su función. El método fue sencillo pero riguroso: en lugar de limitarse a observar lo que veían los sensores, el investigador comparó directamente los datos de los sensores con las quejas reales presentadas por los residentes durante ese mismo período. El estudio planteó una pregunta simple y honesta: cuando la gente se quejaba del agua en mal estado, ¿estaban los sensores cercanos observando lo que sucedía?

La investigación comenzó analizando un evento específico en septiembre de 2022. Los sensores registraron una enorme ola de cambios en la calidad del agua a nivel de toda la ciudad. Comenzando temprano en la mañana, una perturbación se desplazó a través de la red, provocando un pico de turbidez que fue detectado por veintidós de las veintitrés estaciones de monitoreo. Esta ola de datos viajó a través del sistema en un patrón claro y secuencial. Sorprendentemente, esta señal electrónica apareció unos dos días antes de que los residentes comenzaran a llamar. El día en que las quejas finalmente aumentaron, alcanzando un máximo de ciento cuarenta llamadas en un solo día, los sensores ya habían estado rastreando el problema durante mucho tiempo. Esta parte del estudio demostró que la red era capaz de cumplir su función prevista a gran escala. Podía ver una perturbación importante moviéndose a través de las tuberías y alertar a los funcionarios antes de que el público siquiera supiera que algo andaba mal. La tecnología funcionó como un sistema de alerta temprana de amplio alcance para toda la ciudad.

Sin embargo, la historia cambió drásticamente cuando el investigador hizo un acercamiento para observar los vecindarios específicos donde la gente estaba llamando. El análisis reveló una brecha marcada y sorprendente. Si bien los sensores eran excelentes para ver el panorama general, eran casi totalmente ciegos a los problemas locales que frustraban a los residentes. Cuando el investigador mapeó las quejas a los distritos específicos de donde se originaron, surgió un patrón claro: el ochenta y cuatro por ciento de las quejas sobre problemas perceptibles en la calidad del agua provenían de vecindarios que no tenían sensores en absoluto. Los sensores estaban ubicados en distritos que, aunque eran importantes por razones hidráulicas, no eran los lugares donde la calidad del agua estaba fallando para las personas que vivían allí. Los siete vecindarios con el mayor número de quejas carecían de monitoreo. El área más afectada durante el evento de septiembre, un distrito que registró el mayor volumen de llamadas, no tenía un sensor para registrar la crisis. Los sensores estaban vigilando los lugares equivocados.

Este desajuste significaba que los sensores no podían servir como un sistema de alerta temprana local. Incluso cuando los investigadores intentaron encontrar una conexión entre los datos de los sensores y las quejas en un día a día, no encontraron nada. Los sensores no estaban fallando en la detección del agua; simplemente no estaban en los lugares adecuados para ver el agua que los residentes estaban bebiendo. El estudio descartó la idea de que los sensores fueran demasiado insensibles o que los algoritmos fueran demasiado estrictos. El problema era puramente de ubicación. Los sensores fueron instalados basándose en la conveniencia administrativa y el diseño de las tuberías, no en base a dónde los residentes estaban experimentando problemas realmente. La investigación mostró que si la empresa de servicios hubiera colocado la misma cantidad de sensores en los vecindarios con más quejas, habrían cubierto casi el noventa por ciento de las áreas con problemas, en lugar del dieciséis por ciento que cubren actualmente.

El estudio también analizó si los sensores podían detectar eventos físicos como fugas en las tuberías. Al analizar los datos de reparaciones de fugas verificadas, los investigadores encontraron que cuando ocurría una fuga dentro de un vecindario monitoreado, los sensores sí detectaban un cambio pequeño pero medible en la claridad del agua dentro de un plazo de cuarenta y ocho horas. Esto confirmó que los sensores eran lo suficientemente sensibles para ver los efectos físicos de una tubería rota. Sin embargo, este éxito se limitaba a los pocos vecindarios donde los sensores se encontraban por casualidad. Para la gran mayoría de la ciudad, donde las fugas y reparaciones estaban ocurriendo en bloques sin monitoreo, los sensores permanecían en silencio. La tecnología estaba funcionando, pero su valor se veía severamente limitado por dónde se desplegaba.

La conclusión final de la investigación es una lección sobre los límites de la tecnología sin contexto. Una red de monitoreo es tan buena como su ubicación. Instalar costosos sensores en los vecindarios equivocados crea una falsa sensación de seguridad, ya que el sistema perderá precisamente los problemas que debía captar. El estudio sugiere que las empresas de servicios públicos no deberían confiar únicamente en modelos de ingeniería o mapas de tuberías al decidir dónde colocar los sensores. En su lugar, deberían escuchar a la gente. Al utilizar el historial de quejas de los clientes para guiar la ubicación de los sensores, las ciudades podrían asegurar que sus sistemas de monitoreo de alta tecnología estén realmente vigilando las áreas donde la gente necesita protección la mayor parte del tiempo. Los sensores en Incheon demostraron que podían ver una ola a nivel de la ciudad, pero fallaron en ver las ondas locales que más importaban a las personas que vivían allí. El camino a seguir no es necesariamente mejores sensores, sino una ubicación más inteligente, utilizando las voces de los residentes para guiar los ojos de las máquinas.