Robotaxis en Londres: ¿revolución tecnológica o problema urbano sin resolver?

El rugido de un motor eléctrico que se detiene ante un peatón, un algoritmo decidiendo la trayectoria en una rotonda antigua y la mirada escéptica de un taxista que conoce la ciudad como la palma de su mano: así se presenta el ensayo de los robotaxis en las calles de Londres. Empresas como Wayve, Waymo y Baidu protagonizan pruebas y alianzas con plataformas de movilidad para pilotar taxis autónomos en la capital británica, una de las ciudades con mayor densidad y complejidad vial del mundo.

Por qué Londres es un reto distinto

Londres no es Nueva York ni Phoenix: su trazado urbano, heredado en gran parte de siglos de crecimiento orgánico —con calles que datan de la época romana— y su densa mezcla de modos de transporte (autobuses, bicicletas, scooters eléctricos, peatones, taxis tradicionales y vehículos privados) crean un entorno muy distinto a los entornos de cuadrícula donde muchas empresas de conducción autónoma han hecho sus pruebas iniciales.

Según la Oficina Nacional de Estadística del Reino Unido (ONS), la población del Gran Londres supera los 9 millones de habitantes, con millones de desplazamientos diarios que tensionan la red vial. Además, informes como el TomTom Traffic Index sitúan a Londres entre las ciudades europeas con mayor nivel de congestión, lo que añade presión al comportamiento dinámico que deben aprender los sistemas autónomos (fuente: ONS; TomTom).

El resultado es un escenario en el que un vehículo autónomo no sólo debe interpretar señales estáticas y normas de tránsito, sino anticipar comportamientos humanos impredecibles: un ciclista que zigzaguea, un peatón que atraviesa fuera de paso marcado, o trabajadores en una obra improvisada.

Dos filosofías tecnológicas frente a frente

En el debate técnico emergen al menos dos paradigmas. Por un lado están las plataformas que se apoyan en mapas de alta definición y reglas programadas para cada situación. Por otro, empresas como Wayve apuestan por modelos de inteligencia artificial entrenados con enormes cantidades de datos para que el sistema aprenda comportamientos y generalice ante escenarios nuevos.

La diferencia no es menor: el enfoque basado en mapas y reglas busca predecibilidad y replicabilidad, mientras que el aprendizaje a partir de datos pretende flexibilidad y adaptación. Cada uno tiene ventajas y limitaciones: los mapas ofrecen seguridad en entornos que se ajustan al modelo, pero sufren cuando la realidad cambia; los modelos de aprendizaje pueden manejar variaciones, pero requieren inmensas cantidades de datos y plantean retos en explicabilidad y verificación de seguridad.

La resistencia humana: el “conocimiento” y la confianza

Los conductores de los célebres taxis negros londinenses representan una resistencia cultural y profesional poderosa. Pasar “The Knowledge”, un rigurosísimo proceso de aprendizaje de rutas y puntos de interés que puede tardar años, no sólo es un requisito técnico sino una institución social. Muchos taxistas alegan que la intuición, la interacción humana y la capacidad de resolver imprevistos —como ayudar a pasajeros con discapacidad visual a encontrar una puerta oculta en un sótano— no son fácilmente replicables por una máquina.

El argumento del sector se resume a menudo así: la movilidad es más que llevar a alguien de A a B; es entregar confianza, orientación y un trato adaptado. Esa perspectiva explica tanto la oposición visible como la apelación política de proteger empleos y oficios con alto capital humano.

¿Dónde pueden encajar los robotaxis?

Lejos de la narrativa apocalíptica —que imagina taxis autónomos desplazando masivamente a conductores—, muchos expertos sitúan el nicho más prometedor de los robotaxis en la complementación del transporte público. Poblar con servicios bajo demanda zonas rurales o suburbios desatendidos tras recortes de líneas de autobús podría mejorar la conectividad y la inclusión social.

Además, en horas valle o en corredores predecibles, los coches autónomos pueden ofrecer una alternativa económica y eficiente mientras la flota se adapta a las peculiaridades locales. La evidencia internacional sugiere que su adopción masiva será gradual: por ejemplo, operadores en Estados Unidos y Asia han puesto a prueba servicios limitados geográficamente antes de expandirse.

Seguridad, regulaciones y la percepción pública

Para ganar aceptación, los robotaxis deberán superar no sólo pruebas técnicas sino también escrutinio regulatorio y social. El Reino Unido avanza hacia un marco nacional para vehículos autónomos, lo que abre una ventana para estandarizar requisitos de seguridad, pruebas en carretera y responsabilidades en caso de incidente.

El desafío regulatorio es doble: establecer criterios objetivos de seguridad y, al mismo tiempo, permitir la innovación. Esto implica preguntas complejas sobre quién es responsable cuando un sistema autónomo toma una decisión errónea, cómo auditar modelos de IA que evolucionan con el tiempo y qué métricas se usan para evaluar la seguridad en entornos dinámicos.

Adicionalmente, la percepción pública condicionará la adopción. Un error muy visible —aunque sea estadísticamente raro— puede erosionar la confianza y frenar la expansión. Por eso, la prudencia en despliegues y la transparencia en resultados de pruebas son esenciales.

Impacto en empleo y en el tejido urbano

La llegada de robotaxis plantea debates legítimos sobre empleo. Si bien algunos roles podrían reducirse, otros nuevos surgirán: mantenimiento de flotas, supervisión remota, ética y auditoría de algoritmos, diseño urbano para vehículos autónomos y servicios anexos. La transición demandará políticas públicas activas de reconversión laboral, formación y protección social para minimizar impactos adversos.

Además, la infraestructura urbana podría transformarse: menos necesidad de estacionamiento privado podría liberar espacios públicos, pero también requieren inversiones en carga eléctrica, comunicaciones y puntos de acceso digital que aseguren servicio universal, no sólo para quienes pueden pagarlo.

Una convivencia posible: humanos y máquinas

El escenario más plausible en la próxima década es de coexistencia. Los robotaxis no reemplazarán por completo la experiencia humana de un taxista experto, pero sí ofrecerán una alternativa competitiva en determinados contextos. La clave será diseñar servicios que complementen, en lugar de competir destructivamente, con el tejido existente.

Ejemplos prácticos incluyen asociaciones entre empresas tecnológicas y operadores locales, tarifas dinámicas que atiendan a la equidad territorial, y programas pilotos que involucren a comunidades y sindicatos para adaptar soluciones a necesidades concretas.

Reflexión final: tecnología al servicio de la ciudad

Londres ofrece un laboratorio exigente para poner a prueba la promesa de los vehículos autónomos. Si estas tecnologías demuestran que pueden integrarse de forma segura, eficiente y socialmente aceptable, podrán sumar opciones a la movilidad urbana. Si no, quedarán como soluciones que no supieron adaptarse a la complejidad humana y urbana.

La cuestión esencial no es tanto si los robotaxis son técnicamente posibles —la mayoría de las grandes empresas ya lo demuestran en entornos controlados— sino si pueden aportar valor real a ciudades históricas y densamente pobladas sin sacrificar empleos, seguridad ni equidad. Esa será la prueba decisiva en los próximos años.

• Estadísticas y fuentes útiles:
  • Oficina Nacional de Estadística (ONS) — Población del Gran Londres: ons.gov.uk
  • TomTom Traffic Index — Indicadores de congestión urbana: tomtom.com