Flock Safety y el futuro de la videovigilancia: impacto y perspectivas para España

La expansión de Flock Safety en Estados Unidos está llevando la videovigilancia basada en inteligencia artificial a un nuevo territorio: ya no se trata únicamente de identificar un vehículo concreto, sino de construir una infraestructura capaz de convertir miles de capturas de matrículas y características de vehículos en una fuente permanente de inteligencia para las investigaciones policiales. El fenómeno plantea una pregunta especialmente relevante para España: ¿hasta dónde puede llegar una red de cámaras de lectura automática de matrículas dentro del marco europeo de protección de datos, seguridad pública e inteligencia artificial?

Flock Safety's technology represents one of the most advanced examples of the transformation that video surveillance is undergoing. Its proposal combines automatic license plate reading cameras (ALPR), visión artificial, vehicle analytics and an investigation platform that allows connecting evidence from multiple devices. The company maintains that its cameras do not use facial recognition and that they operate based on observable characteristics of vehicles. However, It is precisely this ability to record where and when a vehicle appears that has placed Flock at the center of growing controversy in the United States.

EThe technological change is substantial. Una cámara convencional de videovigilancia genera imágenes que posteriormente debe revisar un operador. Un sistema ANPR/LPR tradicional añade una capacidad analítica: identifica automáticamente la matrícula y permite lanzar una alerta cuando coincide con una lista determinada. El modelo de Flock va un paso más allá. La plataforma puede asociar a la matrícula otras características del vehículo, como marca, model, color o determinados rasgos visibles, y convertir las detecciones en información consultable para una investigación.

Esto cambia la naturaleza de la videovigilancia. El valor ya no está únicamente en saber qué ocurrió delante de una cámara, sino en poder reconstruir potencialmente por dónde pasó un vehículo, en qué momento y qué otras detecciones pueden estar relacionadas con él. Una red de cámaras deja así de ser una colección de dispositivos independientes para convertirse en una infraestructura distribuida de inteligencia sobre movilidad.

La dimensión alcanzada por Flock resulta especialmente significativa. En Estados Unidos, la compañía cuenta ya con más de 120.000 cameras y presencia en miles de comunidades. La escala resulta importante porque el riesgo no procede necesariamente de una cámara individual. Una cámara LPR instalada en una carretera puede tener una finalidad perfectamente definida, pero cuando miles de dispositivos generan registros susceptibles de ser consultados desde una plataforma común, la naturaleza del sistema cambia sustancialmente.

El debate estadounidense ha pasado por ello de la pregunta sobre si una cámara puede ayudar a localizar un vehículo robado a cuestiones mucho más complejas relacionadas con quién puede consultar los datos, durante cuánto tiempo se conservan, con qué finalidad pueden utilizarse, si pueden compartirse entre organismos o si una búsqueda puede realizarse sin que exista una investigación concreta. También surge una cuestión especialmente sensible: hasta qué punto puede reconstruirse retrospectivamente el movimiento de una persona a partir de los vehículos que utiliza.

El problema no es solamente tecnológico

La controversia en torno a Flock Safety no se limita a la capacidad técnica de sus sistemas. El debate se ha intensificado después de conocerse casos de utilización indebida de las plataformas por parte de agentes y de aumentar la oposición ciudadana a determinados despliegues. En agosto de 2026, Flock anunció nuevas medidas de privacidad y control después de la presión pública, entre ellas la reducción del periodo de conservación predeterminado de los datos y mayores mecanismos de auditoría sobre las búsquedas realizadas.

El anuncio resulta significativo porque demuestra que el problema no reside únicamente en la capacidad de captación de las cámaras, sino también en lo que puede hacerse posteriormente con la información. La seguridad de una infraestructura de videovigilancia inteligente depende tanto de sus sensores como de la arquitectura de datos, los mecanismos de acceso, las políticas de conservación y los procedimientos de supervisión que se sitúan detrás de ellos.

Esta cuestión adquiere especial relevancia cuando el modelo se traslada al contexto europeo. La tecnología permite hacer mucho más de lo que tradicionalmente se esperaba de un sistema de CCTV, y precisamente por ello las decisiones sobre arquitectura, gobernanza y protección de datos pasan a formar parte del propio diseño de seguridad.

La llegada de un modelo de estas características a España no puede analizarse simplemente desde la perspectiva de la tecnología. No se trataría de instalar cámaras y contratar una plataforma de software, sino de determinar previamente cuál es la finalidad del tratamiento, quién sería el responsable del sistema, qué base jurídica lo ampararía, cuánto tiempo podrían conservarse los datos, quién podría acceder a ellos y bajo qué condiciones podrían cruzarse o compartirse con otras fuentes de información.

The Agencia Española de Protección de Datos considera que una matrícula puede constituir un dato de carácter personal cuando permite acceder a la identidad del titular del vehículo. Therefore, una infraestructura que registra sistemáticamente matrículas, localización y hora no puede considerarse simplemente un sistema que captura información sobre vehículos. Depending on the circumstances, it may involve the processing of information linked, directly or indirectly, to identifiable individuals.

Here the principles established by the General Data Protection Regulation become particularly important. The purpose limitation requires that personal data be collected for specific, explicit and legitimate purposes, while the minimization principle requires that the data be adequate, relevant and limited to what is necessary. A network of cameras capable of recording millions of potential movements would, therefore, have to justify not only its usefulness from a security point of view, but also the proportionality of the data processed.

In the field of public safety, there is also specific regulation. The Organic Law 4/1997 regulates the use by the Security Forces and Corps of video cameras to record images and sounds in public places and their subsequent processing for purposes related to citizen coexistence, the prevention of crimes and public safety. Its regulatory development establishes, among other issues, authorization procedures, retention and destruction of recordings and guarantees for citizens.

For this reason, bringing a model of a massive network of LPR cameras connected to a central platform to Spain would not simply consist of installing devices and activating analysis software. The legal and operational design would have to be part of the technological project itself.

The real challenge: data traceability

For those responsible for security, one of the main lessons from Flock is that access control to information ceases to be a secondary issue. On a platform of these characteristics, the system should determine precisely who can access the information, what search capability each user has y under what circumstances they can make a query.

Searching for a specific license plate linked to an investigation is not equivalent to making exploratory queries about vehicles that frequent a certain area. For this reason, the traceability of operations becomes critically important. The system should be able to record which user performed a search, when they performed it, what information they consulted and what the purpose associated with that operation was.

The same logic should apply to data retention. The period should not be determined exclusively by the platform's storage capacity, but by a specific and legally justified purpose. In the same way, Interoperability between different police forces or security systems can significantly increase operational efficiency, but it also expands the data exposure surface and makes it even more important to establish controls over transfers and access.

Flock provides a fundamental lesson in this regard: System security does not end with the camera. It also includes identity management, the assignment of privileges, audit logs, encryption, information segregation, retention policies and mechanisms capable of detecting anomalous uses.

Spain is already moving towards this scenario, although with different models and scales. Municipal video surveillance projects increasingly incorporate LPR or ANPR cameras intended to automatically identify license plates and generate alerts. A recent example is Badalona, which envisages a network of 615 cameras, of which 127 they will be intended for automatic license plate reading.

The question that the Flock phenomenon raises is whether these projects should be conceived as simple networks of independent cameras or as mobility intelligence infrastructures. A properly designed network can help locate stolen vehicles, detect vehicles related to investigations, generate real-time alerts, reconstruct itineraries relevant to an investigation, correlate detections from different points and improve response to certain incidents.

But the greater that capacity, the higher the level of governance must also be. Technology allows moving from the pinpoint identification of a vehicle to the generation of mobility patterns, and that transition has both operational and legal consequences.

The issue of artificial intelligence

There is also an additional dimension related to the European Artificial Intelligence Regulation. The AI Act establishes particularly relevant restrictions for certain uses of remote real-time biometric identification in public spaces, especially in the police field. However, Flock cameras should not automatically be confused with a facial recognition system. The company itself maintains that its LPR cameras do not use facial recognition and focus on vehicle data and features.

Therefore, it would not be correct to conclude that the AI Act prohibits a system like Flock in Spain. La cuestión jurídica es mucho más sofisticada y exige analizar el sistema concreto, sus funcionalidades, los usos previstos, los tratamientos de datos personales y las capacidades de inteligencia artificial que incorpore realmente. Esta distinción será cada vez más importante a medida que la IA se integre en las plataformas de videovigilancia. La discusión no debería centrarse únicamente en si una cámara incorpora o no inteligencia artificial, sino en qué decisiones puede tomar el sistema, qué datos utiliza, qué inferencias genera y qué consecuencias puede tener esa información.

El caso Flock plantea, en último término, un debate que trasciende la tecnología. Una cámara que identifica un vehículo puede ser una herramienta de seguridad. Miles de cámaras capaces de correlacionar sistemáticamente las apariciones de ese mismo vehículo pueden convertirse en una herramienta de seguimiento de movilidad.

La frontera entre ambos conceptos no está necesariamente en la cámara, sino en la arquitectura de datos que existe detrás de ella. Una cámara aislada proporciona una evidencia puntual. Una red conectada, con capacidades de correlación y búsqueda retrospectiva, puede proporcionar una representación mucho más amplia de los movimientos de un vehículo.

Ese es probablemente el aspecto más importante que debería incorporarse al debate español. La pregunta ya no debería ser únicamente cuántas cámaras necesita una ciudad, sino qué tipo de inteligencia quiere permitir que construya su red de videovigilancia.

Intelligent video surveillance, pero gobernada

El caso Flock no significa que España deba frenar el desarrollo de los sistemas ANPR. La lectura automática de matrículas es una tecnología con aplicaciones legítimas y relevantes para la seguridad ciudadana, el tráfico, las infraestructuras críticas y la protección de instalaciones. El reto consiste en desarrollar esas capacidades acompañándolas desde el principio de mecanismos de gobernanza equivalentes.

Los futuros proyectos españoles deberían incorporar desde su concepción principios de privacidad y seguridad desde el diseño, controles granulares de acceso, autenticación robusta, registros de auditoría, detección de consultas anómalas, segregación de funciones, políticas de conservación y borrado, trazabilidad de las cesiones, evaluaciones de impacto cuando sean necesarias y mecanismos capaces de demostrar quién consultó una determinada información, cuándo y con qué finalidad.

La experiencia estadounidense demuestra que estas medidas no deberían incorporarse después de que aparezca un problema, sino antes de desplegar la infraestructura. En un sistema de videovigilancia inteligente, la gobernanza de los datos debe considerarse una parte tan esencial de la arquitectura como las cámaras, los servidores, las comunicaciones o el software de analítica.

El impacto de Flock Safety en España probablemente no vendrá de que sus cámaras aparezcan mañana en nuestras calles. Su influencia puede ser mucho más profunda. Flock está obligando al sector a replantearse qué significa realmente una red de videovigilancia inteligente.

La tecnología ha demostrado que es posible pasar de identificar matrículas a generar grandes volúmenes de inteligencia sobre vehículos y movimientos. Ahora corresponde a legisladores, authorities, security forces, integradores y fabricantes establecer dónde se encuentra el límite entre una utilización eficaz de la tecnología y una vigilancia desproporcionada.

Para España, esa discusión llega en un momento especialmente oportuno. Mientras ciudades como Badalona avanzan hacia redes de cientos de cámaras, los sistemas ANPR se extienden y la inteligencia artificial se incorpora progresivamente a la analítica de vídeo, The Flock model offers a real case of what can happen when the camera stops being an isolated device and becomes part of a large-scale intelligence platform.

The true revolution of Flock Safety, therefore, does not lie solely in its cameras. It lies in demonstrating that the value of contemporary video surveillance progressively shifts from the image to the data that can be extracted, related and analyzed from it. And precisely for that reason, the future of video surveillance in Spain will not depend solely on how many cameras are installed, but on how networks are designed, who can use them, and what limits are set on the intelligence that those networks can generate.