Flock Safety 与视频监控的未来: 对西班牙的影响与前景

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?

La tecnología de Flock Safety representa uno de los ejemplos más avanzados de la transformación que está experimentando la videovigilancia. Su propuesta combina cámaras de lectura automática de matrículas (ALPR), visión artificial, analítica de vehículos y una plataforma de investigación que permite relacionar evidencias procedentes de múltiples dispositivos. La compañía sostiene que sus cámaras no utilizan reconocimiento facial y que trabajan sobre características observables de los vehículos. 然而, precisamente esa capacidad de registrar dónde y cuándo aparece un vehículo es la que ha situado a Flock en el centro de una creciente controversia en Estados Unidos.

El cambio tecnológico es sustancial. 传统的监控摄像机拍摄的画面需要操作员事后查看. 传统的ANPR/LPR系统增加了分析功能: 能够自动识别车牌，并在与特定名单匹配时触发警报. Flock模型更进一步. 该平台可以将车牌与车辆的其他特征关联起来, 例如品牌, 型号, 颜色或某些可见特征, 并将检测结果转化为可供调查查询的信息.

这改变了视频监控的性质. 其价值不再仅仅在于知道摄像机前发生了什么, 而在于能够 潜在地重建车辆经过的路径, 以及具体时间 还有哪些其他检测可能与之相关. 一个摄像头网络因此不再是独立设备的集合，而是转变为分布式的交通智能基础设施.

Flock所达到的规模尤其具有重要意义. 在美国, 该公司已经拥有超过 120.000 相机 并在数千个社区中存在. 规模很重要，因为风险不一定来自单个摄像头. 安装在公路上的LPR摄像头可能有一个明确的用途, 但是当数千个设备生成可以从公共平台查询的记录时, 系统的性质会发生实质性变化.

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.

这 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. 所以, una infraestructura que registra sistemáticamente matrículas, localización y hora no puede considerarse simplemente un sistema que captura información sobre vehículos. Dependiendo de las circunstancias, puede implicar el tratamiento de información vinculada, directa o indirectamente, con personas identificables.

Aquí adquieren especial importancia los principios establecidos por el Reglamento General de Protección de Datos. La limitación de la finalidad exige que los datos personales sean recogidos para fines determinados, explícitos y legítimos, mientras que el principio de minimización obliga a que los datos sean adecuados, pertinentes y limitados a lo necesario. Una red de cámaras capaz de registrar millones de desplazamientos potenciales tendría, 所以, que justificar no solo su utilidad desde el punto de vista de la seguridad, sino también la proporcionalidad de los datos tratados.

En el ámbito de la seguridad pública existe además una regulación específica. La Ley Orgánica 4/1997 regula la utilización por las Fuerzas y Cuerpos de Seguridad de videocámaras para grabar imágenes y sonidos en lugares públicos y su posterior tratamiento con finalidades vinculadas a la convivencia ciudadana, la prevención de delitos y la seguridad pública. Su desarrollo reglamentario establece, entre otras cuestiones, procedimientos de autorización, conservación y destrucción de grabaciones y garantías para los ciudadanos.

为此原因, trasladar a España un modelo de red masiva de cámaras LPR conectadas a una plataforma central no consistiría simplemente en instalar dispositivos y activar un software de análisis. 法律和操作设计必须成为技术项目本身的一部分.

真正的挑战: 数据可追溯性

对于安全负责人来说, Flock的主要经验之一是，信息访问控制不再是次要问题. 在这种特性的平台上, 系统应当精确地确定 谁可以访问信息, 每个用户的搜索能力 y 在何种情况下可以进行查询.

寻找与调查相关的具体车牌号与对经常出入特定区域的车辆进行探索性查询并不等同. 为此原因, 这 操作可追溯性 变得至关重要. El sistema debería poder registrar qué usuario realizó una búsqueda, cuándo la efectuó, qué información consultó y cuál era la finalidad asociada a esa operación.

La misma lógica debe aplicarse a la conservación de los datos. El plazo no debería venir determinado exclusivamente por la capacidad de almacenamiento de la plataforma, sino por una finalidad concreta y jurídicamente justificada. 同样的方式, la interoperabilidad entre diferentes cuerpos policiales o sistemas de seguridad puede aumentar considerablemente la eficacia operativa, pero también amplía la superficie de exposición de los datos y hace todavía más importante establecer controles sobre las cesiones y accesos.

Flock aporta en este sentido una lección fundamental: la seguridad del sistema no termina en la cámara. También incluye la gestión de identidades, la asignación de privilegios, los registros de auditoría, el cifrado, la segregación de información, las políticas de retención y los mecanismos capaces de detectar usos anómalos.

España ya está avanzando hacia este escenario, aunque con modelos y escalas diferentes. Los proyectos municipales de videovigilancia incorporan cada vez con mayor frecuencia cámaras LPR o ANPR destinadas a identificar automáticamente matrículas y generar alertas. Un ejemplo reciente es Badalona, que prevé una red de 615 相机, de las cuales 127 estarán destinadas a la lectura automática de matrículas.

引入 Flock 现象的问题是，这些项目应被视为简单的独立摄像头网络还是作为交通智能基础设施. 一个设计合理的网络可以帮助定位被盗车辆, 检测与调查相关的车辆, 生成实时警报, 重建对调查有意义的行程, 关联来自不同点的检测并改进对特定事件的响应.

但这种能力越大, 治理水平也必须越高. 技术能够从对单个车辆的识别，发展到生成出行模式, y esa transición tiene consecuencias tanto operativas como jurídicas.

La cuestión de la inteligencia artificial

Existe además una dimensión adicional relacionada con el Reglamento Europeo de Inteligencia Artificial. El AI Act establece restricciones particularmente relevantes para determinados usos de la identificación biométrica remota en tiempo real en espacios públicos, especialmente en el ámbito policial. 然而, las cámaras de Flock no deben confundirse automáticamente con un sistema de reconocimiento facial. La propia compañía sostiene que sus cámaras LPR no utilizan reconocimiento facial y que se centran en datos y características del vehículo.

所以, no sería correcto concluir que el AI Act prohíbe un sistema como Flock en España. 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.

智能视频监控, 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. 它的影响可能更加深远. Flock 正在迫使行业重新思考智能视频监控网络真正意味着什么.

这项技术已经证明，可以从识别车牌过渡到生成 大量关于车辆和行动的情报. 现在由立法者, 当局, 安全部队, 系统集成商和制造商来确定有效利用技术与不成比例监控之间的界限.

对于西班牙来说, 这一讨论正值特别恰当的时机. 当像巴达洛纳这样的城市正在推进数百个摄像头的网络, 自动车牌识别系统正在扩展，人工智能正在逐步被纳入视频分析, el modelo Flock ofrece un caso real de lo que puede ocurrir cuando la cámara deja de ser un dispositivo aislado y pasa a formar parte de una plataforma de inteligencia a gran escala.

La verdadera revolución de Flock Safety, 所以, no reside únicamente en sus cámaras. Está en demostrar que el valor de la videovigilancia contemporánea se desplaza progresivamente desde la imagen hacia los datos que pueden extraerse, relacionarse y analizarse a partir de ella. Y precisamente por eso, el futuro de la videovigilancia en España no dependerá únicamente de cuántas cámaras se instalen, sino de cómo se diseñen las redes, quién pueda utilizarlas y qué límites se establezcan sobre la inteligencia que esas redes pueden llegar a generar.