Fricciones #5: Ciudad entre líneas, reflexiones sobre big data y thick data

Corría 2009 y yo realizaba un intercambio académico en la Victoria University of Wellington. Allí conocí a uno de esos profesores capaces de hacer que una disciplina cobre sentido. Enseñaba urbanismo y me introdujo en las herramientas de análisis espacial, en la posibilidad de leer una ciudad a través de sus capas, sus relaciones y sus patrones: me ayudó a comprender la importancia que estas adquirirían y abrió una forma de mirar la ciudad que me ha acompañado desde entonces. Quizá por eso sigo reconociendo que hay algo tranquilizador en ver una ciudad cartografiada: ordena en una pantalla fenómenos dispersos y permite compararlos. De pronto, el territorio parece legible y, con él, también las decisiones que deberíamos tomar.

Con el tiempo, aquella fascinación empezó a convivir con una pregunta: ¿qué ocurre con lo que no cabe en el mapa? Toda representación selecciona la realidad y todo indicador decide qué cuenta y qué no. Reconocer esos límites no implica renunciar a los datos, sino entender qué conocimiento pueden ofrecernos y cuál debemos buscar de otra manera.

Buena parte del trabajo que hacemos hoy en Khora nace de esa doble convicción: necesitamos los datos para orientarnos, pero no podemos delegar en ellos la comprensión de la ciudad. Por eso seguimos caminándola. Y por eso proponemos mirarla al menos tres veces: desde arriba, para reconocer patrones; desde dentro, para comprender experiencias; y una tercera vez para volver la mirada sobre nosotros mismos y preguntarnos desde qué posición interpretamos y diseñamos.

Primera mirada: lo que los datos alcanzan a ver

Mirar desde arriba sigue siendo imprescindible. Los datos permiten comparar territorios, localizar desigualdades, detectar anomalías y evaluar intervenciones. Sin ellos, muchas veces no sabríamos siquiera por dónde empezar. El problema comienza cuando este ejercicio deja de ser una herramienta y se convierte en una promesa de visión completa.

José van Dijck llamó dataísmo a la confianza en que más datos equivalen automáticamente a más verdad. Sin embargo, los datos nunca llegan en bruto. Antes de aparecer en una pantalla, alguien ha decidido qué medir, cómo clasificarlo y qué descartar como ruido. Danah Boyd y Kate Crawford identificaron una mitología parecida en torno al big data: la idea de que el tamaño de un conjunto de datos le otorga por sí mismo una forma superior de objetividad. El caso de Strava permite ver el problema. Sus registros pueden representar con precisión las variaciones espaciales y temporales de la actividad recreativa, pero sus usuarios no representan por igual a toda la población. Niños, mayores y personas socioeconómicamente vulnerables dejan muchas menos huellas. El dato no es falso, pero describe, sobre todo, a quienes tienen los medios y la costumbre de producirlo. Puede ser a la vez técnicamente preciso y socialmente incompleto.

La primera mirada es especialmente útil cuando la pregunta ya está formulada: permite medir su alcance, localizar regularidades y comparar resultados. La innovación, sin embargo, comienza muchas veces un paso antes, cuando una anomalía obliga a preguntarse si estábamos observando el problema adecuado. Lo que una base de datos trata razonablemente como una desviación puede ser el indicio de un cambio que todavía no ha alcanzado suficiente escala para convertirse en tendencia.

La inteligencia artificial intensifica esta tensión. Reduce el tiempo entre una pregunta y una respuesta ordenada, coherente y plausible. El pensamiento de Hartmut Rosa sobre la aceleración social ayuda a comprender por qué las tecnologías que ahorran tiempo también pueden elevar nuestra expectativa de velocidad. También, un estudio de Lennart Meincke muestra una paradoja relevante para la creatividad: ChatGPT puede mejorar la calidad media de las propuestas individuales y, al mismo tiempo, reducir la diversidad del conjunto: corriendo el riesgo así, de recorrer con enorme eficiencia un espacio de posibilidades demasiado pequeño y dar por cerrada demasiado pronto el espacio de exploración.

Segunda mirada: lo que solo aparece al acercarse

Tricia Wang popularizó la expresión thick data para referirse a un conocimiento denso en contexto. No es una base de datos pequeña ni el reverso sentimental de la estadística. Relaciona una conducta con sus motivaciones, un recorrido con la experiencia de quien lo realiza y una anomalía con el cambio que quizá esté anunciando. Se construye mediante entrevistas, observación, etnografía, historias de vida y contacto sostenido con las personas y los lugares. Allí donde el big data reconoce recurrencias, el thick data intenta comprender significados.

Las ciudades cuentan con una larga tradición de conocimiento construido desde esa proximidad. Jane Jacobs observó la vida cotidiana de Greenwich Village mientras los grandes planes de renovación reducían barrios enteros a categorías funcionales. William H. Whyte filmó el uso real de las plazas de Nueva York y Jan Gehl sistematizó la observación de peatones y actividades. Mostraron que el funcionamiento de un espacio no puede deducirse únicamente de su forma proyectada: hay que atender a lo que hacen las personas cuando lo habitan. Pero observar no significa solamente mirar. Si Jacobs, Whyte y Gehl devuelven la atención a la calle, Juhani Pallasmaa amplía el significado de esa atención. En Los ojos de la piel recuerda que la experiencia espacial es corporal y multisensorial: la arquitectura se ve, pero también se escucha, se toca, se huele, se mide con el paso y se reconoce mediante la memoria.

Caminar, escuchar y permanecer en un lugar son técnicas de investigación situada. El espacio activa recuerdos, señala obstáculos y relaciona las palabras con situaciones concretas. Nicolas Nova sostiene que observar es una capacidad que se aprende. Sus ejercicios dirigen la atención hacia lo que Georges Perec llamó lo infraordinario: aquello que, por cotidiano, se vuelve invisible. En Khora entendemos esa atención como una competencia profesional que permite descubrir preguntas no formuladas y experiencias ausentes del modelo.

Tercera mirada: explorando los límites

Las dos primeras miradas conducen a una conclusión: la ciudad no puede comprenderse desde un único registro. El big data permite dimensionar y reconocer patrones; el thick data sitúa esos patrones en experiencias y significados. Pero acumular más formas de conocimiento no convierte automáticamente el proceso en neutral. Antes de diseñar una solución, diseñamos un punto de vista: decidimos qué constituye el problema, qué evidencias importan y qué voces entran en su definición.

Ahí reside una de las principales responsabilidades del diseñador. El design thinking ofrece herramientas para abrir los procesos y cuestionar las primeras respuestas, pero también puede, como advierte Natasha Iskander, conservar intacta la autoridad del equipo experto. Podemos escuchar a muchas personas y seguir siendo nosotros quienes traducimos sus experiencias, ordenamos sus contradicciones y decidimos qué significado adquieren.

En este sentido, navegar la complejidad sin simplificarla no significa incorporarlo todo ni renunciar a tomar decisiones. Significa construir un encuadre claro sin presentarlo como el único posible; reconocer los conflictos que contiene y mantenerlo abierto a la posibilidad de ser corregido. Aquello que no encaja no siempre es ruido: puede ser precisamente lo que obligue a desplazar el punto de vista y reformular el problema.

Quizá esa sea la tercera mirada: no una nueva forma de observar la ciudad, sino la capacidad de volver la mirada sobre nuestra propia posición. Si aquella clase en Wellington me enseñó a leer la ciudad a través de los datos, la práctica me ha enseñado que ningún mapa sustituye al territorio, ni a quienes lo interpretan. Seguir caminando la ciudad no nos hace neutrales, pero permite que la realidad contradiga nuestro encuadre antes de que lo demos por definitivo. Diseñar no sería entonces encontrar el punto de vista correcto, sino construir uno consciente de sus límites y dispuesto a ser revisitado.