# Plan de la noche: la ATOM trabaja con IA sobre las vías de Colombia

Lanzado el 5 de octubre de 2026 a las 23:56 hora local (04:56 UTC). Hora límite: **06:00 local (11:00 UTC)**. Piloto en la ATOM: `~/lab-scraping/pilotos/vias-colombia/`. Código en este repositorio: `herramientas/vias/`.

## Reglas que se cumplen

1. **La noche no accede a internet.** Todos los datos se descargaron de día, con supervisión, usando las APIs documentadas de datos.gov.co y unos pocos documentos públicos elegidos a mano. Cada etapa importa `lib/solo_local.py`, que lanza una excepción ante cualquier conexión que no sea a la propia ATOM, al túnel de la GPU o al servidor de modelos. No hay raspado ni rastreo.
2. **Guiones fijos, sin agentes autónomos.** El guion decide qué se hace; los modelos solo devuelven una etiqueta o un texto que el guion verifica.
3. **Nada que el modelo diga se acepta sin verificación:** las cifras de un texto deben existir en los hechos que se le dieron, las citas de la literatura deben estar literalmente en el documento, y los kilómetros deben aparecer en el texto del proyecto. Lo que no pasa se descarta o se marca.
4. **Todo es reanudable.** Si algo se cae, se vuelve a lanzar `./noche.sh` y continúa desde la base de datos. Parar: `touch STOP`.
5. **Privacidad:** esta noche no se usan datos de personas.

## Fuentes (todas abiertas)

| Fuente | Qué es | Filas |
|---|---|---:|
| INVÍAS · Red vial | Tramos de la red nacional con geometría, orden, administrador, superficie | 715 |
| INVÍAS · Puentes, peajes, postes de referencia, contratos | Activos y contratos | 2.830 · 179 · 17.816 · 16.946 |
| ANI · concesiones, tráfico y recaudo de peajes, puentes, túneles | Concesiones y operación | 150 · 149.944 · 17.134 · 2.704 · 107 |
| DNP · proyectos de transporte | Inversión pública con programa presupuestal y estado | 25.459 |
| Regalías (SGR) · proyectos de transporte | Con departamento y avance físico y financiero | 10.993 |
| Fondo Adaptación | Proyectos de reconstrucción | 5.004 |
| ANSV · sectores críticos | Siniestralidad, mortalidad, velocidad | 316 · 647 · 970 |
| MinTransporte · vehículos en accidentes | Registros 2022–2026 | 450.335 |
| Policía · estado de las vías | Afectaciones viales | 409 |
| OpenStreetMap Colombia | Extracto de Geofabrik de la ATOM | ~330 MB |
| Documentos | 15 artículos abiertos (arXiv) y 15 documentos oficiales o notas | 30 |

## Etapas

| Etapa | Qué hace | Motor | Salida | Tiempo estimado |
|---|---|---|---|---|
| E1 · Inventario | Consolida todo en SQLite; km por orden, administrador, superficie y territorial; puentes, peajes, tráfico, proyectos y contratos | Determinista | `e1_resumen.json`, `vias.sqlite` | 2 min |
| E4 · Seguridad | Sectores críticos, vehículos en accidentes, afectaciones de la Policía | Determinista | `e4_seguridad.json` | 1 min |
| E3 · OpenStreetMap | Kilómetros por departamento y clase de vía; superficie declarada y estado | Determinista (pyosmium) | `e3_osm.json`, tabla `osm_vias` | 10–25 min |
| E2 · Obras | **A.** Auditoría: cuántos «en ejecución» están activos; valores imposibles. **B.** Clasificación de ~16.000 proyectos y contratos por tipo de vía, intervención, superficie y kilómetros con cita literal | A: determinista. B: GLM-4.7-Flash (RTX 5090, ~2,5 por segundo) | `e2_auditoria.json`, tabla `obras_clas` | ~2 h |
| E5 · Lectura | Cada documento se lee con Qwen3.8-Flash-Next; ficha y hallazgos con cita literal que el guion verifica | Qwen3.8-Flash-Next (GB10) | tabla `lectura` | ~20 min |
| E6 · Acuerdo entre modelos | 300 proyectos se reclasifican con otro modelo; acuerdo y kappa; los desacuerdos van a revisión humana | Qwen | `e6_acuerdo.json` | ~25 min |
| E7 · Síntesis | 33 fichas departamentales a partir de hechos numerados (cifras verificadas) y oportunidades de IA con hallazgos verificados | Qwen | tablas `fichas`, `oportunidades` | ~40 min |
| E8 · Informe | Ensambla `INFORME_NOCHE_VIAS.md`, `resumen_noche.json` y una muestra de 100 clasificaciones para validar | Determinista | informe y `validacion/muestra_100.csv` | 1 min |

**Orden:** E1 → E4 → E3 en una sesión; E2 empieza a los 2 minutos en otra (GPU de la 5090); E5 en otra (GB10); E6 espera a E5 y a E2; E7 espera a E6 y a E3. A 40 minutos de la hora límite una sesión de cierre pone `STOP`, espera 15 minutos y ejecuta E8.

## Hallazgos de calidad ya detectados (de día)

- De 22.635 km de la capa oficial de red vial, **17.876 km tienen la superficie «por definir»**: el porcentaje pavimentado no es concluyente.
- **El 98,3 % de los puentes de INVÍAS tiene su última inspección registrada antes de 2020.**
- **Los valores de los contratos de INVÍAS incluyen cifras imposibles** (sumas de millones de billones): se excluyen los mayores de 5 billones de pesos.
- **El departamento de los contratos de INVÍAS es siempre Bogotá (100 %)**: es la sede de la entidad, no el lugar de la obra, así que no se usa para ubicarlas.
- **«En ejecución» en el DNP no significa obra activa:** de 3.798 proyectos, 3.168 tienen valor vigente cero, 2.406 figuran «sin recursos para la vigencia actual» y 769 «inactivos».
- OpenStreetMap solo declara la superficie en una parte de las vías.

## Seguimiento

- Panel: `~/lab-scraping/pilotos/vias-colombia/estado_noche.sh` (desde esta sesión: `ssh admin@10.10.10.2 ~/lab-scraping/pilotos/vias-colombia/estado_noche.sh`).
- Bitácora de decisiones: `trazabilidad.jsonl`. Registros por etapa en `logs/`.
- Las fallas que vigila el orquestador: túnel de la 5090 caído, servidor Qwen sin respuesta, errores en los registros y etapas sin avance.

## Qué se revisa por la mañana

1. `INFORME_NOCHE_VIAS.md` y `resumen_noche.json`.
2. Acuerdo entre modelos (E6) y la muestra `validacion/muestra_100.csv`: **la validación humana de 100 clasificaciones sigue pendiente.**
3. Fichas departamentales marcadas «determinista»: el modelo no pasó la verificación de cifras.
4. Departamentos con pocos datos.
5. Decidir qué pasa a la página del visor.

## Lo que esta noche no hace

No mide el estado real del pavimento (no hay datos abiertos por tramo con IRI), no usa imágenes ni satélite, no contacta a ninguna entidad y no corrige datos oficiales: solo los audita y los clasifica.