Conteo de personas sin cámaras

Sí. Los puntos de acceso Wi-Fi que ya tiene un edificio permiten contar personas sin cámaras. Captan las señales que emiten los teléfonos, las convierten en recuentos y flujos y solo conservan estadísticas agregadas. No se toma ninguna imagen ni se identifica a nadie. Los accesos que necesitan un recuento exacto pueden usar LiDAR, que tampoco necesita cámara.

En resumen

• Los puntos de acceso Wi-Fi existentes pueden contar visitantes en todo un edificio sin una cámara, y la cobertura llega hasta donde llega la red.
• Las señales de los teléfonos se convierten en recuentos, permanencia y rutas entre zonas; solo quedan estadísticas agregadas.
• LiDAR da un recuento exacto en un acceso sin cámara y sin imagen.
• Los recuentos se calibran con sesiones de conteo manual, así que se sostienen a nivel agregado.
• Si hace falta una evaluación de impacto (EIPD) lo decide su propio delegado de protección de datos o su área de cumplimiento.

¿Podemos contar a los visitantes en toda la superficie y en las puertas sin cámaras?

Sí, y el trabajo se reparte entre dos métodos. El conteo por Wi-Fi cubre la superficie a través de los puntos de acceso que ya hay en el edificio y ofrece recuentos, tiempos de permanencia y rutas entre zonas. LiDAR se encarga de los accesos donde importa un recuento exacto, y mide con pulsos láser, así que no existe ninguna imagen.

Instalar contadores ópticos en cada punto de entrada, límite de zona, escalera mecánica y vestíbulo de ascensores exige planificar el proyecto, tender cableado y mantener el hardware de forma continua. El conteo por Wi-Fi funciona con los puntos de acceso que el equipo de mantenimiento o el departamento de IT ya gestionan para dar conectividad, así que la cobertura llega hasta donde llega la red y, en la mayoría de los edificios, no hace falta instalar hardware nuevo en el techo.

Un centro comercial con decenas de puntos de acceso en cinco plantas obtiene analítica por zonas en las cinco, mucho más de lo que mostraría un recuento de cabezas en la puerta principal. Para museos y espacios culturales o nodos de transporte público, ese nivel de detalle suele estar al alcance sin un proyecto de cableado, y los datos son más completos porque el conteo cubre todo el edificio. No hay una cámara adicional que justificar ante una autoridad urbanística ni que apuntar a una cola.

¿Qué captan los puntos de acceso Wi-Fi de un teléfono?

Un teléfono con el Wi-Fi encendido envía solicitudes de sondeo, señales breves que preguntan si hay alguna red conocida cerca. Los puntos de acceso que están al alcance las detectan. Cada sondeo llevaba antes un identificador de hardware único, la dirección MAC, que en principio permitía seguir a un dispositivo concreto en el tiempo y en el espacio.

Apple introdujo la aleatorización de direcciones MAC en iOS 8 en 2014; Android hizo lo mismo a partir de la versión 8.

Ahora los dispositivos envían las solicitudes de sondeo con direcciones MAC aleatorias, que cambian con el tiempo y difieren según la red, en lugar de un ID de hardware fijo, de modo que un dispositivo ya no conserva una dirección fija a lo largo del tiempo. Aun así, la privacidad de un sistema de conteo depende de lo que el sistema hace después con las señales.

¿Qué queda una vez procesadas las señales?

El enfoque de conteo de personas por Wi-Fi anonimiza las señales en el punto de recogida. Las señales de sondeo se convierten en recuentos y estadísticas de flujo, y los datos de señal subyacentes no se guardan. Lo que se conserva son agregados: cuántos dispositivos se detectaron en una zona durante una hora determinada, cuánto duró de media la permanencia y qué ruta fue la más habitual en un espacio. Ninguna fila de ninguna base de datos corresponde a una persona.

Un sistema de analítica de afluencia conforme al RGPD basado en el conteo por Wi-Fi no necesita el consentimiento de los visitantes para funcionar. El consentimiento se aplica donde se tratan datos personales, y este método no trata ninguno. Por eso este es también el único método de medición de afluencia en Europa aprobado por una autoridad de protección de datos.

¿Cómo sabemos que los recuentos son correctos?

Como el sistema nunca ve a las personas, depende de la calibración para comprobar sus recuentos. Los recuentos obtenidos de las señales Wi-Fi se validan con sesiones de conteo manual: un número conocido de personas atraviesa una zona y la estimación del sistema se ajusta hasta coincidir. La calibración también corrige la proporción de visitantes que llevan un dispositivo con Wi-Fi activado, que varía según la ubicación y la hora. Otros métodos se comparan en cómo contar visitantes.

La precisión es alta a nivel agregado, que es el nivel que necesitan las decisiones operativas y estratégicas. Un retailer necesita saber si un sábado vinieron 2.000 o 4.000 personas, y responder a eso no exige ningún censo de individuos. La calibración también hace que el recuento sea comparable entre locales y temporadas, y esa comparabilidad es lo que vale un benchmark de afluencia. El recuento es además el denominador que la caja no puede aportar: frente a las ventas, da la tasa de conversión que hay detrás de por qué la afluencia y las ventas cuentan historias distintas.

La aleatorización de MAC, hoy estándar en los dispositivos modernos, se gestiona a nivel de algoritmo sin volver a identificadores persistentes, así que el resultado estadístico sigue siendo fiable.

¿Qué abarca una revisión de protección de datos del conteo por Wi-Fi?

Para las organizaciones sujetas al RGPD, una EIPD para el conteo de personas es el paso formal para valorar una tecnología antes de desplegarla. Si hace falta una, y qué debe abarcar, lo decide su propio delegado de protección de datos o su área de cumplimiento. El método no produce datos de categorías especiales, no necesita ningún mecanismo de consentimiento y no deja derechos de los interesados que gestionar. Las preguntas que suele hacer un delegado de protección de datos están recogidas en esa página.

¿Qué dirán la plantilla y los sindicatos?

La medición es anónima. El conteo por Wi-Fi no genera datos personales, así que nadie, ni empleados ni visitantes, puede ser señalado en los resultados, y no se sigue a ninguna persona a lo largo del tiempo. Lo que ven la plantilla y sus representantes son estadísticas agregadas del espacio: cuántas personas había, dónde y cuándo, nunca quién.

¿Qué cambia para los visitantes cuando no hay cámara?

Los sistemas basados en cámara pueden hacer cosas que el conteo por Wi-Fi no puede: distinguir adultos de niños, contar personas en imágenes con alta precisión y, en algunas configuraciones, reconocer a visitantes que repiten. Esas capacidades son también el origen del malestar del público. El reconocimiento facial asociado a la analítica de retail ha atraído la atención de los reguladores en toda Europa, e incluso donde las cámaras no hacen reconocimiento, los visitantes de los espacios públicos se fijan cada vez más en ellas y hacen preguntas. Una cámara visible puede parecer vigilancia aunque solo esté contando, y esa fricción tiene un coste en la experiencia del visitante, en tiempo del personal y, a veces, en cobertura de prensa.

El conteo por Wi-Fi no apunta ninguna cámara a los visitantes ni capta ninguna imagen suya. Eso pesa sobre todo donde la confianza forma parte de la visita: instituciones culturales, transporte público y centros sanitarios. También pesa cada vez más en el retail, a medida que las decisiones de contador de personas o analítica se examinan con más detenimiento.

Donde un acceso necesita un recuento exacto y no se quiere ningún objetivo, el conteo de personas con LiDAR ofrece un recuento preciso sin ninguna cámara. Mide el movimiento con pulsos de luz láser segura para la vista y muestra a las personas como agrupaciones de puntos en el espacio 3D. Nunca se genera una imagen, así que no hay nada que almacenar, difuminar ni enmascarar.

Fuentes

• Apple (2014). iOS Security (white paper, October 2014). https://www.apple.com/mx/privacy/docs/iOS_Security_Guide_Oct_2014.pdf
• Android Open Source Project. Implement MAC randomization. https://source.android.com/docs/core/connect/wifi-mac-randomization
• Martin, J., Mayberry, T., Donahue, C., Foppe, L., Brown, L., Riggins, C., Rye, E. C., & Brown, D. (2017). A study of MAC address randomization in mobile devices and when it fails. Proceedings on Privacy Enhancing Technologies, 2017(4), 365–383. https://doi.org/10.1515/popets-2017-0054
• European Data Protection Board (2020). Guidelines 3/2019 on processing of personal data through video devices, version 2.0. https://www.edpb.europa.eu/documents/guideline/guidelines-32019-on-processing-of-personal-data-through-video-devices_en
• European Parliament and Council of the European Union (2016). Regulation (EU) 2016/679 (General Data Protection Regulation), Recital 26 and Article 35. https://eur-lex.europa.eu/eli/reg/2016/679/oj