sellado · sin abrir
Plazo: hasta el 31 de diciembre de 2026
huella SHA-256 del texto sellado
77e65decade198dd04b9eb85308eb62a4ca533302433ee6bae405bf8849e84a4
demo técnica · automoción
Anticipar retiradas de coches leyendo las quejas de los conductores
En uno de cada dos casos, las señales ya estaban en las quejas: de media, más de un año antes de que el problema tuviera nombre.
Cada año, miles de conductores en Estados Unidos escriben a la agencia de seguridad vial (NHTSA) quejándose de sus coches. Años después, algunos de esos problemas se convierten en un recall oficial: la campaña con la que el fabricante llama a revisión los coches afectados para arreglarlos. La pregunta de la demo: antes de que el problema tuviera nombre, ¿sus señales ya estaban en esas quejas? El mismo adelanto, oler el problema en las quejas escritas a mano antes de que estalle, vale para un fabricante de electrodomésticos, un hospital que acumula partes de incidencias o cualquiera que reciba avisos sueltos sin llegar a cruzarlos.
Reconstruimos el pasado mes a mes. El sistema solo ve las quejas recibidas hasta cada momento; agrupa las que cuentan la misma historia con palabras distintas, y levanta la mano cuando una de esas familias crece de forma anómala. Las reglas, los umbrales y todos los parámetros quedaron congelados el 9 de julio de 2026, antes de mirar un solo resultado, en un registro con huella criptográfica (6fe218f). Después, abrimos el futuro.
Lo que salió
Sobre 889 casos con recall (2015-2024) y 760 celdas de control (los mismos coches, en componentes que nunca tuvieron recall): el sistema levantó la mano en el 53% de los casos con recall y solo en el 11% del control. Los detectores simples (contar quejas, buscar picos) disparan en el 40% del control: no distinguen. La diferencia no es ver más; es distinguir.
Cuando hubo alerta, llegó de mediana 374 días antes del recall oficial. Y en los casos donde la agencia abrió investigación, nuestra alerta llegó de mediana 122 días antes que la investigación (aunque en 1 de cada 4, después: también se cuenta).
Y un pero que preferimos contar nosotros: la mitad del pool son airbags de la época Takata, con mucha cobertura mediática. Quitándolos, el sistema sigue distinguiendo casi 4 veces mejor que el azar, y la anticipación mediana no se mueve: 374 días.
pruébalo
Muévelo tú: adelanta y atrasa el tiempo
Arrastra el tiempo y verás exactamente lo que veía el sistema: solo las quejas recibidas hasta ese momento, con el futuro tapado.
quejas recibidas alerta del sistema recall oficial futuro tapado
Tres casos, con el futuro abierto
Casos ilustrativos, elegidos con un criterio declarado: iniciados por el fabricante, no mediáticos, con anticipación entre 2 y 15 meses. La distribución completa es la del histograma de arriba, ni todos los casos disparan, ni todos se parecen a estos.
Cuatro sobres cerrados sobre el futuro
Todo lo anterior mira hacia atrás, que es lo cómodo: el resultado ya existía. El 9 de julio de 2026 hicimos lo incómodo. Pasamos el sistema por el archivo de quejas de hoy, elegimos cuatro señales de vehículos que todavía no tienen retirada, escribimos qué esperamos que pase y con qué plazo, y sellamos los cuatro textos. Aquí no hay futuro que abrir: hay que esperar a que llegue.
cómo va
0 resueltas de 4
A 7 de agosto de 2026, ninguno de los vehículos vigilados tiene una retirada nueva. Es lo esperable: llevamos cuatro semanas de unos plazos que van de cinco a dieciséis meses. Un vigía automático consulta cada mañana la base pública de la NHTSA y avisa si aparece una campaña nueva.
sellado · sin abrir
Plazo: de diciembre de 2026 a noviembre de 2027
huella SHA-256 del texto sellado
402e1d65b66c5ca175a4b75be027750957a1a055a680cc7d19f28af55f686563
sellado · sin abrir
Plazo: hasta junio de 2027
huella SHA-256 del texto sellado
92da963d5670b142c8bbcd4b33410b0e5fb20b50f201858c1db565dfe3f6f3c0
sellado · sin abrir
Plazo: hasta junio de 2027
huella SHA-256 del texto sellado
a9372061c5645a27f6f3bdc58822e63e14c41fe79815975a49af0f20d02b2a26
Un sobre puede acabar de tres maneras, y las tres se publican aquí: sin abrir mientras esperamos, abierto el día que la retirada ocurre (entonces se publica el texto entero y su huella se puede comprobar), o vencido si el plazo llega sin retirada, que es la forma elegante de decir que fallamos.
qué es ese código y cómo se comprueba
Esa tira de 64 caracteres es la huella SHA-256 del texto de cada sobre: una operación matemática que convierte cualquier texto en un código de longitud fija. Cambiar una sola coma del texto produce una huella completamente distinta, y a partir de la huella no se puede reconstruir el texto. Por eso podemos publicarla sin revelar de qué coche hablamos.
- 1. Descarga los dos ficheros: HASHES.txt (las cuatro huellas) y HASHES.txt.ots (su sello temporal).
- 2. Súbelos los dos a opentimestamps.org y pulsa Verify. Sin instalar nada, te dirá en qué bloque de la cadena de Bitcoin está anclada esa lista y de qué fecha es. Esa fecha no la podemos mover ni nosotros: está el 9 de julio de 2026, bloque 957299.
- 3. El día que abramos un sobre publicaremos su
texto completo. Calcula entonces
shasum -a 256 sobre-A.mdy compara: tiene que dar exactamente la huella de arriba. Si no coincide, lo hemos cambiado por el camino y quedará a la vista.
Lo que esto demuestra y lo que no: demuestra cuándo se escribió cada predicción, no que sea buena. Lo segundo se verá cuando venzan los plazos. El procedimiento largo, con cliente de línea de comandos, está en COMO-VERIFICAR.md y en la página de pre-registros.
- No decimos qué coches son, y no es por suspense. Publicar que sospechamos de un modelo concreto sería señalar a un fabricante por un defecto que ninguna autoridad ha confirmado. Lo que se publica es la huella criptográfica del texto, que no señala a nadie y no se puede cambiar después.
- La fecha está probada por fuera. La lista de huellas está sellada en la cadena de bloques de Bitcoin mediante OpenTimestamps, anclada en el bloque 957299. Cualquiera puede comprobar que ese texto existía en esa fecha sin fiarse de nuestra palabra.
- Un sobre solo se abre si su retirada ocurre. Entonces se publica el texto entero y se comprueba que su huella coincide. Si el plazo vence sin retirada, no se abre: se anota el fallo aquí, con su fecha.
- Cuatro apuestas son pocas para medir nada. Esto no es una tasa de acierto ni pretende serlo. Es la forma que se nos ocurre de enseñar que el sistema apunta antes de conocer el resultado, y de que nos cueste algo si falla.
Cómo leer esto sin engañarse
- No es el volumen, es la anomalía. Diez quejas en dos meses contando la misma historia, en un coche que apenas genera ninguna, son un grito. En un superventas serían ruido.
- Cada queja es la punta de un iceberg. Escribir a una agencia federal es un acto raro; detrás de cada queja suele haber muchos más casos.
- La coherencia es el filtro. Ocho quejas cualesquiera no significan nada; ocho contando el mismo fallo nuevo con palabras distintas, sí.
- La alerta mira solo hacia atrás. Se emite al inicio de cada mes con lo recibido hasta entonces. Nunca ve el futuro.
Los peros
- El archivo público de hoy es más limpio que el que existía entonces (quejas retiradas o corregidas desaparecen): no hay foto exacta del pasado.
- Un 25% de las quejas menciona la palabra "recall": el corte estricto por fecha de recepción es la barrera, y se verifica además el contenido.
- La mayoría de los recalls no tienen historia de quejas observable: de ~8.900 del periodo, solo ~890 celdas tenían masa suficiente para evaluarse.
- Esto demuestra que había señal temprana recuperable en casos concretos. No es una tasa predictiva validada, no predice recalls futuros y no evalúa a nadie.
Referencias
La idea de anticipar defectos a partir de quejas no es nueva, y no vamos a presentarla como un invento nuestro. Hay literatura desde hace una década y la propia NHTSA usa aprendizaje automático en su vigilancia. Lo que esta demo añade es el protocolo: reglas congeladas antes de mirar, grupo de control, y los fallos publicados.
- Ghazizadeh, McDonald & Lee (2014), Text Mining to Decipher Free-Response Consumer Complaints, Human Factors.
- Zhang et al. (2015), Predicting Vehicle Recalls with User-Generated Contents, Springer.
- Li et al. (2025), XGBoost-based risk prediction model for massive vehicle recalls, Risk Analysis.
- NHTSA, Risk-Based Processes for Safety Defect Analysis (DOT HS 812 984) y Early Warning Reporting (TREAD Act).
Datos y agradecimientos
Si esta demo se puede hacer es porque la NHTSA (Departamento de Transporte de EE.UU.) publica en abierto sus bases de quejas de consumidores, recalls e investigaciones. Gracias.
Todos los datos usados son públicos.
¿Puedes usar esto? Sí. Nuestras señales, las reglas congeladas y los textos de esta página se publican bajo licencia CC BY 4.0: úsalos, compártelos o analízalos libremente, citando la fuente, Team Banzai (team-banzai.com). Los datos de terceros (las quejas y retiradas de la NHTSA, dominio público en EE.UU.) conservan las condiciones de sus fuentes originales.
Hecho con Python y SQLite. TF-IDF, clustering con taxonomía congelada y un test de Poisson. Ningún modelo de lenguaje decide nada: la alerta es geometría y estadística con parámetros congelados.
Sobre esta demo
Estudio retrospectivo con fines ilustrativos, sobre datos públicos de la NHTSA. Todos los recalls mostrados son campañas históricas, ya publicadas y gestionadas por sus fabricantes. Las quejas de consumidores son testimonios no verificados; su presencia no demuestra un defecto. Este análisis no afirma que ningún vehículo actual tenga problemas, no evalúa la actuación de fabricantes ni de la NHTSA, que ejecutan procesos de vigilancia mucho más completos, con datos que este estudio no ve, y no constituye asesoramiento de seguridad. Las marcas se citan únicamente como parte del registro público histórico. Sin afiliación con la NHTSA ni con ningún fabricante.
¿Y en tu empresa?
Lo mismo se puede hacer leyendo las reseñas de un producto para detectar un defecto de fábrica antes de que se vuelva un problema serio, los partes de mantenimiento de una flota para ver qué máquina va a dar guerra, o los mensajes de soporte para notar que una actualización acaba de romper algo.
Si alguno de estos experimentos te recuerda a un problema tuyo, una flota con avisos que nadie cruza, garantías que saltan siempre por lo mismo, quejas de clientes que se leen sueltas y se olvidan, escríbenos y lo comentamos. Sin rollo: te decimos si se puede o no.