Cómo Singapur redujo de 1 semana a segundos la identificación de especies con IA: el caso Fin Finder

Una semana. Ese era el tiempo que los inspectores de Singapur necesitaban para identificar si las aletas de tiburón que llegaban a sus puertos pertenecían a especies protegidas. Hoy, con Fin Finder, la primera aplicación móvil de Asia basada en inteligencia artificial para identificación de especies, ese proceso toma apenas segundos.

El proyecto, desarrollado por el Consejo de Parques Nacionales de Singapur (NParks), Microsoft y Conservation International, transformó radicalmente los controles fronterizos. Entre 2012 y 2020, más de 160,000 kilogramos de aletas de tiburones y rayas protegidas por CITES habían ingresado a Singapur. La identificación de especies con IA ahora permite a los oficiales fotografiar las aletas y compararlas contra una base de datos de más de 15,000 imágenes procesadas por algoritmos de Microsoft Azure.

Los resultados hablan por sí solos: desde su lanzamiento en 2022, Fin Finder ha sido adoptada por agencias de 32 países y alcanza una precisión del 89.4% en la identificación, según datos actualizados de NParks. En abril de 2025, la startup estadounidense Conservation X Labs adquirió la aplicación, reconociendo su potencial para expandirse a otros sectores de control de especies.

Qué puedes aplicar en tu empresa: lecciones del caso Singapur

El éxito de Fin Finder no está solo en la tecnología, sino en cómo abordaron un problema operativo concreto con IA. Estas son las lecciones clave para cualquier organización:

1. Identifica procesos lentos con alta repetición
Singapur no eligió la IA por estar de moda. Tenían un proceso específico (identificación de especies) que tomaba una semana y se repetía miles de veces. ¿Dónde en tu empresa hay procesos manuales que consumen tiempo excesivo y se repiten constantemente?

2. Construye con partners estratégicos
El proyecto combinó tres tipos de expertise: conocimiento del dominio (NParks), tecnología cloud (Microsoft Azure) y datos especializados (Conservation International). Esta colaboración público-privada fue clave. Richard Koh, CTO de Microsoft Singapur, destacó que "llevar las herramientas de IA del laboratorio a manos de expertos en campo" aceleró la solución.

3. Empieza con un dataset robusto
La base de datos de 15,000 imágenes de aletas no se construyó de la noche a la mañana. Requirió la colaboración de múltiples organizaciones globales, incluyendo Rumah Foundation, Coastal Natives y Wild Me. Sin datos de calidad, no hay IA exitosa.

4. Diseña para el usuario final
Los inspectores necesitaban algo simple: fotografiar y obtener respuesta inmediata. La app también incluye acceso offline a materiales de referencia y validación de permisos CITES. La usabilidad fue tan importante como la precisión.

5. Planifica la escalabilidad desde el inicio
Que 32 países adoptaran la solución no fue casualidad. El diseño en Microsoft Azure permitió escalamiento internacional, y la posterior adquisición por Conservation X Labs garantiza evolución continua de la tecnología.

El Dr. Andrew Rhyne, uno de los fundadores de Fin Finder y profesor de biología marina en Roger Williams University, resume la clave: "Las herramientas de identificación rápida, precisas e inexpensivas son extremadamente útiles para agentes de aduanas y fronteras".

¿Tu empresa tiene procesos que podrían beneficiarse de identificación automatizada con IA? El caso de Singapur demuestra que el éxito no está en la complejidad tecnológica, sino en resolver problemas operativos reales con soluciones que los usuarios finales realmente adoptarán.