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.
resumen
- los datos
- La base pública de quejas de la agencia de seguridad vial de EE.UU. (NHTSA): ficheros CSV que cualquiera puede descargar, con más de un millón de quejas escritas por conductores durante veinte años.
- la pregunta
- Algunos de esos coches acabaron retirados del mercado para arreglarlos. ¿Estaba el aviso escondido en las quejas desde el principio?
- la prueba
- Un sistema lee solo las quejas antiguas, sin ver lo que vino después, y levanta la mano cuando algo huele mal. Luego comparamos con lo que pasó después.
- lo que salió
- El sistema avisó en la mitad de los casos que acabaron en retirada: de media, más de un año antes. Y donde no había problema, casi nunca molestó.
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 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.
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.
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.