Jaén avanza con Jaén Dual Data Hub, una infraestructura tecnológica orientada a computación avanzada, analítica de datos e inteligencia artificial.
El proyecto tiene un valor aproximado de 1,5 millones de euros y se ubicará en el Edificio Moneo, antiguo Banco de España.
Qué está confirmado sobre Jaén Dual Data Hub
El Ayuntamiento plantea utilizar el hub para atraer empresas, retener talento, ofrecer capacidades avanzadas y reforzar la gobernanza del dato.
La resolución RedCyTI publicada por Red.es el 15 de septiembre de 2026 selecciona 52 proyectos y prevé movilizar más de 126 millones de euros. La financiación combina fondos propios de Red.es y FEDER y cubre entre el 40% y el 85% de cada iniciativa.
La selección confirma el proyecto y su marco de financiación, pero el detalle técnico definitivo dependerá de pliegos, adjudicaciones, arquitectura, calendarios y casos de uso. Conviene separar siempre hechos confirmados de capacidades todavía pendientes de concretar.
Qué problema intenta resolver
Las pymes y proyectos tecnológicos pueden tener dificultades para acceder a infraestructura de cómputo y conocimiento especializado de forma individual.
La lógica de RedCyTI se centra en economía inteligente: utilizar tecnología, datos e innovación para mejorar actividad productiva, empleo, emprendimiento y competitividad. El éxito debe medirse por cambios observables y no solo por tecnología instalada.
Antes de desplegar conviene medir la situación inicial: tiempos, costes, nivel de digitalización, problemas y actores implicados. Sin una línea base será difícil saber si la inversión genera un beneficio real.
Datos: la infraestructura invisible
Un data hub necesita políticas claras de almacenamiento, calidad, acceso, retención y responsabilidad sobre datasets.
La entidad debe inventariar fuentes, responsables, frecuencia de actualización, calidad, licencias y restricciones. Cuando participan varias áreas o empresas, es clave acordar qué dato es de referencia y cómo se corrigen discrepancias.
También conviene registrar el linaje: origen, transformaciones y fecha de actualización. Esta trazabilidad permite explicar indicadores y detectar errores antes de que lleguen a una decisión.
Interoperabilidad para evitar otro silo
Las empresas deberían poder utilizar estándares y APIs para conectar proyectos sin quedar ligadas a una plataforma exclusiva.
Las nuevas plataformas deberían utilizar APIs documentadas, formatos abiertos e identificadores estables. Si los datos solo funcionan en una interfaz del adjudicatario, la Administración puede terminar financiando un sistema difícil de conectar o sustituir.
La interoperabilidad también es semántica: dos sistemas pueden intercambiar datos y entenderlos de manera distinta. Vocabularios y modelos comunes reducen ese riesgo.
Inteligencia artificial y analítica
La infraestructura puede facilitar desarrollo de IA, pero los casos de uso deberán cumplir gobernanza y evaluación proporcional al riesgo.
La IA puede detectar patrones, clasificar, recomendar o simular, pero no debe utilizarse por defecto cuando una regla o análisis convencional resuelve mejor. La tecnología debe justificarse por precisión, utilidad y coste total.
Cuando una recomendación influye en decisiones, conviene mantener supervisión humana, registrar versiones y conservar conjuntos de prueba. Los modelos pueden degradarse cuando cambian los datos.
Seguridad y privacidad
El centro necesitará separar entornos de clientes y proyectos, controlar accesos y mantener inventario de componentes.
Las infraestructuras smart city conectan aplicaciones, dispositivos, proveedores y datos. La seguridad debe incluir identidades, mínimo privilegio, segmentación, registros, actualización y respuesta a incidentes.
Los contratos deberían regular accesos de proveedores y subcontratistas. Las credenciales y cuentas técnicas deben poder inventariarse y revocarse.
Contratación pública y dependencia tecnológica
El Ayuntamiento debería conservar control sobre la arquitectura y la posibilidad de renovar componentes con distintos proveedores.
Los pliegos deberían describir resultados, estándares, niveles de servicio y condiciones de salida. Es importante exigir exportación de datos y configuraciones, documentación de arquitectura e inventario de componentes.
La dependencia no procede solo de licencias: aparece también si solo un proveedor entiende el sistema. La Administración necesita suficiente conocimiento interno para supervisar y sustituir componentes.
Cómo probar antes de escalar
Una parte del proyecto debería reservarse para pruebas con usuarios reales y escenarios de excepción. Los pilotos permiten detectar problemas de integración, calidad o experiencia antes del despliegue general.
Las pruebas deben incluir fallos: APIs caídas, datos incompletos, sensores desconectados o recomendaciones incorrectas. Automatizar pruebas facilita comparar versiones y aceptar entregas con criterios objetivos.
Capacitación y transferencia
La atracción y retención de talento requiere programas de formación y acompañamiento además de hardware.
Los equipos internos necesitan comprender indicadores, fuentes y límites de los modelos. Esta capacidad evita que el conocimiento quede únicamente en manos del adjudicatario.
La formación puede diferenciar perfiles funcionales, TIC, seguridad, contratación y dirección. Cada grupo necesita habilidades distintas para integrar la solución en el trabajo diario.
Coste total y sostenibilidad
La financiación inicial puede cubrir desarrollo e implantación, pero hay que prever almacenamiento, conectividad, licencias, soporte, mantenimiento y sustitución de equipos. Un proyecto puede ser viable durante la ayuda y no después si estos costes no se estiman.
Conviene simular escenarios de crecimiento: más usuarios, sensores, datasets o consultas de IA pueden elevar el coste. La arquitectura debería permitir controlar consumo y retirar funciones sin valor.
Gobernanza
IMEFE y equipos municipales deberán definir criterios de acceso, uso y priorización de recursos.
Una plataforma transversal necesita responsable funcional, responsable técnico y propietarios de los datos principales. También debe existir un procedimiento para incorporar fuentes, corregir errores y aprobar cambios.
Cuando intervienen empresas u otras instituciones, la gobernanza debe definir quién puede usar qué datos y con qué finalidad.
Cómo medir resultados
Empresas usuarias, proyectos creados, empleo, capacidad utilizada y casos de IA desplegados pueden medir impacto.
Los indicadores de despliegue sirven para seguir ejecución, pero no demuestran impacto. La evaluación debería conectarse con actividad económica, tiempos, costes, empleo, inversión o calidad de servicio.
También conviene mantener una metodología estable para comparar resultados a lo largo del tiempo.
Transparencia y rendición de cuentas
Las Administraciones pueden publicar objetivos, presupuesto, hitos e indicadores sin exponer información sensible. Esta transparencia permite comprobar si los beneficios esperados se materializan.
Si hay modelos predictivos o recomendaciones automatizadas, conviene explicar de forma comprensible qué papel tienen y qué decisiones siguen correspondiendo a personas.
Qué debería revisar una Administración antes de replicarlo
- Definir el problema con una línea base.
- Inventariar datos, sistemas y proveedores.
- Asignar responsables de datos y servicio.
- Exigir APIs, estándares y exportación.
- Separar datos del proveedor de visualización o IA.
- Aplicar seguridad y privacidad por diseño.
- Probar escenarios de fallo.
- Medir coste operativo.
- Preparar reversibilidad.
- Compartir aprendizajes reutilizables.
Qué habrá que observar
Será relevante comprobar cómo se articula el acceso de pymes y qué servicios concretos ofrece el hub.
La selección RedCyTI es solo el comienzo. Licitaciones, adjudicaciones, implantación y evaluación mostrarán si el proyecto se convierte en una capacidad estable. Será importante comprobar estándares, datos integrados, seguridad y sostenibilidad después de la fase financiada.
Preguntas frecuentes
¿Qué es RedCyTI?
Un programa de Red.es para impulsar economía inteligente mediante infraestructuras, servicios y espacios de innovación.
¿La selección significa que el proyecto ya está desplegado?
No. Confirma la selección y financiación; la ejecución técnica se concreta después.
¿Qué debe exigir la entidad?
Interoperabilidad, seguridad, portabilidad, documentación, métricas y condiciones de salida.
¿Cómo se mide el éxito?
Con indicadores vinculados al objetivo económico y de servicio, no solo con tecnología instalada.
Fuentes
La selección se basa en Red.es. Los detalles específicos se contrastan con Ayuntamiento de Jaén.
Lecturas relacionadas
Más contexto sobre gobierno del dato, gemelos digitales, interoperabilidad y código abierto y ciberseguridad municipal.
De la financiación a una capacidad pública estable
Para Jaén Dual Data Hub, la primera fase debería centrarse en diseño, inventario y gobierno. Antes de adquirir nueva tecnología conviene identificar sistemas existentes, datos disponibles, unidades participantes y dependencias externas. Esta preparación reduce duplicidades y ayuda a que la inversión responda a una necesidad concreta.
También es útil definir una línea base con tiempos, costes, incidencias y nivel de uso actual. Sin esta referencia será difícil demostrar si el proyecto mejora realmente el servicio o la actividad económica una vez esté desplegado.
Arquitectura modular y capacidad de evolución
Una arquitectura sostenible separa adquisición de datos, almacenamiento, lógica, analítica y visualización. Esta división permite sustituir componentes con menor impacto y facilita que diferentes proveedores puedan competir en capas distintas.
La Administración debería conservar bajo su control identificadores, modelos de datos, credenciales principales y reglas de negocio. Las interfaces, herramientas de análisis o motores de inteligencia artificial pueden cambiar; el conocimiento estructural no debería quedar ligado a ellos.
También conviene separar desarrollo, pruebas y producción. Los cambios deben versionarse, probarse y poder revertirse si introducen problemas.
Gobierno del dato durante todo el ciclo de vida
La calidad del dato no se resuelve con una limpieza inicial. Las fuentes cambian, aparecen excepciones y los sistemas origen evolucionan. Cada conjunto debería tener controles periódicos de completitud, coherencia, duplicados y actualización.
Cuando se detecte un error, conviene corregirlo en origen siempre que sea posible. Si cada panel aplica parches propios, las copias divergen y la organización pierde confianza en la información.
Los metadatos también son esenciales: responsable, fecha de actualización, precisión, licencia y finalidad permiten interpretar correctamente cualquier indicador o recomendación.
IA y analítica con criterios verificables
Si el proyecto incorpora modelos predictivos o sistemas de IA, conviene mantener un inventario de casos de uso con finalidad, responsable, proveedor, versión, fuentes, métricas y nivel de supervisión humana. Esta ficha facilita auditorías y revisiones.
Los conjuntos de prueba deberían representar situaciones habituales y casos límite. Un modelo puede funcionar bien en promedio y fallar en situaciones poco frecuentes pero relevantes. Por eso conviene observar estabilidad entre versiones y no solo una métrica media.
Las actualizaciones no deberían aceptarse automáticamente. Una nueva versión puede mejorar un indicador y empeorar otro; la Administración necesita criterios de aceptación y capacidad de volver atrás.
Soporte, continuidad y recuperación
Todo servicio necesita un procedimiento claro para gestionar incidencias. Conviene diferenciar fallos funcionales, problemas de datos, integraciones, seguridad y consultas de usuario para que cada caso llegue al equipo adecuado.
Los niveles de servicio deben ajustarse a la criticidad. Una herramienta de análisis ocasional puede tolerar tiempos distintos a una plataforma usada diariamente. Esta priorización ayuda a distribuir recursos.
Las copias y mecanismos de recuperación deben probarse. Restaurar un entorno o recuperar una integración son tareas que conviene ensayar antes de una incidencia real.
Transferencia de conocimiento y capacidad interna
Los equipos públicos necesitan comprender la lógica de los indicadores, la procedencia de los datos y los límites de los modelos. Esta capacidad ayuda a detectar resultados anómalos y evita que el conocimiento quede exclusivamente en manos del adjudicatario.
La formación puede diferenciar perfiles: usuarios funcionales, TIC, seguridad, contratación y dirección. Cada grupo necesita un nivel de detalle distinto, pero todos deberían conocer qué decisiones dependen del sistema y cuáles siguen siendo responsabilidad humana.
La documentación debe mantenerse actualizada durante todo el contrato para conservar capacidad de operación y cambio.
Coste total y sostenibilidad
El presupuesto inicial no representa el coste completo. Almacenamiento, conectividad, licencias, soporte, mantenimiento, renovación de equipos, auditorías y futuras migraciones forman parte del ciclo de vida.
También conviene definir escenarios de crecimiento. Más usuarios, sensores, datasets o consultas de IA pueden elevar el consumo de infraestructura. La solución debería permitir controlar gasto y retirar componentes que no demuestren utilidad.
La sostenibilidad incluye la capacidad de simplificar. Mantener módulos poco utilizados por inercia puede aumentar complejidad sin aportar valor.
Participación de empresas y usuarios reales
Cuando el proyecto pretende generar impacto económico, empresas y usuarios finales deberían participar en fases tempranas. Entornos de prueba, pilotos, documentación y canales de feedback permiten comprobar si la solución responde a problemas reales.
También es importante reducir barreras para pymes y organizaciones pequeñas. Si participar exige una capacidad técnica elevada, el proyecto puede beneficiar sobre todo a quienes ya disponían de recursos.
Las reglas de incorporación y selección de pilotos deberían ser transparentes para facilitar competencia y ampliar el ecosistema.
Indicadores para decidir si merece escalar
Las métricas deberían combinar actividad y resultado. Número de usuarios, integraciones o sensores sirve para seguir despliegue, pero el impacto se mide con reducción de tiempos, ahorro, productividad, calidad de servicio, participación empresarial o precisión de análisis, según el objetivo.
La metodología debería definirse antes de comenzar y mantenerse estable. Esto permite comparar periodos y evita adaptar los indicadores a posteriori.
Una revisión periódica ayuda a decidir qué funciones deben ampliarse, cuáles necesitan cambios y cuáles conviene retirar.
Reutilización entre Administraciones
La financiación pública genera más valor cuando deja activos reutilizables: código, APIs, modelos de datos, cláusulas contractuales, pruebas, guías de seguridad o metodologías. Incluso proyectos diferentes comparten muchas necesidades.
Para que la reutilización sea real, la documentación debe ser comprensible y las licencias adecuadas. Compartir también problemas y decisiones fallidas ayuda a evitar que otras entidades repitan inversiones poco útiles.
Conclusión
Jaén Dual Data Hub avanza con 1,5 millones para computación, analítica e inteligencia artificial tendrá valor si la inversión se convierte en una capacidad operativa, medible y sostenible. La tecnología elegida es solo una parte; datos, arquitectura, gobernanza, seguridad y conocimiento interno determinarán el resultado.
La ejecución debería dejar algo más que una plataforma: documentación, estándares, datos reutilizables y una metodología para decidir qué funciona. Ese legado es lo que permitirá evolucionar el servicio cuando cambien proveedores, necesidades o tecnología.