Ashok ha señalado que Robotaxi mantiene un historial de seguridad impecable en las 380,000 millas no supervisadas recorridas hasta ahora. Sin embargo, muchos observadores siguen preocupados de que un accidente grave sea solo cuestión de tiempo.
Esa preocupación no es irracional. A medida que el servicio escala y el kilometraje acumulado crece, los primeros incidentes importantes se vuelven estadísticamente inevitables. La pregunta relevante no es si ocurrirán, sino cuándo y con qué gravedad.
En un análisis anterior, modelamos la trayectoria probable del kilometraje de Robotaxi utilizando la tasa de crecimiento semanal declarada por Ashok y la capacidad de producción instalada de Cybercab. Al combinar esa proyección con datos públicos de la NHTSA, podemos estimar la probabilidad de que Robotaxi se vea involucrado en accidentes de diferentes severidades a lo largo del tiempo.
Una aclaración importante: las cifras que siguen son tasas de participación, no tasas de culpa puras. Describen la probabilidad de que un Robotaxi esté presente en un accidente que produzca una lesión o muerte, independientemente de qué parte sea la principal responsable. Esto proporciona una base realista contra la cual se puede evaluar el desempeño de seguridad futuro.
Parte 1 – La Línea de Base Humana: Seguridad Vial Hoy
Comenzamos con las estadísticas nacionales detalladas más recientes de la Administración Nacional de Seguridad del Tráfico en Carreteras (NHTSA).
En 2023, los vehículos de pasajeros representaron aproximadamente el 89% de todas las millas recorridas por vehículos en Estados Unidos. Para los ocupantes de estos vehículos, las tasas fueron:
En términos absolutos, esto corresponde aproximadamente a 24,000 muertes de ocupantes y 1.95 millones de lesiones reportadas a la policía en casi 2.9 billones de millas recorridas por vehículos de pasajeros.
Las lesiones reportadas a la policía se clasifican en la escala KABCO:
Para el resto de este análisis, adoptamos las tasas de "todos los vehículos de pasajeros" como la línea de base humana (0.83 muertes y 68 lesiones por cada 100 millones de millas). Luego, asumimos que un sistema Robotaxi maduro será 10 veces más seguro que este promedio humano — un objetivo ambicioso pero comúnmente referenciado en la industria (y que Waymo también ha utilizado como punto de referencia en sus propios informes de seguridad).
Esta suposición de 10× se convierte en la base para las proyecciones estadísticas que siguen.
Parte 2 – Por Qué los Incidentes Siguen un Proceso de Poisson
Los accidentes de tráfico son eventos raros en relación con la enorme cantidad de millas recorridas. Cuando los eventos son poco frecuentes, independientes y ocurren a una tasa promedio aproximadamente constante, el número de ocurrencias en una exposición determinada (aquí, las millas) se describe bien mediante una distribución de Poisson.
Bajo un proceso de Poisson, la probabilidad de observar exactamente k eventos después de M millas es:
donde λ es el número esperado de eventos por milla.
Estamos principalmente interesados en la probabilidad de experimentar al menos un evento. Eso es simplemente el complemento de la probabilidad de cero eventos:
Cómo obtener λ
A partir de los datos de la NHTSA en la Parte 1, ya conocemos el número promedio de millas entre eventos para vehículos de pasajeros conducidos por humanos. La tasa de eventos por milla es, por lo tanto, el recíproco:
Equivalentemente, si la tasa publicada se da por cada 100 millones de millas:
Para nuestra línea de base (todos los vehículos de pasajeros):
- Mortalidad: λ_humano = 0.83 / 10⁸ = 8.3 × 10⁻⁹ por milla
- Lesión (todas las severidades): λ_humano = 68 / 10⁸ = 6.8 × 10⁻⁷ por milla
Debido a que asumimos que Robotaxi es 10 veces más seguro, simplemente dividimos estas tasas por 10:
Sustituyendo en la expresión anterior, obtenemos la probabilidad de al menos un incidente después de cualquier kilometraje acumulado M:
Esta es la fórmula utilizada para todas las proyecciones en la siguiente sección.
Parte 3 – Cuándo se Vuelven Probables los Primeros Incidentes
Ahora podemos aplicar la fórmula de Poisson de la Parte 2 a las cuatro categorías de resultados de interés:
- Mortalidad (K)
- Lesión grave / incapacitante (A)
- Lesión menor / no incapacitante (B)
- Lesión posible (C)
Usando las tasas de la línea de base humana de la Parte 1, escaladas por la suposición de seguridad 10×, obtenemos una tasa de eventos λ separada para cada categoría. La primera vista muestra la probabilidad de al menos un evento en función de las millas acumuladas no supervisadas de Robotaxi:
Del kilometraje al tiempo calendario
En nuestro artículo anterior, construimos un modelo prospectivo de millas semanales no supervisadas utilizando las tasas de crecimiento semanal de dos dígitos declaradas por Ashok, limitadas por la capacidad de producción de Cybercab de aproximadamente 2,400 vehículos por semana (la guía anual de 125k de Tesla) y una suposición de alta utilización de 200 millas por vehículo por día.
Tomando el caso de crecimiento del 14% como escenario central y acumulando las millas semanales limitadas, se produce una trayectoria de kilometraje acumulado a lo largo del tiempo calendario. Sustituyendo ese kilometraje acumulado en la fórmula de Poisson, obtenemos la probabilidad de cada tipo de incidente en función del tiempo:
Bajo esta trayectoria, los umbrales de probabilidad del 50% se alcanzan aproximadamente de la siguiente manera:
Kilometraje acumulado actual de Waymo
A modo de escala, hemos marcado las millas acumuladas completamente sin conductor aproximadas de Waymo en el gráfico de kilometraje.
El panel de impacto de seguridad oficial de Waymo reporta 220.6 millones de millas solo de pasajeros hasta marzo de 2026. A un ritmo reciente de aproximadamente 4 millones de millas solo de pasajeros por semana, la extrapolación a mediados/finales de 2026 produce aproximadamente 280–300 millones de millas pagadas. Considerando las millas de reubicación y preparación vacías, duplicamos conservadoramente esa cifra para llegar a un estimado de ~600 millones de millas autónomas totales.
Historial real de Waymo
Los informes públicos de SGO/NHTSA sobre incidentes de Waymo, mapeados en la escala KABCO, dan la siguiente imagen aproximada:
Observaciones clave:
- La gran mayoría de los casos de lesiones reportados caen en las categorías de menor severidad (C y B).
- La propia investigación de seguridad de Waymo considera solo los casos confirmados reportados a la policía como A o K como "lesión grave o peor".
- En más de 220 millones de millas solo de pasajeros, Waymo reporta aproximadamente un 94% menos de accidentes con lesiones graves o peores y un ~82% menos de accidentes con lesiones de cualquier severidad que el punto de referencia humano en las mismas áreas operativas.
- Estas comparaciones se realizan independientemente de la culpa. En el pequeño número de incidentes graves (A) y mortales (K), la información pública disponible indica que el vehículo de Waymo típicamente no fue la parte principal culpable.
Este historial real ilustra la distinción que también importa para Robotaxi: a escala suficiente, la participación en accidentes se vuelve estadísticamente inevitable. La pregunta decisiva es si el sistema tiene la culpa con menos frecuencia — y produce menos resultados graves — que los conductores humanos que cubren las mismas millas. El marco de Poisson desarrollado aquí simplemente calibra cuándo se puede esperar que Tesla Robotaxi, bajo una suposición de seguridad 10×, comience a encontrarse con las mismas categorías de eventos.
Como muestra el gráfico de kilometraje acumulado, una vez que una flota sin conductor alcanza varios cientos de millones de millas, la participación en incidentes graves e incluso mortales se vuelve estadísticamente inevitable — incluso bajo una suposición de seguridad 10×. El historial de Waymo es, por lo tanto, consistente con lo que el modelo de Poisson predice a esa escala: la pregunta relevante ya no es si tales eventos ocurren, sino con qué frecuencia el sistema tiene la culpa y cómo se compara su perfil de severidad con el de los conductores humanos.
Conclusión
Hemos modelado la probabilidad de participación de Robotaxi en accidentes de diferentes severidades, asumiendo que el sistema eventualmente logra una mejora de seguridad 10× en comparación con el vehículo de pasajeros promedio conducido por humanos. Combinar esa suposición con la trayectoria de kilometraje desarrollada en nuestro análisis anterior produce expectativas cuantitativas claras: las lesiones de menor severidad se vuelven probables en la primera mitad de 2027, las lesiones graves más tarde ese año, y una muerte hacia finales de 2027 bajo el caso de crecimiento central.
El historial real de Waymo es consistente con lo que el mismo modelo predice a varios cientos de millones de millas acumuladas. Incluso un sistema que es sustancialmente más seguro que los conductores humanos, a escala suficiente, se verá involucrado en accidentes graves y mortales. Las estadísticas hacen que esto sea inevitable.
Dos distinciones siguen siendo esenciales. Primero, estas proyecciones se refieren a la participación, no a la culpa. Segundo, la primera muerte por culpa del sistema también es estadísticamente inevitable eventualmente; la única variable abierta es cuándo ocurre en relación con la experiencia vivida por el público de la tecnología.
Este es el desafío estratégico central para Tesla. La primera muerte por culpa del sistema debe llegar lo suficientemente tarde como para que un gran número de personas ya hayan usado Robotaxi, confíen en su desempeño ordinario y comprendan su seguridad relativa a la conducción humana. La analogía es la aviación comercial. Los aviones modernos aún matan personas, sin embargo, la tasa de mortalidad es del orden de 0.01 muertes por cada 100 millones de millas de pasajero — aproximadamente un orden de magnitud menor que incluso un Robotaxi 10× más seguro (≈ 0.08 muertes por cada 100 millones de millas). La sociedad acepta el riesgo residual de la aviación porque el beneficio es grande y la seguridad relativa está bien establecida. Robotaxi necesitará la misma base de rendimiento demostrado a gran escala para cuando ocurra la primera muerte claramente por culpa del sistema.
Ese es el umbral que Tesla debe cruzar.
