Decir que el Wi‑Fi puede detectar una persona suena casi a truco de magia.

No lo es.

La explicación empieza con algo que normalmente olvidamos: una señal inalámbrica no viaja por una habitación siguiendo una única línea recta.

Parte de la energía llega directamente al receptor. Otra parte rebota en una pared. Otra en el techo. Otra en una mesa. Otra atraviesa o rodea objetos.

El resultado es una especie de mezcla de caminos de radio.

Y tú formas parte del escenario.

Cuando entras en una habitación, esos recorridos cambian ligeramente. Cuando caminas, vuelven a cambiar. Cuando te sientas, el patrón se estabiliza de una forma distinta.

El Wi‑Fi sensing intenta convertir esas variaciones en información útil.

De las «rayas del Wi‑Fi» a CSI

Estamos acostumbrados a representar la calidad de la conexión con tres o cuatro rayas.

Eso es una simplificación brutal.

Para transmitir datos, los sistemas Wi‑Fi modernos utilizan muchas subportadoras dentro de un canal. Cada una puede verse afectada de manera diferente por reflejos, obstáculos, interferencias y movimiento.

La Channel State Information, o CSI, describe características de cómo se está comportando ese canal entre transmisor y receptor.

Simplificando mucho, es como dejar de preguntar:

«¿La señal llega fuerte o débil?»

y empezar a preguntar:

«¿Cómo está llegando cada pequeña parte de la señal y cómo está cambiando?»

Esa segunda pregunta contiene mucha más información.

Una habitación tiene una especie de huella de radio

Imagina que tomamos cientos de fotografías, pero no con una cámara.

Cada «fotografía» es una instantánea de las condiciones del canal de radio.

En una habitación vacía obtenemos una secuencia determinada.

Entra una persona y aparecen perturbaciones.

Camina hacia la puerta y el patrón evoluciona de otra forma.

El algoritmo no tiene que reconocer una cara. Busca regularidades estadísticas en esas variaciones.

Es parecido a escuchar una canción desde otra habitación.

No ves el altavoz. Ni siquiera escuchas cada frecuencia con claridad. Pero si alguien abre una puerta, mueve un mueble o pasa por el pasillo, la forma en que el sonido llega hasta ti cambia.

Con la radio ocurre algo conceptualmente parecido, aunque el tratamiento matemático sea mucho más complejo.

¿Dónde entra la inteligencia artificial?

En muchos sistemas experimentales, después de recoger CSI hay que limpiar ruido, seleccionar características y clasificar patrones.

Ahí pueden utilizarse modelos estadísticos o técnicas de aprendizaje automático.

El modelo recibe ejemplos: habitación vacía, habitación ocupada, persona caminando, determinadas actividades…

Después intenta reconocer a qué patrón se parece una nueva medición.

Eso explica por qué algunos estudios publican cifras de precisión muy altas y, al mismo tiempo, la tecnología sigue teniendo trabajo por delante.

Un algoritmo puede aprender muy bien el escenario en el que fue entrenado.

Pero una vivienda real no es un laboratorio congelado.

Mueves el sofá y cambias el experimento

Este es uno de los puntos más importantes para entender Wi‑Fi sensing.

Si el sistema se apoya en los caminos que sigue la señal, cualquier cambio relevante en esos caminos puede modificar las mediciones.

Mover muebles, abrir una puerta, cambiar un punto de acceso de sitio o introducir nuevos dispositivos puede afectar al canal.

También cambian las personas.

No todos tenemos el mismo tamaño, caminamos igual ni ocupamos el mismo espacio.

La revisión publicada en 2026 en Computer Communications pone precisamente el foco en la reproducibilidad: muchos trabajos utilizan configuraciones, conjuntos de datos o herramientas distintas y no siempre proporcionan suficiente información para repetir el experimento.

Por eso una cifra obtenida en una prueba concreta debe leerse como lo que es: el resultado de ese sistema en esas condiciones.

No como una garantía universal para cualquier piso.

Entonces, ¿qué aporta IEEE 802.11bf?

Hasta hace poco, gran parte del Wi‑Fi sensing consistía en aprovechar información de equipos diseñados originalmente para comunicarse.

IEEE 802.11bf añade mecanismos específicamente orientados al sensing dentro de WLAN.

La diferencia es importante.

No define una «aplicación que detecta personas». Define una base técnica para que dispositivos Wi‑Fi puedan coordinar y obtener mediciones de sensing de una forma más preparada para ese uso.

Después vendrán los productos y algoritmos que decidan qué hacer con esas mediciones.

Es la diferencia entre construir una carretera y decidir qué vehículos circularán por ella.

Un ejemplo doméstico

Supongamos que queremos saber si el salón está ocupado.

Un sistema podría analizar durante un periodo corto el comportamiento del canal entre dos dispositivos compatibles.

No necesita identificar quién eres.

Podría limitarse a clasificar dos estados:

vacío / ocupado.

Con esa información, Home Assistant, un BMS o cualquier otro sistema de automatización podría tomar una decisión: mantener la climatización, no apagar las luces o evitar que salte una automatización de «casa vacía».

Otro sistema más ambicioso podría intentar distinguir movimiento, gestos o actividad.

Cuanto más queremos inferir, más complejos se vuelven el modelo, el entrenamiento y los riesgos de error.

Lo importante: no confundir señal con significado

CSI no contiene una etiqueta que diga «Rafa está sentado en el sofá».

Contiene medidas del canal.

El significado aparece después, cuando un algoritmo interpreta patrones.

Esa distinción ayuda a entender tanto el potencial como las limitaciones.

El Wi‑Fi no se convierte mágicamente en una cámara.

Se convierte en algo diferente: un instrumento capaz de notar que el espacio electromagnético ha cambiado.

Y a partir de esos cambios podemos intentar deducir qué ha ocurrido.

La parte sorprendente es que la información ya estaba viajando por casa.

Lo nuevo es que hemos aprendido a escucharla de otra manera.