Cualquier mapa que uses son en realidad dos cosas apiladas. Debajo está la geometría: calles, costas, huellas de edificios, las formas que hacen que un mapa parezca un mapa. Encima está la capa que lo hace útil, la respuesta a "¿qué hay aquí de verdad?". Esa segunda capa son los datos POI.
POI significa point of interest, punto de interés, y los datos POI son el registro estructurado de los lugares que importan a la gente: la farmacia abierta hasta las diez, el punto de recarga con el conector adecuado, la clínica que acepta tu seguro, la cafetería con acceso sin escalones. Sin ellos, un mapa es una imagen de calles. Con ellos, un mapa se vuelve buscable, filtrable y algo sobre lo que el software puede razonar.
Esta guía cubre qué contiene realmente un registro POI, de dónde salen los datos, por qué la calidad varía tanto entre proveedores y cómo se usan los datos POI en aplicaciones y por parte de los agentes de IA.
Qué cuenta como punto de interés
Un punto de interés es un lugar con nombre modelado como un único punto en lugar de como un área o una línea. La prueba es sencilla: ¿podría alguien querer ir allí o saber que existe?
Restaurantes, hoteles, hospitales, cajeros, parques infantiles, miradores, buzones, cargadores para vehículos eléctricos, paradas de autobús y puntos limpios son todos POI. Las calles no, porque son líneas. Los barrios y los municipios tampoco, porque son polígonos y nadie navega hasta el centro de un distrito. Los edificios ocupan un terreno intermedio interesante: un centro comercial es un punto de interés por derecho propio y, además, contiene decenas de POI individuales dentro.
Ese último caso merece atención, porque es donde se rompen los conjuntos de datos ingenuos. Una sola coordenada en el centro de un aeropuerto no basta para llevar a un viajero hasta una puerta de embarque concreta, una sala VIP o un mostrador de alquiler de coches. Los buenos datos POI modelan el elemento padre y los hijos por separado, y los enlazan.
Qué contiene un registro POI
El POI mínimo viable es una coordenada con nombre y categoría. Con eso basta para dibujar una chincheta. No basta para construir un producto.
Un registro de nivel de producción lleva bastante más:
- Un identificador estable. Si el ID cambia cada vez que se actualiza el registro, no puedes seguir un lugar a lo largo del tiempo ni reconciliarlo con tu propia base de datos.
- Nombre, incluidas variantes locales. Un lugar en Bruselas puede necesitar nombre en francés y en neerlandés. Uno en Atenas necesita alfabeto griego y una forma romanizada.
- Coordenadas, idealmente con una indicación de qué representa el punto: el centroide del tejado, una entrada o una interpolación aproximada de la dirección.
- Una dirección estructurada, dividida en componentes en lugar de una sola cadena de texto, para poder cotejarla, validarla y reformatearla según el país.
- Categoría, tomada de una taxonomía definida y no de texto libre. "Restaurante" es útil. "restaurante / comida / Restaurant / food" repartido en cuatro registros del mismo concepto, no.
- Horarios de apertura, en un formato legible por máquina que soporte la realidad incómoda de las jornadas partidas, los cambios de temporada y los festivos.
- Datos de contacto y web: teléfono, sitio web, enlace de reserva.
- Atributos de servicios y accesibilidad: acceso para sillas de ruedas, terraza, aparcamiento, métodos de pago aceptados, si admite perros.
- Procedencia y frescura: de dónde salió el registro y cuándo se verificó por última vez.
Ese último campo es el que la gente se salta y luego lamenta. Un conjunto de datos POI sin señal de frescura no te da forma de saber si un restaurante cerró hace dos años.
De dónde vienen los datos POI
Hay tres grandes fuentes, y casi todos los conjuntos de datos reales son una mezcla de ellas.
Datos abiertos. OpenStreetMap es la mayor colección de POI con licencia abierta del mundo, construida y mantenida por una comunidad global que etiqueta lugares directamente. La cobertura es excelente en ciudades europeas densas y más variable en zonas rurales y en algunas regiones fuera de Europa y Norteamérica. La riqueza de atributos puede ser notable, porque quienes contribuyen etiquetan cosas que a un encuestador comercial nunca le compensaría registrar.
Registros oficiales. Registros mercantiles, listados de paradas de las autoridades de transporte, directorios sanitarios, registros escolares y datos catastrales. Estos datos son autorizados y están bien mantenidos, pero llegan en decenas de formatos nacionales incompatibles y rara vez incluyen los atributos que le importan al usuario final.
Recopilación comercial. Los proveedores agregan lo anterior, añaden su propio scraping, compran feeds y venden el acceso. Lo que pagas normalmente no son los lugares en bruto, sino el trabajo de fusionarlos.
Ese trabajo de fusión se llama conflación, y ahí vive la mayor parte de la dificultad. La misma cafetería puede aparecer en tres fuentes con tres grafías, dos coordenadas ligeramente distintas y un número de teléfono obsoleto. Decidir que son un único lugar, y decidir qué versión de cada atributo gana, es la parte difícil de construir una base de datos POI.
Por qué la calidad varía tanto
Dos conjuntos de datos pueden anunciar ambos "40 millones de POI" y ser radicalmente distintos en la práctica. Los números que sí importan:
- Precisión posicional. ¿La chincheta está sobre el edificio, sobre la calle o en el centro del código postal? Para un localizador de tiendas es cosmético. Para el reparto de última milla decide si el repartidor encuentra la puerta.
- Completitud de atributos. Diez millones de registros con nombre y nada más son menos útiles que dos millones con horarios, categorías e indicadores de accesibilidad.
- Consistencia de categorías. Si la taxonomía es inconsistente, todos los filtros que construyas tendrán fugas.
- Frescura. El comercio y la hostelería rotan rápido. Un conjunto de datos que se refresca una vez al año describe un mundo que ya no existe.
- Tasa de duplicados. Una conflación pobre infla los recuentos y produce tres chinchetas para una sola tienda.
Al evaluar un proveedor, ignora la cifra del titular y pregunta qué porcentaje de registros lleva horarios de apertura y con qué antelación se verificaron.
Para qué se usan los datos POI
Localizadores de tiendas. El uso más habitual: enséñame tus sucursales cerca de mí, filtradas por lo que necesito. Consulta Cómo construir un localizador de tiendas para la mecánica.
Selección de emplazamiento y análisis de área de influencia. Contar competidores, negocios complementarios y generadores de tráfico dentro de un límite de tiempo de viaje alrededor de una ubicación candidata. Los datos POI más una isócrona son el núcleo de la mayoría de decisiones de ubicación en retail.
Logística y reparto. Resolver un destino hasta una entrada precisa en lugar del centroide del tejado, y saber si el negocio receptor está siquiera abierto.
Inmobiliaria y anuncios. Describir lo que rodea a una propiedad: colegios, transporte, comercios, zonas verdes. Eso es lo que convierte un anuncio de un conjunto de fotos en algo que un comprador o una IA pueden evaluar.
Viajes y descubrimiento local. Desde "qué hay cerca de mi hotel" hasta la generación completa de itinerarios.
Datos POI para agentes de IA
Aquí es donde la demanda se ha desplazado más rápido. Cuando alguien pregunta a un asistente "busca una farmacia cerca de la estación que esté abierta ahora y tenga acceso sin escalones", el asistente no puede entornar los ojos ante un mapa. Necesita registros que pueda filtrar de forma programática: categoría igual a farmacia, horario que incluya la marca de tiempo actual, atributo de silla de ruedas verdadero, coordenada dentro de un límite de tiempo caminando desde la estación.
Cada una de esas condiciones es un atributo POI. Un agente con una fuente POI rica responde a la pregunta. Un agente que solo tiene nombres y coordenadas tiene que adivinar, y adivinar sobre lugares del mundo real es la vía directa a recomendaciones equivocadas con mucho aplomo.
Por eso los datos POI se entregan cada vez más a los agentes como herramienta y no como tesela. Mediante una API o un servidor MCP, un agente puede consultar lugares, filtrar por atributos y recibir resultados estructurados sobre los que razonar y que puede citar.
Cómo llevar los datos POI a tu producto
Tres decisiones prácticas.
Licencias. Entiende qué te permiten hacer con los datos, sobre todo en cuanto a caché, redistribución y visualización fuera de un mapa. Los datos abiertos también traen obligaciones, principalmente la atribución y, en algunas licencias, cláusulas de compartir igual.
Dónde se procesan. Si operas en Europa y tus consultas llevan la ubicación del usuario, dónde se procesan esas consultas es una cuestión de cumplimiento normativo, no solo de latencia. Consulta La guía del desarrollador europeo sobre APIs de mapas conformes al RGPD.
Cómo lo mantienes al día. Decide desde el principio si vas a consultar una API en vivo o a sincronizar una instantánea. Las instantáneas son rápidas y predecibles, y empiezan a pudrirse de inmediato. Las consultas en vivo se mantienen actualizadas y añaden una dependencia.
MapAtlas ofrece búsqueda de POI conforme al RGPD, detalles de lugares y consultas de proximidad en Europa y más allá, construido sobre datos de mapas abiertos y expuesto tanto a través de una Search API como de un servidor MCP, de modo que los mismos registros estructurados sirven a un localizador de tiendas y a un agente de IA.
La versión corta
Los datos POI son la capa que hace que un mapa responda preguntas. Un registro es una coordenada más los atributos que permiten al software filtrarlo: nombre, categoría, dirección, horarios, accesibilidad, frescura. Provienen de datos abiertos, registros oficiales y recopilación comercial, y el valor que aporta un proveedor está sobre todo en fusionar esas fuentes con limpieza.
Juzga un conjunto de datos por su profundidad de atributos y su frescura, no por cuántas chinchetas dice tener. Y si los agentes de IA aparecen en algún punto de tu hoja de ruta, júzgalo por si un agente podría filtrar sobre él sin adivinar.
Lecturas relacionadas
- ¿Qué son los datos de mapas abiertos?
- ¿Qué es OpenStreetMap?
- Cómo construir un localizador de tiendas
- ¿Qué es un servidor MCP de mapas?
Preguntas frecuentes
¿Qué son los datos POI?
Los datos POI son información estructurada sobre puntos de interés: lugares concretos que alguien puede querer encontrar o visitar, como una farmacia, un punto de recarga, un colegio, un hotel o una parada de autobús. Un registro POI combina una coordenada con atributos descriptivos: nombre, categoría, dirección, horarios, datos de contacto y, a menudo, indicadores de accesibilidad o de servicios. Es la capa que convierte un mapa de una simple imagen de calles en algo que puedes buscar, filtrar y analizar.
¿Qué es un punto de interés?
Un punto de interés es un lugar con nombre representado como un punto en el mapa, no como un área ni como una línea. Lo que lo define es que se trata de un sitio al que alguien podría querer ir o del que quiere saber. Un restaurante, un cajero automático, un mirador y un punto limpio son puntos de interés. Las calles y los límites administrativos no lo son, porque se modelan como líneas y polígonos, y nadie navega hasta una frontera.
¿Qué atributos contiene un registro POI?
Como mínimo, un identificador estable, un nombre, latitud y longitud, y una categoría. Los conjuntos de datos de producción añaden mucho más: dirección estructurada, horarios de apertura, teléfono y web, nivel de precios, acceso para sillas de ruedas, si tiene terraza o aparcamiento, métodos de pago aceptados y la fecha de la última verificación. Esa profundidad de atributos suele ser lo que separa un conjunto de datos POI utilizable de una simple lista de chinchetas.
¿De dónde vienen los datos POI?
De tres fuentes principales. Datos abiertos, sobre todo OpenStreetMap, donde una comunidad global etiqueta lugares y el resultado tiene licencia libre. Registros oficiales y administrativos, como registros mercantiles, listados de paradas de las autoridades de transporte y directorios sanitarios. Y recopilación comercial, donde un proveedor agrega, extrae o compra datos y vende el acceso. Los conjuntos de datos serios combinan las tres fuentes y después aplican procesos de conflación y validación para fusionar duplicados y resolver conflictos.
¿Cómo usan los agentes de IA los datos POI?
Un agente de IA que responde a "búscame una farmacia abierta ahora cerca de la estación" no puede razonar a partir de la imagen de un mapa. Necesita registros estructurados que pueda filtrar: categoría igual a farmacia, horario que cubra el momento actual, coordenada dentro de un radio de tiempo de viaje desde la estación. Los datos POI aportan exactamente eso, y por eso cada vez se exponen más a los agentes mediante APIs y servidores MCP en lugar de dibujarse en pantalla para que los lea una persona.
