BirdNET puesto a prueba en 67 sitios de todos los continentes: acierta lo que dice, pero se pierde buena parte de los cantos

Una lista de especies generada por BirdNET se ve limpia y convincente. Lo que no dice es cuántas especies que sí cantaron se quedaron fuera de la lista. Un estudio de 2026 en Ecological Indicators midió esa diferencia con grabaciones de todos los continentes, y los resultados obligan a leer esas listas con más cuidado.

Qué se evaluó y cómo

BirdNET es un modelo de aprendizaje profundo que reconoce cantos de aves en grabaciones (si quieres el contexto de este tipo de modelos, el artículo sobre Perch y BirdNET como modelos fundacionales de bioacústica los explica). La pregunta del estudio, encabezado por David Funosas como autor de correspondencia y firmado por un equipo internacional de decenas de autores, es qué tan bien funciona en el mundo real y no solo en los conjuntos de datos con los que se entrenó.

Según el resumen publicado del trabajo (referencia: DOI 10.1016/j.ecolind.2025.114550), el equipo usó 4.224 grabaciones de un minuto de 67 sitios en todos los continentes, anotadas por expertos locales. Evaluaron dos cosas: qué tan bien identifica cada vocalización y qué tan bien reconstruye la comunidad de aves. Y lo desglosaron por continente, por bioma, por especie y por umbral mínimo de confianza.

Dos métricas que cuentan historias distintas

Conviene fijar los términos antes de mirar los números.

• Precisión: de todo lo que BirdNET dice haber detectado, qué parte es correcta.
• Recall (exhaustividad): de todo lo que realmente cantó, qué parte detectó BirdNET.

Los resultados reportados en el resumen del estudio:

Métrica	Entre continentes	Entre biomas
Precisión	0,57 a 0,71	0,55 a 0,76
Recall	0,24 a 0,52	0,34 a 0,72

La lectura es directa: la precisión es alta y relativamente estable, y el recall es bajo y variable. En el continente con peor recall, BirdNET detectó apenas una cuarta parte de las vocalizaciones reales (0,24). En el mejor, un poco más de la mitad (0,52). Los autores asocian esa variación con las diferencias de cobertura de especies y con la ecología local.

El mapa de la desigualdad: dónde rinde y dónde no

El resumen también reporta el área bajo la curva de precisión-recall (PR AUC), una medida que combina ambas métricas, donde más alto es mejor:

Región	PR AUC
Norteamérica, Oceanía y Europa	0,16 a 0,23
Centro y Suramérica	0,13
África y Asia	0,03 a 0,04

La brecha entre las primeras regiones y África y Asia es de varias veces. Centro y Suramérica quedan en un punto intermedio. El resumen no desglosa países, así que no se puede afirmar nada específico sobre Colombia a partir de él, pero sí que la región se ubica por debajo de Norteamérica, Oceanía y Europa.

Un espectrograma, la imagen de frecuencias en el tiempo con la que los modelos "ven" un canto, ayuda a entender por qué importa el entrenamiento: si el modelo ha visto muchos ejemplos de una especie, reconoce su patrón; si no, lo pasa por alto.

Qué hacer con esto si monitoreas aves con grabadoras

Lo que sigue es análisis propio del artículo, no una conclusión del estudio.

1. Valida localmente antes de confiar. Que un modelo tenga buenos resultados promedio no garantiza que los tenga en tu bioma. Un experto que anote una muestra pequeña de tus propias grabaciones permite calcular precisión y recall en tu sitio.
2. Elige el umbral según el objetivo. El resumen indica que los umbrales óptimos de confianza varían mucho por especie y por el objetivo del análisis. Detectar una especie amenazada exige un umbral distinto a estimar la riqueza de una comunidad.
3. No leas una lista de especies como un inventario completo. Con un recall bajo, la ausencia de una especie en la salida del modelo no significa que no estuviera. Para línea base, conviene combinarlo con otros métodos; el artículo sobre paisajes sonoros como línea base de bosques muestra un enfoque distinto, que no depende de identificar cada especie.
4. Reporta las métricas. Un informe que diga "BirdNET detectó 84 especies" (cifra hipotética) sin precisión ni recall no permite comparar con otro sitio ni con otro año.

Una herramienta potente que aún exige criterio humano

El hallazgo más útil del estudio no es que BirdNET sea buena o mala: es que su desempeño es medible y desigual. Quien presenta resultados de bioacústica automática a un financiador, a una autoridad ambiental o a una comunidad debería poder responder cuánto acierta y cuánto se pierde en su territorio. Con esa respuesta, la herramienta pasa de caja negra a instrumento de medición.

Imagen de portada: gráfico propio con datos de Funosas et al., Ecological Indicators 182:114550 (2026).