Última actualización:
01
/
07
/
2026
Publicado:
03
/
07
/
2026

Seevia

Seevia desarrolla y comercializa soluciones tecnológicas con foco en la aplicación de Inteligencia Artificial y Sistemas de Percepción, en tres líneas de negocio: Seevia Auto (enfocada en el sector automoción y de movilidad conectada y autónoma), Seevia City (enfocada en el desarrollo del concepto Smart City en ciudades y grandes infraestructuras) y Seevia Industry (enfocada en procesos de inspección, automatización y virtualización desarrollando el concepto de industria 4.0.).
Aplican su know-how tecnológico en el desarrollo de productos escalables propios que puedan ser vendidos mediante licencias de uso o mediante servicios profesionales.

Datos de la empresa

Año de fundación

2023

NIF/CIF

B56226707

Certificaciones

ENS - Bajo, RGPD
Todavía no dispone de certificaciones.

Nº de Empleados

7

Tipo de empresa:

Startup / Scaleup

Tipo de oferta

Servicio y Producto

Modelo de negocio

Licencias de uso de software o similar, Consultoría

Tecnologías

Anonimización, Artificial Intelligence, Asset Management, Automation, Business Intelligence, Computer Vision, Data Analytics, Deep learning, Digital Twins, Geospatial, Hardware, IOT, LLMs, Machine Learning, Remote sensing, Robotics, Software, Video analytics, VR/AR, WebRTC, GIS, Visión por computador, OCR, Cámaras IP, Edge/Local server, Inteligencia de localización

Premios

  • Inteligencia Artificial y Tecnologías Avanzadas 2024 - Por el proyecto “Seevia City – Smart Waste Management Platform”

Aceleradoras

Parque Científico UC3M / C3N-IA - Centro de Innovación en Emprendimiento e Inteligencia Artificial
Public Readiness (Tracción pública)

Valor total de contratos adjudicados (último año)

Clientes públicos destacados

Ayuntamiento de Madrid,, Ayuntamiento de Zaragoza, Mercamadrid.

Vendor Trust (Solvencia económica)

Facturación (último año)

Inversión levantada acumulada

Contrato mayor valor en los últimos 3 años

Inversores

Universidad Carlos III de Madrid (UC3M).

Ecosistema

Premios

  • Inteligencia Artificial y Tecnologías Avanzadas 2024 - Por el proyecto “Seevia City – Smart Waste Management Platform”

Aceleradoras

Parque Científico UC3M / C3N-IA - Centro de Innovación en Emprendimiento e Inteligencia Artificial

Datos de la empresa

Año
Ventas
Empleados
EBITDA
Clientes
Ronda
Inversión
Inversores
Todavía no se han publicado datos de la empresa.
This is some text inside of a div block.
Caso de uso

Detección inteligente de residuos y optimización de la recogida urbana

Contexto

El crecimiento urbano y los nuevos hábitos de consumo han incrementado el volumen y la complejidad de los residuos municipales, mientras los ayuntamientos deben cumplir objetivos exigentes de economía circular y reducción de emisiones. Al mismo tiempo, la ciudadanía reclama calles más limpias y una respuesta más rápida ante contenedores desbordados y puntos negros de vertidos. En paralelo, muchas ciudades están lanzando programas de innovación en inteligencia artificial y tecnologías avanzadas para mejorar sus servicios públicos, incluyendo la recogida de residuos urbanos. En este marco, disponer de herramientas que conviertan las escenas urbanas en datos accionables se vuelve clave para tomar decisiones informadas y anticipar problemas antes de que se hagan visibles en la calle.

Problema

  • Planificación ineficiente basada en rutas fijas: la recogida se organiza con horarios predefinidos sin considerar el nivel real de llenado, generando desplazamientos innecesarios y desbordes en zonas de alta demanda.
  • Detección tardía y reactiva de incidencias: la identificación de problemas depende de llamadas ciudadanas o de la observación manual, provocando retrasos y falta de registro sistemático.
  • Falta de visibilidad sobre puntos críticos: las administraciones no disponen de una visión estructurada de dónde y cuándo se acumulan residuos fuera de contenedor.
  • Déficit de datos integrados para la toma de decisiones: la ausencia de mapas y datos en tiempo real dificulta coordinar de forma eficiente a concesionarias y servicios municipales.
  • Impacto en costes, sostenibilidad y percepción del servicio: esta falta de optimización genera mayores costes operativos, impacto ambiental innecesario y una percepción negativa por parte de la ciudadanía.
...

Solución

  • Detección automática de residuos y contenedores: permitió utilizar modelos de deep learning para identificar en tiempo real contenedores desbordados y residuos fuera de los puntos de depósito a partir de imágenes urbanas.
  • Alertas georreferenciadas en tiempo real: facilitó el envío automático de avisos con posición exacta, tipo de incidencia y nivel de criticidad a un centro de control.
  • Panel de control para servicios de limpieza: permitió supervisar mediante cuadros de mando con mapas de calor, histórico de incidencias e indicadores de saturación para priorizar intervenciones.
  • Integración con rutas y recursos de recogida: permitió conectar las alertas con sistemas de planificación y flota para reordenar rutas y optimizar recursos según la demanda real.
  • Cumplimiento de privacidad por diseño: garantizó el cumplimiento de RGPD mediante técnicas de anonimización impulsadas por IA que evitan la identificación de personas y vehículos.
  • Arquitectura escalable y reutilizable: permitió desplegar la solución sobre infraestructuras existentes e integrar dispositivos IoT adicionales, ampliando su uso a otros servicios urbanos.
...

Esfuerzo de implantación

Alto

Región de alojamiento de datos

España

Modelo de despliegue

On-premise

APIs e Integraciones

Capacidad de acceso a flujos de vídeo o imágenes de cámaras urbanas ya desplegadas, o incorporación de cámaras y otros dispositivos IoT en puntos estratégicos.

Conectividad segura entre los dispositivos y la plataforma en la nube de Seevia, mediante APIs y canales cifrados.

Integración API con sistemas municipales de gestión de incidencias, plataformas de recogida y herramientas de reporting para servicios urbanos.

CPVs

Paquetes de software y sistemas de información - 48000000, Servicios medioambientales – 90700000, Servicios de desarrollo de software de inteligencia artificial — 72262000

Impacto

Eficiencia y sostenibilidad
Reducción de recorridos innecesarios al concentrar los recursos en contenedores e incidencias detectadas como críticas, disminuyendo kilómetros recorridos y emisiones asociadas a la flota de recogida.

Menos incidencias visibles en calle
Disminución de episodios de contenedores desbordados y bolsas fuera de contenedor al activar alertas antes de la saturación, mejorando la limpieza percibida por la ciudadanía.

Decisiones basadas en datos
Mayor capacidad para rediseñar rutas, dimensionar contratos y ajustar frecuencias en función de patrones reales de generación de residuos y puntos negros recurrentes identificados por la plataforma.

Confianza y transparencia
Refuerzo de la confianza ciudadana al poder demostrar, con datos objetivos, dónde se actúa, con qué frecuencia y con qué resultados, alineando el servicio con las metas de sostenibilidad urbana.

Implementado en:
Ver caso de uso
Caso de uso

Visión artificial + LiDAR + analítica avanzada en tiempo real

Contexto

Los grandes centros mayoristas y logísticos concentran en pocas horas miles de desplazamientos de vehículos pesados, lo que tensiona accesos, viales internos y puntos de carga y descarga. A la vez, las administraciones y gestoras de estos recintos están sometidas a una creciente presión para mejorar la eficiencia logística, reducir emisiones y garantizar tiempos de operación competitivos. Estrategias urbanas de movilidad sostenible y proyectos europeos de innovación impulsan la implantación de tecnologías avanzadas para gestionar el tráfico en tiempo real y preparar estos espacios para la movilidad conectada y autónoma. En este contexto, disponer de datos fiables y continuos sobre cómo se mueven los vehículos dentro del recinto deja de ser un lujo y pasa a ser una necesidad estratégica.

Problema

  • Saturación de accesos en horas punta: la operativa diaria generaba colas descoordinadas que se extendían a otras vías internas, provocando retrasos en cascada.
  • Gestión del tráfico basada en información fragmentada: la supervisión se realizaba mediante observación manual, sin sistemas que permitieran seguir automáticamente los recorridos de los vehículos.
  • Falta de visibilidad sobre patrones de uso: no existían herramientas para entender cómo se utilizaba el espacio ni identificar con precisión los puntos críticos.
  • Imposibilidad de detectar cuellos de botella reales: la ausencia de datos georreferenciados impedía saber qué viales, rotondas o zonas de espera concentraban los problemas.
  • Toma de decisiones con datos incompletos: la planificación de la movilidad interna se basaba en información parcial, sin capacidad de reacción en tiempo real ante picos o incidencias.
  • Impacto operativo y económico: se generaban tiempos muertos en accesos y zonas de carga/descarga, mayor desgaste de infraestructuras y aumento de costes sin claridad sobre prioridades de actuación.
...

Solución

  • Trazabilidad vehicular automatizada: permitió identificar, seguir y analizar en tiempo real el recorrido de cada vehículo desde su entrada hasta su salida, sin necesidad de sensores a bordo.
  • Sensores distribuidos en accesos y puntos críticos: facilitó la captura continua de datos mediante cámaras y LiDAR, detectando colas, maniobras irregulares, ocupaciones indebidas y densidad por carril o zona.
  • Clasificación avanzada de vehículos y mercancías: automatizó la detección de matrículas y la lectura de códigos BIC/IMO, diferenciando tipos de vehículo y flujos de transporte.
  • Analítica en tiempo real y modelos predictivos: permitió generar indicadores sobre tiempos de permanencia, longitud de colas y patrones históricos, anticipando episodios de congestión y proponiendo rutas alternativas.
  • Panel operativo unificado para gestores: permitió visualizar la operativa mediante dashboards con mapas de calor, alertas, histogramas de uso de carriles y trazabilidad completa.
  • Recomendaciones dinámicas para usuarios: permitió ofrecer a transportistas y operadores sugerencias de acceso, rutas alternativas y zonas de estacionamiento, reduciendo tiempos de espera.
  • Arquitectura por fases y baja intrusión: facilitó un despliegue gradual reutilizando infraestructuras existentes e integrándose con sistemas de cobro, logística y seguridad.
...

Esfuerzo de implantación

Alto

APIs e Integraciones

Conectividad IP con cámaras existentes y posibilidad de añadir nodos LiDAR en accesos y viales clave.
Enlace seguro con la plataforma cloud/edge de Seevia para el envío de vídeo y datos en tiempo real.
Integración mediante APIs abiertas con sistemas de control de accesos, peajes internos, plataformas logísticas y sistemas de seguridad del recinto.

Impacto

Eficiencia operativa
Reducción de los tiempos de espera en accesos y áreas de espera, gracias a la monitorización continua de colas y tiempos de permanencia y a la reconfiguración dinámica de rutas internas.

Uso optimizado del espacio y de la infraestructura vial
Mejor aprovechamiento de carriles, rotondas y zonas de estacionamiento al disponer de métricas objetivas sobre densidad, ocupación indebida y recorridos más frecuentes.

Decisiones basadas en datos
Mejora de la planificación logística y de la programación de franjas horarias críticas, apoyada en indicadores históricos y en mapas de calor del tráfico interno.

Sostenibilidad y reducción de emisiones
Disminución de recorridos innecesarios y tiempos de motor al ralentí en colas, gracias a la recomendación de accesos y rutas alternativas más eficientes.

Mejor experiencia para transportistas y operadores
Menos incertidumbre en accesos, mayor previsibilidad de los tiempos de operación y posibilidad de integrar el cobro automático de entrada, reduciendo fricción en la relación con la administración gestora del recinto.

Implementado en:
Ver caso de uso