La visibilidad es uno de los parámetros meteorológicos clave con especial importancia en la meteorología de la aviación y la industria del transporte. Sin embargo, no es una tarea sencilla automatizar las observaciones de visibilidad, ya que la asistencia de observadores humanos capacitados sigue siendo inevitable. El presente artículo intenta dar el primer paso en el proceso de observaciones de visibilidad automatizadas: examina, mediante enfoques de inteligencia artificial (IA), si los puntos de luz en el área objetivo pueden o no ser detectados automáticamente con fines de observaciones de visibilidad nocturna. Desde un punto de vista técnico, nuestro enfoque imita la observación de visibilidad humana de todo el horizonte circular mediante el uso de imágenes de cámara. Evaluamos la detectabilidad de los puntos de luz en las imágenes de la cámara (1) basado en un enfoque de IA (red neuronal convolucional, CNN) y (2) basado en un enfoque tradicional utilizando umbralización binaria simple (BT). Los modelos basados en CNN entrenadas lograron resultados notablemente mejores en términos de valores más altos de métricas estadísticas y menor susceptibilidad a errores que el método basado en BT. En comparación con BT, el método de clasificación CNN indicó una mayor estabilidad, ya que la precisión de estos modelos aumentó con el tamaño de píxel alrededor de los puntos clave. Esta diferencia fundamental entre los enfoques también fue confirmada a través de la prueba U de Mann-Whitney. Así, la determinación presentada basada en IA de la detectabilidad de los puntos clave en la noche con una precisión decente tiene un gran potencial en la objetivación de las rutinas diarias de la meteorología profesional.