Cumbre «AI for Good»: conclusiones clave sobre el avance de los sistemas de alerta temprana (EWS)

La semana pasada participamos en Ginebra en el evento AI for Good de la UIT, sumergiéndonos en el campo en rápida evolución de los sistemas de alerta temprana (EWS) impulsados por IA. Como miembros activos del subgrupo de IA de la UIT para los SAT, asistimos a debates y talleres dedicados a utilizar la inteligencia artificial para colmar lagunas críticas en la iniciativa Alerta Temprana para Todos. La IA tiene el potencial de hacer avanzar todos los aspectos de los sistemas de alerta temprana de peligros múltiples. A continuación se exponen algunos de los retos y oportunidades que tenemos por delante.

Pilar 1: Fomento de la conectividad de última milla

❌ El conocimiento de los riesgos representa el primer pilar fundacional de un SAT eficaz. Sin embargo, en todo el mundo persisten importantes lagunas en la información y evaluación de riesgos. Un tema recurrente fue la grave desigualdad en la conectividad mundial. Mientras que algunas regiones cuentan con sólidas redes de telefonía móvil, radio y satélite, otras siguen siendo desiertos de datos. En algunos países, los mapas oficiales tienen más de 15 años, a pesar de que la población se ha duplicado en ese tiempo. Sin mapas actualizados periódicamente y de alta resolución, garantizar que se llega a todo el mundo durante las crisis sigue siendo un objetivo inalcanzable. Además, los sensores y la infraestructura de vigilancia tienden a concentrarse en los países más ricos, por lo que las zonas de alto riesgo y escasos recursos quedan insuficientemente cubiertas.

💡 Para solucionar este problema, la UIT, Microsoft y la Universidad de Washington presentaron el Mapa de Conectividad de Alerta Temprana (ECM), un esfuerzo conjunto para ofrecer una herramienta cartográfica que combina datos granulares de población (con una resolución global de 100 m x 100 m) con una amplia cobertura de conectividad en caso de catástrofe. El resultado es una mejor visibilidad de las personas que permanecen fuera de la red de alerta, lo que permite realizar esfuerzos de divulgación específicos.

Pilar 2: colmar las lagunas de datos

❌ El seguimiento y la previsión de los riesgos en cascada, como la sequía que conduce a las olas de calor, plantean importantes retos en materia de recopilación, seguimiento y verificación de datos. Muchas ONG y empresas privadas están interesadas en los datos de los operadores de redes móviles (ORM), ya que proporcionan cobertura nacional y perspectivas de movilidad en tiempo real. Se ha solicitado el acceso a los datos del registro detallado de llamadas (CDR), pero sigue siendo poco frecuente debido a su naturaleza sensible, disponibilidad limitada y fiabilidad desigual.

En la cumbre se presentaron varias soluciones prometedoras basadas en IA: FloodHub, de Google, ofrece vigilancia predictiva de inundaciones a través de API; The GEO Group demostró capacidades de vigilancia global de la Tierra; los "radares virtuales" de Ignitia eliminan la necesidad de hardware físico, utilizando sistemas de previsión impulsados por IA para emitir alertas meteorológicas extremas en regiones desatendidas; David Pastor destacó el potencial de las métricas derivadas de las redes móviles para identificar puntos críticos de riesgo en tiempo real: detección de anomalías a partir del comportamiento de las señales, percepciones a partir de la inteligencia colectiva, etc.

✨ Nuestra suite GeoSafe EWS, desplegada tanto a nivel de autoridades como de redes móviles, integra múltiples fuentes de datos, incluidos los datos de los operadores de redes móviles. Intersec․AI mejora el análisis de estos datos para impulsar flujos de trabajo automatizados, activando alertas cuando se superan los umbrales de riesgo o cuando se detectan patrones anómalos de movilidad de la población.

Pilar 3: Garantizar la difusión de alertas centradas en el ser humano

❌ Las alertas efectivas deben ser comprendidas por diversos públicos y ser utilizadas por ellos. En países con múltiples lenguas oficiales y analfabetismo generalizado, las alertas de texto por sí solas suelen ser insuficientes. El Dr. Johan Stander (OMM) subrayó la importancia de los métodos de comunicación accesibles en varios formatos y lenguas, incluidos los mensajes de voz o visuales cuando sea necesario. En las regiones afectadas por conflictos, la confianza en las alertas puede ser frágil, a menudo socavada por mensajes de agencias meteorológicas fragmentadas.

La IA ofrece soluciones prácticas, desde la elaboración de perfiles de segmentos de población para adaptar los mensajes en función de la edad, el idioma o la percepción del riesgo, hasta la validación y traducción de alertas en tiempo real. Iniciativas como Daraja ya están activas en Sudán y Etiopía, trabajando para garantizar que incluso las poblaciones más marginadas reciban y confíen en las alertas oportunas.

La fiabilidad inherente a los datos de los operadores de redes móviles y su "inimputabilidad" ofrecen una base sólida para garantizar que las alertas lleguen a las personas más expuestas. En el futuro, el diseño conjunto entre ONG, organismos internacionales como la UIT y asociaciones público-privadas será esencial para una gobernanza y una aplicación inclusivas y adaptadas a las condiciones locales.

Pilar 4: Mejorar la respuesta a las crisis

❌ Sigue existiendo una importante laguna de datos a la hora de comprender lo que ocurre durante las crisis, en particular durante las evacuaciones. Sin registros fiables de quién se desplaza, dónde y cuándo, es difícil para los investigadores y los responsables políticos entrenar modelos de IA o establecer procedimientos operativos estándar eficaces.

💡 El equipo Bibliotechies presentó una prometedora solución tecnológica que combina la previsión de inundaciones, la elaboración de mapas de impacto y la simulación de escenarios mediante aprendizaje automático. En lugar de limitarse a predecir los peligros, su modelo evalúa las rutas de evacuación en el mejor y el peor de los casos, ayudando a los responsables de la respuesta humanitaria a planificar intervenciones y probar escenarios "hipotéticos" relacionados con evacuaciones, transferencias de efectivo o despliegue de equipos móviles.

✨ Para ampliar estos sistemas, es esencial establecer asociaciones sólidas con especialistas en respuesta a emergencias. Solo si los modelos se entrenan con datos de movimientos históricos y reales podremos ofrecer herramientas unificadas y dinámicas que apoyen la respuesta a las crisis, como el enrutamiento del tráfico, la reorientación de las alertas a medida que se desarrollan los acontecimientos o el envío eficaz de recursos.

La sinergia entre los datos fiables y la IA avanzada tiene el potencial de crear un impacto verdaderamente global. Todos los pilares de los sistemas de alerta temprana dependen del conocimiento, en tiempo real, de lo que ocurre sobre el terreno, y todas las soluciones dependen de la capacidad de cartografiar y comprender nuestro mundo a medida que cambia. Aunque los datos de los ORM tienen un valor incalculable, no bastan por sí solos. Deben fusionarse con datos abiertos, conocimientos académicos e innovación del sector privado. Ofrecer estas soluciones basadas en IA a las autoridades de protección civil, a través de plataformas en la nube fiables y seguras, es nuestra mejor oportunidad para garantizar que nadie se quede atrás, antes, durante o después de una catástrofe.