Cuando ocurre un desastre, la IA ayuda a los equipos de respuesta a llegar a las personas más rápido
Resumen
- Tomar decisiones más rápidas puede significar ayuda más rápida tras un desastre.
- El equipo de AI for Good de Microsoft desarrolló una herramienta que identifica las áreas más afectadas en cuestión de horas en lugar de semanas.
- Los equipos de respuesta utilizan la tecnología para entregar ayuda con rapidez y exploran nuevos usos para la preparación y el socorro ante desastres.
En las horas posteriores a un terremoto masivo que azotó Venezuela en junio, los primeros intervinientes sabían que la gente necesitaba ayuda. Ellos tan solo no sabían quién la necesitaba primero.
Carlos Rivas, especialista en gestión de riesgos de desastres de Catholic Relief Services, confirmó de manera rápida que el personal local y los voluntarios estaban seguros y podían apoyar a otros. Luego se centró en las preguntas cruciales que llenaban su bandeja de entrada: «¿Dónde están los puntos críticos? ¿A dónde deberíamos ir?» Ir en la dirección equivocada podría dejar a las comunidades más afectadas en un aprieto, mientras que ser detenido por carreteras o puentes arrasados podría hacer perder tiempo y energía valiosos.
Su grupo es una de las muchas organizaciones humanitarias que cada vez más dependen del análisis asistido por IA de imágenes satelitales como el sistema de Evaluación de Alta Velocidad y Seguimiento Satelital para Emergencias de Microsoft, o HASTE, por sus siglas en inglés, para tomar decisiones críticas más rápido. La tecnología ayuda a los equipos de respuesta a evaluar el alcance de un desastre y a identificar las regiones más dañadas en cuestión de horas en lugar de semanas, para que puedan dirigir mejor la asistencia de emergencia y distribuir la ayuda.
«Se trata de salvar una vida, ¿verdad?» dice Rivas. «Como humanitarios, ese es nuestro objetivo principal, y si esto reduce el tiempo y nos ayuda a ser más efectivos en dónde respondemos, entonces, al final, lo que haces es salvar vidas.»
Los trabajadores humanitarios, organizaciones de ayuda y agencias gubernamentales han recurrido a HASTE, parte del programa AI for Good de Microsoft, tras 23 grandes desastres en 16 países desde 2023, desde incendios forestales en Francia e inundaciones en Libia hasta un terremoto en Turquía y un ciclón en Madagascar. A medida que los desastres relacionados con el clima se vuelven más frecuentes y graves, las organizaciones enfrentan una presión creciente para evaluar los daños con rapidez y decidir dónde los recursos limitados pueden hacer más bien.
Cómo HASTE ayuda a los respondedores a encontrar daño más rápido
Tras un desastre, los equipos de emergencia necesitan saber dónde se necesita más ayuda. Ahora pueden utilizar el análisis asistido por IA de imágenes aéreas de HASTE para identificar las zonas dañadas en cuestión de horas.
Establecer la línea base
Las imágenes aéreas como las imágenes por satélite muestran edificios e infraestructuras antes del desastre. Las imágenes de alta resolución proporcionan el detalle visual necesario para identificar edificios individuales y establecer su estado original
Revelar el impacto
Nuevas imágenes muestran cambios visibles, incluidos edificios dañados o desaparecidos. Un analista identifica ejemplos de edificios dañados y no dañados para mostrar a HASTE qué buscar. HASTE aplica entonces esos patrones a un área mucho mayor.
Encontrar las zonas más afectadas
Los intervinientes utilizan el modelo de IA de HASTE para ayudarles a ver quién puede necesitar ayuda primero.
Comprender dónde se produjeron los daños
En las primeras horas tras un desastre, los equipos de emergencia intentan determinar la magnitud del daño, quién necesita ayuda y qué suministros deben enviarse a dónde. Cada hora dedicada a recopilar información puede significar una hora que no se dedica a entregar ayuda.
Rivas contactó con el equipo de AI for Good de Microsoft poco después de que el terremoto azotara el 24 de junio, y a la mañana siguiente ya tenía un mapa que analizaba los daños. La herramienta gratuita y de código abierto HASTE requiere solo unas pocas horas de que alguien la entrene en una situación específica — a través de analizar imágenes satelitales capturadas antes y después de un desastre e identificar edificios dañados — antes de poder usar esos patrones para evaluar vastos territorios que de otro modo llevarían días o semanas a la gente revisar.
Catholic Relief Services, que proporciona ayuda en unos 95 países de todo el mundo, había experimentado con IA, dice Nora Lindstrom, que lidera el equipo global de programación digital de la organización desde Helsinki. Pero producir una evaluación como la que HASTE proporcionó de la noche a la mañana habría llevado a su grupo dos semanas, y hubiera requerido analistas, imágenes y un proceso mucho más manual, dice. Eso es demasiado tiempo para ser de ayuda justo después de un desastre.
«Tenemos recursos limitados e intentamos usarlos de la manera más eficiente posible para maximizar el bien que podemos hacer y a las personas a las que podemos ayudar», dice Lindstrom. «Y la velocidad es en verdad clave para eso.»
Pero la precisión es igual de importante.
«Si tienes basura rápida, eso es en realidad peor», dice Kevin White, director sénior en AI for Good Lab de Microsoft. «La IA te permite alcanzar alta precisión y rapidez — y eso es el santo grial.»
Los equipos podrían estar preparándose para pasar 12 horas en viajar por terreno difícil hasta un pueblo basándose en informes incompletos, dice Rivas, solo para descubrir más tarde que otra comunidad en la dirección opuesta sufrió daños mucho mayores.
«Se trata de ir rápido y tener certeza de tu decisión», dice.
Catholic Relief Services utilizó el análisis asistido por IA de HASTE para ayudar a los respondedores del socio local Caritas Venezuela a identificar las áreas más afectadas y priorizar la ayuda después de los terremotos de junio de 2026 en Venezuela. (Fotos cortesía de Caritas Venezuela)
Convertir la información en acción
Para la Oficina de Coordinación de Asuntos Humanitarios (OCHA, por sus siglas en inglés) de las Naciones Unidas, convertir de manera rápida la información en acción puede marcar la diferencia entre llegar a los supervivientes o llegar demasiado tarde.
«Salvas vidas al proporcionar estos datos al equipo que realiza búsqueda y rescate, cuyo trabajo es sacar a las personas que están bajo los escombros y que podrían estar vivas», dice Fawad Hussain Syed, responsable de asuntos humanitarios de la OCHA en Ginebra. «Lo que hacen estos datos es, en esencia, llegar a esos equipos a tiempo para que puedan ir con sus perros y maquinaria a encontrar a personas vivas y sacarlas.»
Tras los desastres, la información a menudo llega en fragmentos a través de mensajes, reportajes, publicaciones en redes sociales y observaciones de campo dispersas que pueden ser difíciles de verificar, dice Syed. Las imágenes satelitales con análisis proporcionan pruebas críticas.
«Se traduce en un plan de respuesta», dice.
OCHA recibió el análisis de daños de Venezuela de HASTE y lo distribuyó de manera rápida a través de una red humanitaria utilizada por miles de personas de gobiernos, organizaciones sin ánimo de lucro, autoridades locales y equipos de respuesta a emergencias. Esto ayudó a las organizaciones a empezar a construir un entendimiento compartido de dónde los daños parecían más graves, para poder estimar necesidades, planificar operaciones y comunicar la magnitud del desastre a socios y donantes.
Syed dice que eso es «muy, muy crucial» para coordinar las respuestas de búsqueda y rescate, en particular, ya que equipos de todo el mundo llegan para ayudar — a veces entre 10 y 15 de ellos, según el desastre.
«Aterrizan en el aeropuerto y lo primero que quieren saber es a dónde ir», dice. «Esto es justo lo que estos datos proporcionan entonces.»
Comprender el alcance completo de un desastre
Poco después del terremoto, los equipos de emergencia se enfrentaron a un nuevo desafío.
Los grupos se veían abrumados con imágenes y análisis de múltiples fuentes que «inundaban el sistema», dice Zachary Arno, científico de datos en OCHA. Pronto construyó un visor web, alojado en Azure, que reunía las evaluaciones HASTE y otros ocho productos de mapeo de desastres en un solo lugar para que las organizaciones pudieran compararlos y construir una imagen más completa de lo que mostraban sobre las condiciones sobre el terreno.
Los datos de Microsoft llegaron con metadatos detallados y clasificaciones de confianza, dice Arno, lo que facilita su incorporación a ese panorama analítico más amplio.
«La velocidad, la comunicación y la transparencia ayudaron a moldear al espectador», afirma.
Incluso con abundantes imágenes por satélite, comprender el alcance completo de un desastre es difícil.
La asistencia de IA es más útil cuando hay un patrón desigual de daños, con algunas comunidades devastadas mientras que otras permanecen en gran medida intactas, dice Caleb Robinson, científico principal de AI for Good. Cada desastre deja una huella visual diferente, dice Robinson, y los propios edificios pueden variar de manera importante de una región a otra. El aprendizaje automático puede identificar con rapidez las características de daños en un evento específico y luego aplicar esos patrones a miles de imágenes.
Leonardo Milano, líder del equipo de ciencia de datos de OCHA, afirma que contar con una herramienta automatizada «que realice análisis en áreas mucho más grandes para asegurarte de no perderte áreas que puedan verse en particular afectadas» es importante.
«Es la combinación de velocidad y escala lo que en verdad aporta el valor añadido», dice Milano.
La recuperación comienza con estimaciones
Mientras los incendios forestales arrasaban la zona de Spokane, Washington, en agosto, Tristan Allen, que coordina con empresas e infraestructuras críticas para la División de Gestión de Emergencias del estado, contactó con el equipo de AI for Good para ver «cuál era el arte de lo posible para identificar números y estructuras dentro de la línea de fuego.»
Los bomberos seguían en la lucha contra incendios que arrasaban cientos de viviendas, y las autoridades sabían que las evaluaciones formales llegarían más adelante, dice Allen. Pero la primera revisión de HASTE sobre la magnitud de la destrucción ayudó a los responsables de emergencia a empezar a estimar cuántos hogares desplazados tendrían que prepararse para apoyar.
«Si ves miles de estructuras perdidas, vas a aumentar más recursos antes», dice Allen. «En otros desastres, cuando no tienes ni idea o solo tienes conjeturas aproximadas, se tarda un tiempo en poner en marcha ese proceso.»
Ampliar la capacidad local
HASTE se ha convertido con rapidez en la principal plataforma de Microsoft para la asistencia en la respuesta ante desastres. Durante grandes emergencias, el equipo de IA for Good suele activarse junto a socios humanitarios, trabaja con Planet Labs y otros proveedores de imágenes para ayudar a procesar imágenes, generar evaluaciones y distribuir información. Pero HASTE es de código abierto, lo que permite a las organizaciones adaptarlo a sus propios sistemas y necesidades.
Rivas se dio cuenta muy rápido de que los trabajadores humanitarios no podrían llegar a comunidades desmoronadas si las carreteras y puentes sufrían daños iguales, así que adaptó el análisis HASTE para evaluar rutas, identificar posibles obstáculos y sugerir alternativas.
Como HASTE es de código abierto, Catholic Relief Services adaptó la tecnología para apoyar las necesidades específicas del socio local Caritas Venezuela tras los terremotos de junio de 2026 en Venezuela, desde ayudar a los respondedores a navegar rutas dañadas hasta mapear la distribución de ayuda para los donantes. (Fotos cortesía de Caritas Venezuela)
Rivas usa HASTE para mostrar responsabilidad, a través de la creación de un mapa de distribución de lonas para ayudar a los donantes a visualizar cómo se han utilizado sus fondos para proporcionar refugio en los barrios más dañados.
«Lo bueno del enfoque HASTE es que es de código abierto, y en verdad ha buscado co-crear con nosotros también», dice Lindstrom. «Las personas que conocen el contexto sobre el terreno están en mejor posición para responder, así que fortalecer su capacidad para hacerlo y usar estas nuevas tecnologías de esta manera es súper poderoso.»
Esa capacidad es en especial importante para desastres menores que quizá no atraigan la atención global, dice Rivas, como los recientes incendios en Bolivia e inundaciones en Perú, Paraguay y Ecuador. Los equipos de respuesta ya se han comenzado a sentir más cómodos y rápidos cuando usan evaluaciones con IA, según él y Syed — con los mapas HASTE que informan las decisiones en un plazo de una hora, no de un día, tras el terremoto colombiano en agosto.
Imaginar nuevos usos
Los incendios de Spokane despertaron otra idea sobre cómo la IA podría ayudar tras desastres.
Los supervivientes necesitan saber dónde pueden ir para conseguir agua, comida, refugio y medicinas — o incluso tan solo dónde pueden cargar su teléfono para mantenerse en contacto con sus seres queridos, dice Joseph Porcelli, que coordina con agencias públicas la aplicación de redes sociales Nextdoor. Llegar hasta ellos es uno de los mayores desafíos que enfrentan los gobiernos y las organizaciones humanitarias, afirma.
HASTE utilizó imágenes satelitales de antes y después de los incendios forestales de Spokane, Washington, en agosto de 2026 para identificar estructuras dañadas en toda la región, lo que ayudó a los gestores de emergencias a estimar la magnitud de la destrucción y a obtener una visión temprana de cuántos hogares podrían necesitar apoyo. (Capturas de pantalla de HASTE cortesía de Microsoft AI for Good)
Cuando Porcelli vio la evaluación HASTE desde Spokane, pasó la información por la base de datos de Nextdoor y se dio cuenta de que la mayoría de los hogares afectados eran miembros. Ahora trabaja en un programa para conectar la plataforma con datos de HASTE para que los gobiernos locales con cuentas oficiales puedan dirigirse a áreas geográficas más específicas y ayudar en futuras emergencias.
No solo eso, las organizaciones de ayuda han comenzado a utilizarlo como herramienta de preparación, no solo de respuesta. Catholic Relief Services utiliza los datos de evaluación de daños del huracán Melissa, que golpeó Jamaica el pasado octubre, para ayudar a planificar refugios en zonas que podrían ser vulnerables en futuras tormentas, dice Rivas.
Existe «una cultura de consumo de estos datos en rápida evolución», dice Rivas, que lleva unos 15 años en el trabajo de respuesta humanitaria y forma parte de una iniciativa global que ayuda a los equipos locales a prepararse mejor y responder ante desastres.
El «objetivo de AI for Good es proporcionar a los primeros intervinientes la información más precisa y actualizada posible, lo más rápido posible», dice White de Microsoft. «Animamos a la gente a usar estas herramientas, a descargarlas, a desarrollar esta capacidad para sí mismos también.»
Esta historia fue publicada el 22 de septiembre de 2026.
Imagen superior: Caritas Venezuela, socio de Catholic Relief Services, evalúa los daños tras los terremotos de junio de 2026 en Venezuela. (Foto cortesía de Caritas Venezuela)
Imágenes en scroll: Fotos aéreas de los terremotos de Venezuela de 2026 (capturas de pantalla de HASTE cortesía de Microsoft AI for Good).
Susanna Ray escribe sobre IA y tecnología, con reportajes que muestran suimpacto en el mundo real y examinan cómo la innovación transforma el trabajo, los negocios y la sociedad. Antes informó para Bloomberg News y otras grandes organizaciones internacionales de noticias en EE. UU. y en el extranjero, donde cubría temas que van desde política y gobierno hasta negocios y aviación. Sigan su trabajo en Microsoft Source.