Quando um desastre acontece, a IA ajuda as equipes de emergência a chegar mais rápido a quem precisa

Em resumo

• Decisões mais rápidas podem significar ajuda mais ágil depois de um desastre.
• A equipe AI for Good, da Microsoft, desenvolveu uma ferramenta que identifica as áreas mais atingidas em questão de horas, em vez de semanas.
• Equipes de emergência estão usando a tecnologia para levar ajuda com mais agilidade e explorando novas aplicações na preparação e resposta a desastres.

Nas horas seguintes a um forte terremoto que atingiu a Venezuela em junho, as equipes de primeiros socorros sabiam que havia pessoas precisando de ajuda. O que ainda não sabiam era quem precisava ser atendido primeiro. 

Carlos Rivas, especialista em gestão de risco de desastres da Catholic Relief Services, confirmou rapidamente que a equipe local e os voluntários estavam seguros e aptos a apoiar outras pessoas. Então, voltou-se às perguntas cruciais que chegavam à sua caixa de entrada: “Onde estão os pontos críticos? Para onde devemos ir?” Seguir na direção errada poderia deixar comunidades mais atingidas sem assistência, enquanto ser impedido por estradas ou pontes destruídas poderia desperdiçar tempo e energia preciosos.

Seu grupo é uma das muitas organizações humanitárias que contam cada vez mais com análises de imagens de satélite assistidas por IA, como o sistema High-speed Assessment and Satellite Tracking for Emergencies, ou HASTE, da Microsoft, para tomar decisões críticas com mais rapidez. A tecnologia ajuda as equipes de resposta a avaliar a dimensão de um desastre e identificar as regiões mais danificadas em horas, em vez de semanas, permitindo direcionar melhor a assistência emergencial e a distribuir ajuda. 

“É uma questão de salvar uma vida, certo?”, diz Rivas. “Como humanitários, esse é o nosso principal objetivo. Se isso reduz o tempo e nos ajuda a ser mais eficazes na definição de onde prestamos assistência, então, no fim, estamos salvando vidas.” 

Trabalhadores de assistência humanitária, organizações de ajuda e agências governamentais recorreram ao HASTE, parte do programa AI for Good da Microsoft, após 23 grandes desastres em 16 países desde 2023, de incêndios florestais na França e enchentes na Líbia a um terremoto na Turquia e um ciclone em Madagascar. À medida que os desastres relacionados ao clima se tornam mais frequentes e severos, as organizações enfrentam uma pressão crescente para avaliar danos rapidamente e decidir onde recursos limitados podem gerar o maior impacto.

Entendendo onde os danos ocorreram 

Nas primeiras horas depois de um desastre, as equipes tentam determinar a extensão dos danos, quem precisa de ajuda e quais suprimentos devem ser enviados para cada local. Cada hora dedicada à coleta de informações pode significar uma hora a menos na entrega de ajuda. 

Rivas entrou em contato com a equipe AI for Good da Microsoft pouco depois de o terremoto atingir a região em 24 de junho e, na manhã seguinte, já tinha um mapa analisando os danos. A ferramenta HASTE gratuita e de código aberto requer apenas algumas horas de treinamento por uma pessoa para uma situação específica — analisando imagens de satélite capturadas antes e depois de um desastre e identificando edifícios danificados — antes de ser capaz de usar esses padrões para avaliar vastos territórios que, de outra forma, levariam dias ou semanas para serem examinados por pessoas. 

Catholic Relief Services, que presta assistência em cerca de 95 países ao redor do mundo, vinha fazendo experimentos com IA, segundo Nora Lindstrom, que lidera a equipe global de programação digital da organização a partir de Helsinki. Mas produzir uma avaliação como a que o HASTE forneceu da noite para o dia teria levado duas semanas para sua equipe e exigiria analistas, imagens e um processo muito mais manual, ela afirma. Isso é muito tempo para ser útil no período logo após um desastre. 

“Temos recursos limitados e estamos tentando usá-los da forma mais eficiente possível para ampliar o bem que podemos fazer e as pessoas que podemos ajudar”, diz Lindstrom. “E a velocidade é realmente essencial para isso.” 

Mas a precisão é igualmente importante.  

“Se você recebe informações ruins rapidamente, na verdade é ainda pior”, diz Kevin White, diretor sênior do AI for Good Lab da Microsoft. “A IA permite alcançar um alto nível de precisão com rapidez — e esse é o santo graal.” 

As equipes podem estar se preparando para passar 12 horas viajando por terrenos difíceis até uma cidade com base em relatos incompletos, diz Rivas, apenas para descobrir depois que outra comunidade, na direção oposta, sofreu danos muito maiores. 

“Trata-se de agir rápido e ter certeza sobre sua decisão”, diz ele. 

Transformando a informação em ação 

Para o Escritório das Nações Unidas para a Coordenação de Assuntos Humanitários (OCHA – United Nations Office for the Coordination of Humanitarian Affairs, em inglês), transformar informação em ação rapidamente pode fazer a diferença entre alcançar os sobreviventes e chegar tarde demais. 

“Você está salvando vidas ao fornecer esses dados à equipe que faz busca e resgate, cujo trabalho é retirar pessoas que estão sob os escombros e que podem estar vivas”, diz Fawad Hussain Syed, oficial de assuntos humanitários do OCHA em Genebra. “O que esses dados fazem é basicamente chegar a essas equipes a tempo para que elas possam ir com seus cães e equipamentos, encontrar pessoas vivas e resgatá-las.” 

Após desastres, as informações muitas vezes chegam de forma fragmentada, por meio de mensagens, notícias, publicações em redes sociais e observações isoladas de campo, que podem ser difíceis de verificar, diz Syed. Imagens de satélite com análise fornecem evidências críticas. 

“Isso se traduz em um plano de resposta”, diz ele.   

OCHA recebeu a análise de danos do HASTE na Venezuela e a distribuiu rapidamente por uma rede humanitária usada por milhares de pessoas de governos, organizações sem fins lucrativos, autoridades locais e equipes de resposta a emergências. Isso ajudou as organizações a começar a construir uma compreensão compartilhada de onde os danos pareciam mais severos, para que pudessem estimar necessidades, planejar operações e comunicar a dimensão do desastre a parceiros e doadores. 

Syed diz que isso é “muito, muito crucial” para coordenar respostas de busca e resgate, em particular, à medida que equipes chegam de todo o mundo para ajudar — às vezes 10 a 15 delas, dependendo do desastre. 

“Elas pousam no aeroporto e a primeira coisa que querem saber é para onde ir”, diz ele. “É exatamente isso que esses dados fornecem.” 

Entendendo a dimensão completa de um desastre 

Pouco depois do terremoto, as equipes de resposta enfrentaram um novo desafio. 

Os grupos estavam ficando sobrecarregados com imagens e análises de diversas fontes “inundando o sistema”, diz Zachary Arno, cientista de dados do OCHA. Ele rapidamente criou um visualizador web, hospedado no Azure, que reuniu avaliações do HASTE e oito outros produtos de mapeamento de desastres em um só lugar, para que as organizações pudessem compará-los e construir uma visão mais completa do que todos esses recursos indicavam sobre as condições em campo.

Os dados da Microsoft chegaram com metadados detalhados e classificações de confiança, diz Arno, o que facilitou sua incorporação a esse quadro analítico mais amplo. 

“Velocidade, comunicação e transparência ajudaram a moldar o visualizador”, diz ele. 

Mesmo com uma grande quantidade de imagens de satélite, entender a dimensão completa de um desastre é difícil.  

O apoio da IA é mais útil quando há um padrão desigual de danos, com algumas comunidades devastadas enquanto outras permanecem em grande parte intactas, diz Caleb Robinson, principal research scientist for AI for Good da Microsoft. Cada desastre deixa uma marca visual diferente, diz Robinson, e os próprios edifícios podem variar drasticamente de uma região para outra. O machine learning pode identificar rapidamente os sinais característicos de dano em um evento específico e, então, aplicar esses padrões a milhares de imagens. 

Leonardo Milano, líder da equipe de ciência de dados do OCHA, diz que ter uma ferramenta automatizada “fazendo análise em áreas muito maiores, para que você tenha certeza de que não está deixando de fora áreas que podem ter sido particularmente afetadas”, é importante.  

“É a combinação de velocidade e escala que realmente representa o valor agregado”, diz Milano. 

A recuperação começa com estimativas 

Enquanto incêndios florestais avançavam pela região de Spokane, Washington, em agosto, Tristan Allen, que coordena com empresas e infraestrutura crítica para a Emergency Management Division do estado, entrou em contato com a equipe AI for Good para ver “até onde seria possível identificar os números e estruturas dentro da área atingida pelo incêndio”.  

Os bombeiros ainda combatiam chamas que consumiam centenas de casas, e as autoridades sabiam que avaliações formais viriam depois, diz Allen. Mas a visão inicial do HASTE sobre a escala da destruição em andamento ajudou gestores de emergência a começar a estimar quantas famílias deslocadas precisariam se preparar para apoiar. 

“Se você está olhando para milhares de estruturas perdidas, vai mobilizar mais recursos mais cedo”, diz Allen. “Em outros desastres, quando você não tem nenhuma ideia ou só tem estimativas aproximadas, leva um tempo para colocar esse processo em funcionamento.”

Construindo capacidade local

O HASTE rapidamente se tornou a principal plataforma da Microsoft para assistência em resposta a desastres. Durante grandes emergências, a equipe AI for Good frequentemente é ativada junto a parceiros humanitários, trabalhando com a Planet Labs e outros provedores de imagens para ajudar a processar imagens, gerar avaliações e distribuir informações. Mas o HASTE é de código aberto, permitindo que organizações o adaptem a seus próprios sistemas e necessidades. 

Rivas percebeu rapidamente que os trabalhadores humanitários não conseguiriam chegar a comunidades destruídas se estradas e pontes estivessem igualmente danificadas, então adaptou a análise do HASTE para avaliar rotas, identificar possíveis obstáculos e sugerir alternativas. 

Como o HASTE é de código aberto, a Catholic Relief Services adaptou a tecnologia para apoiar as necessidades específicas do parceiro local Caritas Venezuela após os terremotos de junho de 2026 na Venezuela, desde ajudar equipes de resposta a navegar por rotas danificadas até mapear a distribuição de ajuda para doadores. (Fotos cortesia de Caritas Venezuela)

Ele também está usando o HASTE para demonstrar prestação de contas, criando um mapa de distribuição de lonas para ajudar doadores a visualizar como seus recursos foram usados para oferecer abrigo nos bairros mais danificados.

“O que tem sido ótimo na abordagem do HASTE é que ela é de código aberto e realmente buscou cocriar conosco também”, diz Lindstrom. “As pessoas que conhecem o contexto no terreno estão em melhor posição para responder, então fortalecer sua capacidade de fazer isso e de usar essas novas tecnologias dessa forma é extremamente poderoso.” 

Essa capacidade é especialmente importante para desastres menores que talvez não atraiam atenção global, diz Rivas, como incêndios recentes na Bolívia e enchentes no Peru, Paraguai e Equador. As equipes de resposta já estão ficando mais confortáveis e mais rápidas no uso de avaliações de IA, dizem ele e Syed — com mapas do HASTE orientando decisões em uma hora, não em um dia, após o terremoto na Colômbia em agosto.

Imaginando novos usos 

Os incêndios em Spokane inspiraram outra ideia de como a IA poderia ajudar depois de desastres. 

Sobreviventes precisam saber onde podem ir para conseguir água, comida, abrigo e medicamentos — ou até mesmo onde podem carregar o celular para manter contato com pessoas queridas, diz Joseph Porcelli, que coordena com agências públicas para o aplicativo de mídia social Nextdoor. Alcançá-los é um dos maiores desafios que governos e organizações humanitárias enfrentam, diz ele. 

O HASTE usou imagens de satélite de antes e depois dos incêndios florestais em Spokane, Washington, em agosto de 2026 para identificar estruturas danificadas em toda a região, ajudando gestores de emergência a estimar a escala da destruição e obter uma visão inicial de quantas famílias poderiam precisar de apoio. (Capturas de tela do HASTE cortesia de Microsoft AI for Good)

Quando Porcelli viu a avaliação do HASTE sobre Spokane, processou as informações no banco de dados do Nextdoor e percebeu que a maioria das famílias afetadas fazia parte da plataforma. Agora, ele trabalha em um programa para conectar a plataforma aos dados do HASTE, para que governos locais com contas oficiais possam direcionar áreas geográficas mais específicas para ajudar em emergências futuras. 

Além disso, organizações humanitárias estão começando a usá-lo como ferramenta de preparação, não apenas de resposta de incidentes. A Catholic Relief Services está usando os dados de avaliação de danos do furacão Melissa, que atingiu a Jamaica em outubro passado, para ajudar a planejar abrigos em áreas que podem ser vulneráveis em futuras tempestades, diz Rivas.  

Há “uma cultura do uso desses dados em rápida evolução”, diz Rivas, que trabalha em resposta humanitária há cerca de 15 anos e faz parte de uma iniciativa global que ajuda equipes locais a se prepararem melhor e responderem a desastres. 

“O objetivo da AI for Good é fornecer às equipes de primeiros socorros as informações mais precisas e atualizadas possíveis, o mais rápido possível”, diz White, da Microsoft. “Estamos incentivando as pessoas a usar essas ferramentas, baixá-las e também desenvolver essa capacidade por conta própria.”

Esta história foi publicada originalmente em 22 de setembro de 2026.

Imagem principal: Caritas Venezuela, parceira da Catholic Relief Services, avalia danos após os terremotos de junho de 2026 na Venezuela. (Foto cortesia de Caritas Venezuela)
Imagens de rolagem: fotos aéreas dos terremotos de 2026 na Venezuela (capturas de tela do HASTE cortesia de Microsoft AI for Good)

Susanna Ray escreve sobre IA e tecnologia, com histórias que mostram seu impacto no mundo real e examinam como a inovação está remodelando o trabalho, os negócios e a sociedade. Anteriormente, trabalhou como repórter para a Bloomberg News e outras grandes organizações internacionais de notícias nos EUA e no exterior, cobrindo temas que vão de política e governo a negócios e aviação. Acompanhe seu trabalho no Microsoft Source.