En el contexto regional existen modelos que se han utilizado en Colombia y México que pueden ser replicados
“La adopción de estas tecnologías ha sido desigual, y muchos países en desarrollo van a la zaga debido a factores como la asequibilidad y la aplicabilidad. Esta disparidad es evidente en todo el mundo, pero es especialmente pronunciada en las Américas y el Caribe”, con esta afirmación el representante especial del secretario general de las Naciones Unidas para la Reducción del Riesgo de Desastres, Kamal Kishore, dice en su apertura el reporte “El uso de la tecnología para la reducción del riesgo de catástrofes”, evidentemente puntualizando la región del Caribe con notable incapacidad técnica y de equipos para responder a las amenazas climáticas presentes y futuras.
Sin embargo, es menester preguntarse, ¿Cuáles agencias de la República Dominicana (Indomet, COE, Defensa Civil, Universidades y ONG), están implementando actualmente y tomando acciones de prevención, mitigación, respuesta y recuperación de medios de vida, basadas en evidencia para los análisis meteorológicos? ¿Qué tan avanzado se encuentran las simulaciones computacionales? ¿Cómo las herramientas de Inteligencia Artificial podría combinar datos históricos de huracanes con datos en tiempo real para estimar rutas, velocidad y poblaciones en riesgo, que derive en alertas tempranas enfocadas en la reducción del riesgo desastres? ¿Cómo obtener información anticipada de potenciales, cortes eléctricos, fallas en las telecomunicaciones, bloqueo o inaccesibilidad de carreteras y caminos, el daño a centros de salud y en infraestructuras de organismos de socorro, como primera línea de respuesta ante un evento de trauma climático?
¿A qué se enfrenta el país?
En ese sentido, el país enfrenta desafíos importantes para abordarlos de forma intencional y en todos los niveles por: la falta de acceso a datasets (conjunto de datos organizados), amplios y etiquetados, la capacitación insuficiente en análisis de datos en instituciones públicas y privadas enfocada en inteligencia artificial, así como el acceso y educación didáctica climática en las poblaciones y comunidades, y las limitaciones de conectividad en zonas rurales (telecomunicaciones). También, las limitaciones en la recopilación de datos y la calidad de estos, la carencia de datos históricos consistentes, escasez de estaciones meteorológicas, especialmente en zonas rurales y marginales, la capacidad técnica de recursos humanos especializados en IA aplicados al clima y desastres.
La limitación en investigación, algunas universidades están a la vanguardia pero con importantes escollos. Igualmente, la derivación de recursos económicos enfocados en la innovación del riesgo de desastres, así como la dependencia del financiamiento internacional, vital e importante, sin embargo, depende de que sean sostenibles a largo plazo. La falta de una plataforma nacional integrada, es decir, que las instituciones competentes no trabajen de forma aislada como islas y la ausencia de un marco legal que lo regule efectivamente. La desigualdad digital se impone, con zonas sin acceso a internet permanente. Finalmente, uno de los elementos neurálgicos: la inteligencia artificial puede predecir o determinar los potenciales riesgos y emitir alertas, a pesar de ello, sin protocolos de evacuación, albergues o vías de acceso, su alcance es muy limitado. Por lo tanto, la planificación urbana resiliente es una necesidad urgente.
¿Está preparada la República Dominicana?
En el contexto regional existen modelos que se han utilizado en Colombia y México que pueden ser implementados o en su defecto, fortalecidos localmente, especialmente si estos se encuentran en fases neonatales. Entre estas SERVIR, una iniciativa conjunta de la NASA y otros organismos internacionales, que colaboran con organizaciones regionales de todo el mundo para ayudar a los países en desarrollo a utilizar los datos de observación de la Tierra para gestionar los riesgos climáticos y el uso del suelo.
También, el SIATA (Sistema de Alerta Temprana), con el propósito fundamental de instalar y utilizar sensores de monitoreo hidrometeorológico, en el nivel de agua en ríos y cañadas, pluviómetros inteligentes, sismómetros de bajo costo para zonas sísmicas, que a su vez sean entrenados en modelos predictivos con datos históricos de lluvia, Información geotécnica, mapas de uso de suelo y datos de desastres pasados.
IA, machine learning y riesgo de desastres
En el informe “El uso de la tecnología para la reducción del riesgo de catástrofes”, señala, además, como la inteligencia artificial (IA), el aprendizaje automático (Machine Learning) y, más recientemente, la IA generativa, (Generating Artificial Intelligence), han surgido como herramientas transformadoras, que permiten procesar grandes volúmenes de datos históricos y en tiempo real para detectar patrones, hacer predicciones y generar alertas con más rapidez y precisión que los métodos tradicionales, cuyos márgenes de errores son mayores. En este sentido, el Gobierno, instituciones de respuesta a eventos adversos, pueden utilizar e invertir en programas informáticos e Inteligencia Artificial para la detección y búsqueda de datos, el tratamiento de datos en tiempo real, las simulaciones y modelización de riesgos, la previsión y preparación, la optimización de recursos y respuesta automatizada. Con una clara vocación de salvaguardar vidas, eficientizar recursos económicos y fortalecer la resiliencia climática ante múltiples amenazas.
Por consiguiente, estas herramientas de vanguardia robustecen y ayudan a “desplegar eficientemente los recursos de los equipos de respuesta a emergencias, los suministros médicos y los materiales de socorro, así como acelerar la intervención de la ayuda humanitaria con equidad, mejorar la gestión de catástrofes mediante la gestión del tráfico en tiempo real, la supervisión de infraestructuras inteligentes y la utilización de datos de colaboración abierta, garantizando un enfoque más receptivo y eficaz para mitigar los efectos de las catástrofes”, explica el informe.
