La Universidad de Granada (UGR) ha desarrollado un sistema de apoyo a la toma de decisiones basado en inteligencia artificial destinado a mejorar la respuesta de los servicios de emergencia ante catástrofes como terremotos o inundaciones. La herramienta permite analizar diferentes alternativas para asignar a las personas afectadas a centros de ayuda, hospitales y refugios, teniendo en cuenta simultáneamente factores como la vulnerabilidad de las víctimas, el estado de las rutas, los tiempos de desplazamiento y la capacidad disponible en cada instalación.
El proyecto está liderado por Daniel Arias Aranda, catedrático del Departamento de Organización de Empresas I de la UGR, junto con Peyman Rabiei, de la UGR y de la Vladimir Stantchev – SRH University of Applied Sciences Berlin. La investigación ha sido publicada en la revista científica Applied Sciences bajo el título Resilient Last-Mile Allocation in Humanitarian Supply Chains: A Reproducible Four-Objective Fuzzy Framework.
La tecnología aborda uno de los problemas más complejos de la logística humanitaria: decidir quién debe recibir ayuda primero y a qué instalación debe ser trasladado cuando los recursos disponibles no son suficientes para atender simultáneamente todas las necesidades. En una emergencia, enviar a todas las personas al centro más próximo puede provocar su saturación; priorizar exclusivamente a los afectados más vulnerables puede incrementar las distancias de desplazamiento, mientras que repartir la carga entre diferentes centros puede obligar a utilizar rutas más largas o potencialmente peligrosas.
Cuatro objetivos simultáneos
Frente a estos dilemas, el sistema no proporciona una única respuesta automática, sino que genera un conjunto de alternativas óptimas de compromiso, conocidas como frontera de Pareto. Cada alternativa representa un equilibrio diferente entre cuatro objetivos fundamentales: equidad, rapidez, viabilidad de las rutas y distribución equilibrada de la carga entre los centros de asistencia.
La equidad permite priorizar a las personas con mayores niveles de vulnerabilidad y necesidad. La rapidez busca reducir el tiempo necesario para llegar a los centros de asistencia. La viabilidad garantiza que las rutas utilizadas sean practicables pese a los daños provocados por el desastre, mientras que la distribución equilibrada pretende evitar que un único hospital, refugio o centro de ayuda concentre una cantidad excesiva de afectados.
El planteamiento permite que los responsables de una emergencia conozcan las consecuencias de diferentes decisiones antes de ejecutarlas y puedan seleccionar aquella que consideren más adecuada en función de la situación concreta.
El modelo de las 4R de la resiliencia
La investigación utiliza como referencia el denominado marco de las 4R de la resiliencia, aplicado a la gestión de riesgos y a las cadenas de suministro. Sus cuatro componentes son respuesta, robustez, rapidez y redundancia.
La capacidad de respuesta se relaciona con la atención prioritaria a las personas con mayor vulnerabilidad. La robustez persigue garantizar que las rutas continúen siendo utilizables pese a los daños o peligros derivados de la catástrofe. La rapidez busca minimizar los tiempos de desplazamiento y la redundancia pretende evitar una dependencia excesiva de un único centro mediante una distribución de la carga entre diferentes instalaciones.
Esta combinación resulta especialmente relevante en las primeras horas posteriores a una catástrofe, cuando la información puede ser incompleta, las infraestructuras pueden estar dañadas y las decisiones deben adoptarse con rapidez.
Inteligencia artificial para trabajar con incertidumbre
Uno de los elementos innovadores del sistema es la utilización de lógica difusa, una metodología que permite incorporar al proceso de decisión valoraciones humanas que no pueden expresarse fácilmente mediante categorías rígidas.
Conceptos habituales en una emergencia, como considerar que una persona es «muy vulnerable», que una carretera está «parcialmente bloqueada» o que un centro se encuentra «cerca de la saturación», pueden transformarse mediante inferencia difusa de tipo Mamdani en valores comparables para el modelo.
La herramienta intenta así reproducir una de las características más complejas de cualquier emergencia: la incertidumbre. Los responsables de protección civil no trabajan normalmente con información perfecta, sino con datos incompletos y evaluaciones que pueden cambiar rápidamente.
La IA se utiliza, por tanto, como un instrumento para estructurar esa incertidumbre y proporcionar a los responsables diferentes escenarios posibles.
El humano mantiene la decisión final
Uno de los aspectos destacados por los investigadores es que el sistema no pretende sustituir a los responsables de la emergencia. La herramienta presenta diferentes alternativas y muestra qué se gana y qué se pierde con cada una, pero mantiene el control final en manos de los profesionales encargados de gestionar la operación.
Esta característica resulta especialmente importante en contextos de emergencia, donde pueden existir factores que no sean fácilmente incorporables a un algoritmo: información recibida directamente desde el terreno, cambios meteorológicos, necesidades médicas específicas, evolución de las infraestructuras o circunstancias particulares de determinados grupos de población.
La función de la inteligencia artificial es proporcionar una base objetiva, transparente y comparable para la decisión, no convertir el algoritmo en la autoridad que determine automáticamente quién debe recibir asistencia.
Un demostrador para simular catástrofes
El proyecto incluye además un demostrador interactivo de libre acceso que permite a profesionales de protección civil, investigadores y estudiantes simular diferentes escenarios posteriores a un desastre. La herramienta representa mediante mapas las consecuencias de las distintas decisiones y muestra indicadores relacionados con la equidad, los desplazamientos y la saturación de los centros.
Los escenarios utilizados por el demostrador son sintéticos y no almacenan datos de personas reales. Esto permite emplearlo también como herramienta de formación y entrenamiento, sin comprometer información personal.
La iniciativa apuesta además por la reproducibilidad. La implementación se ha publicado como código abierto en Python, acompañada de pruebas continuas y auditoría de dependencias, de forma que otros investigadores puedan revisar, ejecutar y validar los resultados utilizando hardware convencional.
Más rapidez en la toma de decisiones
La investigación también compara tres algoritmos evolutivos multiobjetivo: NSGA-II, NRGA y NSGA-III. Los investigadores realizaron 540 ejecuciones para evaluar su comportamiento en diferentes tamaños de problema.
Los resultados señalan que NSGA-III fue un 32% más rápido que NSGA-II en los tamaños de problema analizados, aunque la calidad de las soluciones depende de cómo se defina el punto de referencia utilizado para medir el espacio de compromisos cubierto.
La velocidad tiene una importancia crítica en este tipo de sistemas. En una emergencia, una solución óptima que necesita horas para ser calculada puede resultar menos útil que un conjunto de buenas alternativas disponibles en cuestión de minutos.
Aunque la investigación se centra en la respuesta inmediata a un desastre, los principios desarrollados pueden aplicarse a otros ámbitos de la logística humanitaria. Entre ellos figuran la asignación de voluntarios a tareas, la distribución de suministros médicos, la planificación de evacuaciones temporales y la gestión de la capacidad de redes de refugios.
La tecnología plantea así una evolución del papel de la IA en la gestión de emergencias. Más allá de predecir determinados fenómenos o procesar grandes cantidades de datos, los sistemas inteligentes pueden convertirse en herramientas para apoyar decisiones complejas cuando existen múltiples objetivos que compiten entre sí.
El proyecto de la UGR representa, en este sentido, una aplicación de la inteligencia artificial directamente vinculada a la resiliencia de las sociedades ante catástrofes naturales.
La principal aportación de la investigación es trasladar la inteligencia artificial desde el terreno de la predicción o la automatización hacia uno de los momentos más críticos de una emergencia: la decisión sobre cómo utilizar unos recursos que son necesariamente limitados.
Terremotos, inundaciones y otros desastres pueden provocar simultáneamente miles de necesidades y reducir la capacidad de respuesta de las infraestructuras. En ese contexto, disponer de una herramienta capaz de comparar rápidamente diferentes escenarios puede ayudar a los responsables a adoptar decisiones más equilibradas y transparentes.
El modelo desarrollado por la UGR no elimina la incertidumbre ni sustituye a los equipos humanos, pero proporciona una nueva capacidad: visualizar de forma rápida las consecuencias de diferentes decisiones antes de ejecutarlas. La combinación de inteligencia artificial, lógica difusa y optimización multiobjetivo abre así una vía para reforzar la coordinación de las emergencias y mejorar la utilización de los recursos disponibles cuando cada minuto puede resultar decisivo.
