Luego de intensos días de lucha, los incendios en Chubut fueron contenidos de modo parcial y comienza una etapa de recuperación que va a llevar tiempo. Pero mientras nos lamentamos por las más de 15 mil hectáreas devastadas por el fuego, la pena es aún mayor al comprobar que con la implementación de inteligencia artificial (IA) la tragedia se podría haber evitado.
La Argentina sigue combatiendo al fuego con herramientas del siglo pasado cuando en el mundo avanzado -en California, Estados Unidos, Australia y Canadá, por ejemplo- se implementan sistemas de detección temprana con inteligencia artificial. Lo más grave es que esa tecnología la tenemos en nuestro país, sólo falta -para variar- la decisión política de usarla.
Cuando empieza un incendio en la cordillera patagónica, nuestro rudimentario sistema actual funciona así: alguien ve humo, avisa a emergencias, se verifica presencialmente, se activa un protocolo y recién ahí se movilizan recursos. Para cuando las brigadas llegan a la zona afectada, el incendio lleva horas de ventaja, a veces días. Es como intentar apagar un cigarrillo después de que incendió una casa.
En el primer mundo, cámaras con inteligencia artificial detectan el humo antes de que sea visible para el ojo humano, algoritmos procesan imágenes satelitales cada 15 minutos buscando anomalías y redes de sensores dispersos en los bosques envían alertas automáticas ante cambios en temperatura o humedad.
La tecnología existe pero no la estamos usando. En lugar de invertir en futuro, elegimos seguir en el pasado y sufrimos daños casi irreparables, tanto económicos como ambientales.
Pano AI: las cámaras que ven lo que los humanos no pueden
En California, un sistema llamado Pano AI tiene instaladas torres con cámaras 360° equipadas con visión artificial, que constantemente escanean el horizonte, procesando imágenes con algoritmos entrenados para diferenciar humo de nubes, polvo o niebla.
Cuando detectan una anomalía, alertan de modo automático al centro de comando con la ubicación GPS exacta. Todo esto ocurre en segundos, no en horas. ¿El resultado? Incendios detectados cuando son del tamaño de una mesa de comedor, no cuando ya arrasaron hectáreas. La diferencia entre controlar un fuego en 20 minutos o combatirlo durante semanas.
Una sola torre de estas características puede monitorear un radio de 20 kilómetros. Para cubrir las zonas críticas de Chubut se necesitarían entre 10 y 15 torres estratégicamente ubicadas.
Costo estimado: entre U$S 500 mil y un millón. El incendio reciente de Chubut generó pérdidas estimadas superiores a los U$S 100 millones.
“Machine learning” para predecir y evitar posibles incendios
La detección temprana de posibles focos de fuego es solo el principio. La verdadera revolución está en los modelos predictivos que, usando machine learning, pueden anticipar dónde es más probable que se inicie un incendio antes de que ocurra.
Estos sistemas procesan variables meteorológicas en tiempo real, índices de sequía, tipo de vegetación, topografía, historial de incendios y patrones de actividad humana. Con toda esa información, generan mapas de riesgo dinámicos que se actualizan cada hora.
En Canadá, el sistema Wildfire Risk Score hace exactamente esto e identifica zonas críticas con días de anticipación, permitiendo desplegar recursos de forma preventiva, no reactiva.
Para Chubut, un modelo así consideraría factores específicos de la región como la velocidad del viento patagónico, la humedad diferencial entre bosques nativos de Nothofagus y las plantaciones de pinos exóticos, los índices de sequía en la estepa, la temperatura del suelo en zonas de turberas.
La tecnología no adivina el futuro, lo calcula.
Drones que patrullan mientras dormimos
Pensemos en la cordillera chubutense con kilómetros de terreno accidentado, zonas casi inaccesibles y senderos que tardan horas en recorrerse. Para cuando una brigada llega caminando a verificar un reporte, el incendio ya tomó el control.
Ahora imaginemos drones autónomos equipados con cámaras térmicas Flir, programados para patrullar rutas específicas cada noche. Algoritmos de computer vision procesando las imágenes en tiempo real, detectando anomalías de temperatura e identificando columnas de humo incipientes.
Estos drones ya existen. Se usan en California (EE.UU.), Australia y partes de Europa. Pueden cubrir en 30 minutos lo que a una persona le llevaría ocho horas caminando. Operan de noche, cuando los incendios suelen iniciarse y cuando la visibilidad humana es nula.
Un enjambre coordinado de cinco a 10 drones podría monitorear toda la zona de interfaz urbano-forestal de Chubut cada noche durante la temporada de riesgo. Costo del sistema completo: menos de U$D 200 mil, menor al de un solo avión hidrante volando una semana combatiendo un incendio que se pudo prevenir.
Sensores en el bosque
Hay algo aún más efectivo que las cámaras y los drones: sensores distribuidos directamente en el bosque, midiendo temperatura, humedad, detectando humo y posibles focos de incendio.
Estos dispositivos, llamados “IoT forestal”, son pequeños nodos alimentados por energía solar, comunicados por redes de largo alcance como LoRaWAN. Cada sensor cuesta entre U$D 500 y mil. Una red de 100 sensores podría cubrir unas 10 mil hectáreas y tendría un costo aproximado de U$D 100 mil.
Estos dispositivos hacen lo que ningún humano puede, monitorean 24/7, sin descanso, sin distracciones, procesando datos en tiempo real y enviando alertas automáticas cuando detectan anomalías. No se cansan. No se distraen. No necesitan vacaciones. Y cuando se combinan con algoritmos de Machine Learning que procesan toda esa información, se obtiene un sistema que puede identificar un incendio en tan solo minutos.
Modelo digital que podría salvar vidas
Imaginemos un modelo 3D completo del territorio de la provincia. Cada árbol, pendiente, edificación y camino digitalizados, con datos meteorológicos en tiempo real.
Se podrían simular escenarios: qué pasa si se inicia un fuego en un punto específico con vientos de 60 km por hora desde el Oeste, hacia dónde se propagará, cuáles son las comunidades en riesgo o donde conviene posicionar las brigadas, por dar algunos ejemplos.
Estas simulaciones ya se hacen en Estados Unidos y Canadá con plataformas como Farsite y Prometheus. No son ciencia ficción, sino herramientas operativas que salvan vidas.
Para Chubut, un gemelo digital permitiría planificar estratégicamente la ubicación de cuarteles de bomberos, el despliegue de equipamiento, las rutas de evacuación. Y durante un incendio activo, simular en tiempo real su evolución para tomar decisiones informadas, no intuiciones desesperadas.
Decisión política
Un sistema completo de prevención tecnológica para Chubut, incluyendo torres con cámaras IA, red de sensores IoT, drones, modelos predictivos, plataforma integrada de comando y capacitación del personal, costaría entre U$D 2 y 5 millones de inversión inicial. El último incendio generó pérdidas superiores a los U$D 100 millones. No es un problema de presupuesto, es un tema de prioridades.
Preferimos gastar millones apagando incendios y lamentar pérdidas que invertir miles en prevención. Implementar tecnología de punta requiere algo más incómodo que dinero: admitir hecho las cosas mal y aceptar que el sistema actual con brigadistas precarizados, recursos insuficientes, equipamiento obsoleto y protocolos del siglo pasado nunca va a funcionar. Requiere además correrse de los tiempos electorales para tomar una decisión cuyos resultados se van a ver en cinco años.
Pero no basta con comprar cámaras con IA, drones y sensores si no tiene un plan de implementación estratégico. Un proyecto de prevención tecnológica de incendios requiere:
Diagnóstico territorial específico: No todos los territorios son iguales. Chubut tiene particularidades geográficas, climáticas y forestales que requieren una solución adaptada, no una importación directa de modelos extranjeros.
Integración con recursos existentes: La tecnología debe complementar, no reemplazar el conocimiento local. Los brigadistas, guardaparques y comunidades tienen información invaluable que debe alimentar los algoritmos.
Capacitación real del personal: No alcanza con un curso de dos días, se necesita entrenamiento continuo, prácticas y simulacros con la tecnología operativa.
Arquitectura de datos escalable: Los sistemas deben diseñarse para crecer, empezar con 10 sensores y escalar a 100, para no rediseñar todo desde cero cada vez.
Plan de mantenimiento y actualización: La tecnología se deprecia rápido. Un sistema sin actualizaciones muere en dos años.
Podemos seguir esperando que cada tragedia sea “la última” o actuar, invertir en tecnología y sumarnos a los países del primer mundo que ya están en el siglo 21. La tecnología está, falta la decisión.
CEO de Elevate AI Agency, especialista en implementación de IA aplicada
