La evaluación de daños en edificios con IA de la AFAD — cómo el laboratorio AI for Good de Microsoft cartografió la destrucción del terremoto de 2023 a partir de imágenes satelitales
En los tres días posteriores a los terremotos de 2023 en Kahramanmaraş, el laboratorio AI for Good de Microsoft señaló por satélite 3.849 edificios dañados, para la AFAD, el Banco Mundial, la FICR y el PMA — colaboración puntual, no capacidad institucionalizada de la AFAD.
3,849
Edificios señalados como dañados/destruidos (Feb 2023 (3-day assessment))
7.44 %
Edificios visibles dañados en Kahramanmaraş (Feb 2023)
>0.99
AUC académica independiente para la detección de edificios colapsados (post-2023 academic study)
Detalles
Madurez
Piloto
Promotor
Türkiye Disaster and Emergency Management Presidency (AFAD), Ministry of Interior, with Microsoft AI for Good Lab
Dos terremotos (magnitud 7,8 y 7,7) sacudieron el centro-sur de Turquía el 6 de febrero de 2023, matando a más de 40.000 personas y devastando ciudades como Kahramanmaraş, Gaziantep, Hatay y Adıyaman. Los relevamientos sobre el terreno en una zona de desastre de esta magnitud tardan días o semanas, pero los equipos de búsqueda y rescate y las agencias de ayuda necesitaban saber rápidamente qué edificios habían colapsado.
Actividades
El AI for Good Lab de Microsoft trabajó con la Presidencia de Gestión de Desastres y Emergencias de Turquía (AFAD), bajo el Ministerio del Interior, para ejecutar modelos de aprendizaje profundo sobre imágenes satelitales previas y posteriores al terremoto, de Planet Labs (resolución de 50 cm) y Maxar Technologies (resolución de 30 cm), cubriendo los tres primeros días tras la catástrofe.
Resultados
Los modelos señalaron 3.849 edificios dañados o destruidos en cuatro de las ciudades más afectadas, con Kahramanmaraş mostrando un 7,44% de los edificios visibles dañados. Las estimaciones se compartieron con los propios equipos de respuesta de AFAD, así como con el Banco Mundial, la Federación Internacional de Sociedades de la Cruz Roja y de la Media Luna Roja, y el Programa Mundial de Alimentos, para ayudar a dirigir la ayuda. Equipos académicos independientes aplicaron posteriormente enfoques comparables de aprendizaje profundo a la misma secuencia sísmica y, comparando con relevamientos de referencia sobre el terreno, reportaron puntuaciones de precisión AUC superiores a 0,99 para la detección de edificios colapsados en algunas áreas de estudio.
Conclusiones
Se trató de una colaboración rápida y puntual entre un laboratorio privado de IA y una agencia gubernamental de gestión de catástrofes para un único evento, y no de un sistema que AFAD posea, opere o haya incorporado a su doctrina permanente de gestión de emergencias. No existe evidencia pública de que Turquía haya adoptado desde entonces la evaluación de daños mediante IA satelital como una capacidad institucionalizada y rutinaria.
Implementación
Coste indicativo
Bajo (< 50 000 €) — No cost figures are disclosed; the assessment relied on existing commercial satellite-imagery subscriptions and Microsoft's own AI for Good Lab resources provided as a pro-bono crisis response rather than a funded government programme.
Tiempo hasta resultados
Corto (< 1 año) — Time-boxed to the first three days after the 6 February 2023 earthquakes; no evidence of continued or repeated use since.
Personal y competencias
Microsoft AI for Good Lab (model development and imagery analysis), AFAD, Türkiye Disaster and Emergency Management Presidency (response-team recipient)
Condiciones para el éxito
Rapid access to pre- and post-event high-resolution commercial satellite imagery (Planet Labs, Maxar)
Pre-existing relationship between Microsoft AI for Good Lab and a government disaster agency enabling fast collaboration
Public methodology report and open-sourced toolkit enabling external review and reuse
Modos de fallo comunes
One-off crisis collaboration rather than an institutionalised AFAD capability — no public evidence of routine adoption since 2023
Detections used for response decisions were not independently ground-truthed by AFAD at the time
System was designed, hosted and run by Microsoft with no disclosed AFAD-side oversight or audit framework
Dónde encaja
Tipo de gobernanza
private AI lab collaborating ad hoc with a national disaster agency
Escala
four cities
Nivel de ingresos
upper-middle-income
Kit de replicación
Artefactos reutilizables de esta práctica — tal como los publican sus fuentes.
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.