Sistema de alerta temprana reforzado con IA — proyecto piloto del INGD/INAM de Mozambique para la previsión de ciclones e inundaciones

Tras el ciclón Idai, en marzo de 2019, que causó 603 muertes y unos 3.000 millones de dólares en daños, el Instituto Nacional de Gestión y Reducción del Riesgo de Desastres (INGD) y el Instituto Nacional de Meteorología (INAM) de Mozambique construyeron un sistema de alerta temprana multirriesgo con el apoyo del Banco Mundial, en el marco del Programa de Gestión del Riesgo de Desastres y Resiliencia, dotado con 265 millones de dólares. Las previsiones satelitales y de radar del INAM se difunden a través de 70 emisoras de radio comunitarias y brigadas comunitarias capacitadas que evacuan a los hogares en riesgo antes de una tormenta. Desde aproximadamente 2023-2025, el INGD y el INAM han incorporado a este sistema un piloto de previsión basado en aprendizaje automático y análisis de datos satelitales, en asociación con el PNUD, el Banco Mundial, el Instituto Meteorológico de Noruega y el Fondo Verde para el Clima, con el objetivo de reducir el tiempo entre la detección de un peligro y la alerta pública para inundaciones, ciclones y sequías.

El número de muertes causadas por el ciclón Freddy en Mozambique en 2023 fue de 183, frente a las 603 del ciclón Idai en 2019, una reducción atribuida al sistema de alerta temprana multirriesgo más amplio, anterior a la capa de IA/aprendizaje automático. El propio componente de IA/aprendizaje automático permanece en fase piloto, con avances prometedores pero aún no plenamente demostrados en la precisión de la previsión de inundaciones; las mejoras de previsión financiadas por donantes no siempre se han traducido en una difusión de alertas coherente, dadas las limitaciones de coordinación institucional y de continuidad de la financiación.

Mozambique se ha comprometido con una meta para 2027 de cobertura total bajo la iniciativa 'Alertas Tempranas para Todos', pero la contribución específica de la capa de IA/aprendizaje automático a los resultados aún no se ha evaluado de forma separada y rigurosa.