evidoria

← Volver al listado

Buena práctica Importada

DISHA — El Flujo de Evaluación de Daños con IA de UNOSAT y Google Research, Desplegado en las Inundaciones de 2026 en Colombia

Colombia · Bogotá · Ver el perfil de Colombia · Ver el perfil de Bogotá

Evidencia: Observacional / pre-post Top 12% 80/100 · Pregunte a Evidence Copilot sobre esta práctica

El flujo DISHA, de UNOSAT y Google Research, usa IA para acelerar la evaluación de daños tras catástrofes, reduciendo el tiempo de análisis 6 veces en 9 emergencias probadas. Se usó en las inundaciones de Colombia de febrero de 2026 (más de 580.000 afectados) y en el huracán Melissa en Jamaica, apoyando la respuesta de gobiernos y la ONU.

7 x
Aumento del área que los analistas pueden cubrir (across 9 tested emergencies)
6 x faster (to under a day)
Reducción del tiempo para producir conclusiones orientativas de daños (across 9 tested emergencies)
11 activations
Activaciones reales hasta la fecha (since workflow became operational (~2023))
385,000+ buildings
Edificios evaluados tras el huracán Melissa (Jamaica) (October 2025)
580,000+ people
Personas afectadas, inundaciones en Colombia de febrero de 2026 (as of 6 March 2026)
DISHA — El Flujo de Evaluación de Daños con IA de UNOSAT y Google Research, Desplegado en las Inundaciones de 2026 en Colombia

Detalles

Madurez
Consolidada
Promotor
UNOSAT (UNITAR) & Google Research / UN Global Pulse, with Colombia's national government
Período
Workflow operational since ~2023; Colombia activation February 2026
Palabras clave
disaster response, satellite imagery, humanitarian AI, public safety

Contexto

Los equipos de respuesta ante catástrofes necesitan estimaciones rápidas y fiables de los daños en los edificios tras terremotos, inundaciones y tormentas, pero la revisión manual de imágenes de satélite y radar es lenta y requiere mucha mano de obra.

Objetivos

UNOSAT (el Centro de Satélites de las Naciones Unidas), UN Global Pulse y Google Research desarrollaron DISHA, un flujo de trabajo asistido por IA para producir evaluaciones rápidas y orientativas de daños tras una catástrofe, cruzando mapas de edificios derivados de IA con imágenes satelitales de radar y ópticas.

Actividades

Un modelo de IA de aprendizaje «zero-shot» (SKAI) proporciona a los analistas una primera indicación de las zonas con mayores daños en edificios, permitiendo a los expertos de UNOSAT concentrar el análisis detallado donde más importa. Este flujo de trabajo se ha utilizado en 11 activaciones reales para terremotos, inundaciones y ciclones, entre ellas el huracán Melissa en Jamaica (octubre de 2025) y las inundaciones de Colombia de febrero de 2026, en las que UNOSAT cruzó mapas de edificios derivados de IA con imágenes de radar para orientar la planificación de la respuesta tanto del gobierno nacional colombiano como de las agencias de la ONU.

Resultados

En nueve emergencias probadas, el flujo de trabajo permitió a los analistas cubrir aproximadamente siete veces más superficie y reducir en un factor de seis el tiempo necesario para producir conclusiones orientativas de daños, hasta menos de un día. Tras el huracán Melissa, asignó puntuaciones preliminares de daños a más de 385 000 edificios; las inundaciones en Colombia de febrero de 2026 afectaron a más de 580 000 personas, destruyeron más de 4000 viviendas y dañaron aproximadamente otras 23 000 (datos de la UNITAR a fecha de 6 de marzo de 2026).

Conclusiones

Los propios operadores de la herramienta la describen como generadora de orientaciones preliminares e indicativas para analistas expertos, y no una evaluación final, y las cifras de rendimiento proceden de los propios informes de Google y de la ONU, no de una auditoría independiente de un tercero.

Implementación
Coste indicativo
Medio (50 000–500 000 €) — Not publicly disclosed; operated by a standing UN/Google Research coalition rather than a bespoke national build.
Tiempo hasta resultados
Medio (1–3 años) — Workflow operational since approximately 2023; Colombia activation in February 2026.
Personal y competencias
UNOSAT (UNITAR) analysts and UN Global Pulse, Google Research technical team (SKAI model), Colombia's national government as the receiving/using institution for the February 2026 activation

Condiciones para el éxito

  • Using the AI model as a fast first-pass filter, with expert human analysts reviewing and focusing on the flagged areas rather than fully automating assessment
  • Cross-referencing multiple imagery sources (AI-derived building maps, radar and optical satellite imagery) rather than relying on a single data source
  • A standing institutional partnership (UNOSAT/UN Global Pulse with Google Research) enabling repeat activation across many countries and disaster types

Modos de fallo comunes

  • Described by its own operators as preliminary, directional guidance rather than a finished assessment
  • Performance figures come from the operators' own reporting rather than an independent third-party audit
  • No public technical documentation or accuracy report specific to the Colombia activation

Dónde encaja

Tipo de gobernanza
UN-agency-run, deployed with national government
Escala
multi-country (11 activations)
Nivel de ingresos
mixed (deployed in varied income-level countries)

¿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.

Adjuntos

Prácticas similares que pueden serle útiles