SAFE-RISCCS — El proyecto piloto de IA de Nepal para la alerta temprana de deslizamientos de tierra

Nepal está excepcionalmente expuesto a deslizamientos de tierra: las estimaciones gubernamentales sitúan alrededor del 59% del territorio del país como propenso a deslizamientos, y más del 80% se encuentra en pendiente. Solo el terremoto de Gorkha de 2015 provocó unos 45.000 deslizamientos de tierra distintos. La Autoridad Nacional de Reducción y Gestión del Riesgo de Desastres de Nepal (NDRRMA) ha estado construyendo un Sistema Nacional de Alerta Temprana de Deslizamientos, con el apoyo del Departamento de Asuntos Exteriores y Comercio de Australia.

Dentro de ese esfuerzo, investigadores de la Universidad de Melbourne (liderados por la profesora Antoinette Tordesillas), la Universidad Tribhuvan, y socios en el Reino Unido e Italia están probando SAFE-RISCCS, un sistema de IA diseñado para fusionar pluviómetros, sensores de movimiento del suelo, observaciones de residentes locales e imágenes satelitales de la NASA, la Agencia Espacial Europea y la JAXA japonesa, para señalar el riesgo de deslizamiento con hasta semanas de antelación.

Se está implementando en dos sitios piloto de alto riesgo: Kimtang, en el distrito de Nuwakot, y Jyotinagar, en el distrito de Dhading.

A mediados de 2025, los sensores de cada sitio llevaban recopilando datos solo unos dos meses, y el equipo del proyecto afirma que se necesita un conjunto de datos de uno a dos años antes de que el componente de IA pueda generar de forma fiable alertas gráficas automatizadas a partir de pronósticos de lluvia. No se han publicado cifras de precisión, tasas de falsas alarmas, validación del tiempo de anticipación o estimaciones de vidas salvadas para SAFE-RISCCS, y todavía no existe ninguna evaluación independiente del sistema.

Se trata de un piloto temprano y no de una herramienta de alerta temprana probada: su justificación para la inclusión se basa en una configuración institucional creíble y anclada en el gobierno (la NDRRMA como socio implementador, financiación bilateral del gobierno australiano, un consorcio universitario internacional), y no en un rendimiento de pronóstico demostrado. Se incluye como un ejemplo transparente y cautelar de adopción de IA en curso —que vale la pena seguir a medida que el registro de datos se alarga, pero que todavía no vale la pena para confiar en él.