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

Nepal está excepcionalmente expuesto a los deslizamientos de tierra: las estimaciones del gobierno indican que alrededor del 59% del territorio del país es propenso a deslizamientos, y más del 80% se encuentra en pendiente. Solo el terremoto de Gorkha de 2015 desencadenó unos 45.000 deslizamientos 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.

En el marco 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 ("Spatiotemporal Analytics, Forecasting and Estimation of Risks from Climate Change Systems"), un sistema de IA diseñado para combinar pluviómetros, sensores de movimiento del suelo, observaciones de residentes locales e imágenes satelitales de la NASA, la Agencia Espacial Europea y la agencia japonesa JAXA para señalar el riesgo de deslizamientos con 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 automáticas a partir de las previsiones de lluvia. No se han publicado cifras de precisión, tasas de falsas alarmas, validación del tiempo de antelación ni estimaciones de vidas salvadas para SAFE-RISCCS, y todavía no existe ninguna evaluación independiente del sistema.

Se trata, honestamente, de un proyecto piloto en etapa temprana y no de una herramienta de alerta temprana probada: su justificación para la inclusión se basa en una estructura 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 desempeño de pronóstico demostrado. Se incluye aquí como un ejemplo transparente y cauteloso de adopción de IA en curso — que vale la pena seguir a medida que se alarga el registro de datos, pero que todavía no vale la pena usar como referencia.