Hay una idea que me parece clave cuando hablamos de inteligencia artificial aplicada a emergencias: la IA no necesita adivinar el futuro para salvar vidas. A veces, alcanza con que detecte antes que nosotros una señal que ya está ocurriendo, la interprete en milisegundos y la convierta en una alerta clara.
Eso fue lo que volvió a ponerse sobre la mesa después de los terremotos que golpearon a Venezuela el 24 de junio de 2026. Dos sismos de magnitud 7,2 y 7,5 sacudieron el norte del país con apenas 39 segundos de diferencia, según los reportes sísmicos citados por AP; el impacto fue devastador, con cientos de muertos, miles de heridos y una cifra de víctimas todavía sujeta a actualización por la magnitud de los daños. (AP News)
Pero en medio de esa tragedia apareció una escena que, para mí, resume muy bien hacia dónde va la tecnología cuando se usa con sentido público: millones de personas recibieron una alerta en sus teléfonos Android segundos antes de sentir la sacudida más fuerte. No porque Google supiera mágicamente que iba a temblar. No porque un algoritmo hubiera visto el futuro. Sino porque una red distribuida de teléfonos pudo detectar las primeras vibraciones del sismo, validar que no eran ruido aislado y enviar una advertencia antes de que llegaran las ondas más destructivas. (El País)
Ahí está la diferencia conceptual que muchas veces se pierde cuando hablamos de IA. No todo es predicción en el sentido cinematográfico de “anticiparse a lo que todavía no existe”. En muchos casos, la verdadera potencia está en procesar señales débiles, cruzarlas con millones de datos y transformarlas en una decisión operativa más rápido que cualquier estructura humana tradicional.
Un sismógrafo en el bolsillo
La mayoría de los teléfonos Android tienen un acelerómetro. Es el mismo sensor que hace que la pantalla gire cuando ponemos el celular en horizontal o que permite contar pasos. Pero cuando el teléfono está quieto, apoyado sobre una mesa o cargándose, ese sensor también puede detectar vibraciones del suelo.
La analogía más simple es esta: el celular tiene algo parecido a un oído interno digital. Puede sentir movimientos muy pequeños en distintos ejes. Si un solo teléfono vibra, no pasa nada; puede ser una caída, un golpe, un camión pasando por la calle o cualquier ruido cotidiano. Pero si cientos o miles de teléfonos de una misma zona detectan una vibración parecida, casi al mismo tiempo y con una lógica geográfica coherente, el sistema empieza a ver un patrón.
Google explica que su sistema de alertas sísmicas de Android usa justamente esa lógica: si un teléfono quieto detecta la onda P, que es la primera y más rápida de un terremoto, envía una señal con una ubicación aproximada y preservando la privacidad del usuario; luego, los servidores analizan señales de muchos teléfonos para confirmar el evento, estimar ubicación y magnitud, y alertar antes de que llegue la onda S, que suele ser más lenta y más dañina. (Google Research)
Para entenderlo sin entrar en física dura, podemos pensar en una tormenta. Primero vemos el relámpago y después escuchamos el trueno. El relámpago no causa el estruendo, pero nos avisa que algo ya ocurrió. Con los terremotos pasa algo parecido: la onda P llega primero y causa menos daño; la onda S llega después y suele traer la sacudida fuerte. El margen puede ser mínimo, a veces apenas unos segundos, pero en una emergencia real esos segundos pueden servir para alejarse de una ventana, salir de una zona de riesgo, cortar una maniobra peligrosa o cubrirse.
Y acá aparece una idea que siempre intento remarcar cuando hablo de IA: el valor no está solo en el algoritmo, sino en el sistema completo. Sensor, conectividad, datos, validación, interfaz, alerta y conducta humana. Si una de esas piezas falla, la promesa tecnológica se debilita.
La IA no reemplaza la infraestructura: la complementa
El sistema de Android es interesante porque democratiza una capacidad que antes dependía de redes sísmicas costosas. Según Google Research, el sistema comenzó a desplegar alertas generadas por detecciones de Android en 2021, primero en Nueva Zelanda y Grecia; para fines de 2023 ya estaba activo en 98 países. Además, Google informó que el sistema detectó más de 18.000 terremotos y envió alrededor de 790 millones de alertas a teléfonos en todo el mundo. (Google Research)
Eso no significa que un teléfono sea mejor que una red sísmica nacional bien diseñada. Significa otra cosa: cuando no existe infraestructura suficiente, los dispositivos que ya están en los bolsillos de la población pueden convertirse en una capa adicional de seguridad.
Y ese matiz es importante. Porque si contamos esta historia como “la IA salvó a Venezuela”, caemos en una simplificación peligrosa. La IA puede ayudar, pero no reemplaza la planificación urbana, los códigos de construcción, la educación sísmica, los protocolos de evacuación ni la inversión pública. Un algoritmo puede avisar; lo que la sociedad hace con ese aviso depende de preparación, confianza y capacidad de respuesta.
En tecnología, solemos enamorarnos de la parte brillante del sistema. Pero el impacto real casi siempre está en la integración. Una alerta que llega a tiempo, pero que nadie entiende, puede terminar siendo inútil. Una alerta técnicamente precisa, pero sin cultura de emergencia, puede generar pánico. Una alerta bien diseñada, en cambio, traduce complejidad en acción: “agachate, cubrite, alejate de objetos peligrosos, buscá una zona segura”.
Donde aparece realmente la inteligencia artificial
En este tipo de sistemas, la IA aparece en varios niveles. Primero, en la clasificación de señales. El teléfono vive rodeado de ruido: vibraciones de autos, golpes, movimientos humanos, construcciones, transporte público. El desafío no es detectar cualquier movimiento, sino distinguir qué patrón se parece a una onda sísmica real y cuál pertenece al caos cotidiano.
Después aparece la validación colectiva. Me gusta pensarlo como una ola en un estadio. Si una sola persona se levanta, no hay ola; puede ser cualquier cosa. Pero si se levantan cientos de personas en una secuencia ordenada, el patrón se vuelve evidente. Con los celulares pasa algo similar: el sistema no confía en un dato aislado, busca coincidencia espacial y temporal en muchos dispositivos.
También aparece la mejora continua. Google señala que el sistema fue ajustando su estimación de magnitud con el tiempo: el error absoluto mediano de la primera estimación bajó de 0,50 a 0,25 en tres años. Esto es relevante porque, en una alerta temprana, estimar mal la magnitud tiene consecuencias muy concretas: si se subestima, gente en riesgo puede no recibir aviso; si se sobreestima, se erosionan la confianza y la credibilidad del sistema. (Google Research)
Por eso, cuando alguien me pregunta si esto es “inteligencia artificial de verdad”, mi respuesta es simple: sí, pero no en la forma marketinera en que muchas veces se vende. No es un chatbot hablando bonito. Es IA aplicada a señales, sensores, modelos probabilísticos, detección de anomalías, reducción de falsos positivos y toma de decisiones en tiempo real.
La misma lógica ya se usa en inundaciones, incendios y huracanes
Lo interesante es que esta lógica no se limita a los terremotos. En inundaciones, por ejemplo, Google Flood Hub utiliza modelos de IA y datos globales para anticipar crecidas en ríos. Según Google Research, sus modelos cubren más de 150 países, ofrecen pronósticos de inundaciones fluviales con hasta siete días de anticipación y alcanzan a una población expuesta de aproximadamente 2.000 millones de personas. (sites.research.google)
Ahí la analogía cambia. En un terremoto, casi todo ocurre en segundos. En una inundación, el margen puede ser de días. La IA funciona como un sistema que mira el espejo retrovisor y el parabrisas al mismo tiempo: analiza lluvias pasadas, humedad del suelo, niveles de ríos, topografía y pronósticos meteorológicos para estimar dónde puede desbordar el agua y con qué intensidad.
En incendios forestales, el enfoque es visual. Cámaras ubicadas en torres, satélites térmicos y sistemas de visión artificial pueden detectar columnas de humo o focos de calor antes de que se conviertan en incendios imposibles de controlar. En California, redes como ALERTCalifornia integran cámaras y monitoreo en tiempo real para mejorar la detección temprana; en paralelo, empresas como OroraTech trabajan con satélites térmicos y analítica avanzada para monitorear incendios desde el espacio. (alertcalifornia.org)
En huracanes, el cambio también es profundo. NOAA anunció el despliegue de una nueva generación de modelos meteorológicos globales impulsados por IA, con foco en mayor velocidad, eficiencia y precisión; a la vez, el National Hurricane Center ya viene evaluando modelos de IA en colaboración con Google DeepMind para mejorar la predicción de trayectoria, intensidad y comportamiento de ciclones tropicales. (NOAA)
Todo esto apunta a una misma dirección: la prevención de catástrofes está dejando de depender solamente de estaciones físicas, reportes humanos y modelos tradicionales. Ahora suma sensores distribuidos, satélites, cámaras, aprendizaje automático y sistemas capaces de generar escenarios en segundos.
El límite: la IA no decide sola qué es seguro
Con todo esto, hay una tentación bastante común: pensar que, como la IA procesa más rápido, entonces debería decidir sola. Para mí, ese es el error. En emergencias, la velocidad importa muchísimo, pero la confianza importa igual o más.
Un modelo puede detectar patrones, estimar probabilidades y emitir alertas. Pero la interpretación final del riesgo, la comunicación pública y la coordinación de respuesta siguen necesitando criterio humano. No por romanticismo, sino porque el riesgo no es solo técnico: también es social, político, cultural y operativo.
Un mapa de probabilidad no evacúa una ciudad. Una alerta en pantalla no garantiza que una persona sepa qué hacer. Un modelo de incendio no reemplaza a bomberos, brigadistas ni defensa civil. La IA puede achicar el tiempo entre el dato y la acción, pero la calidad de esa acción depende de instituciones, entrenamiento y protocolos.
Por eso, cuando veo casos como el de Android en Venezuela, no me quedo únicamente con la tecnología. Me quedo con la pregunta de fondo: ¿qué pasa cuando millones de dispositivos cotidianos empiezan a formar parte de la infraestructura de seguridad pública?
La respuesta no es sencilla. Hay beneficios enormes, pero también preguntas sobre privacidad, dependencia de plataformas privadas, cobertura desigual, conectividad, acceso a teléfonos actualizados y coordinación con organismos estatales. En zonas rurales, por ejemplo, el sistema puede ser menos efectivo porque necesita densidad de dispositivos y conectividad. En sismos muy cercanos al epicentro, directamente puede no haber tiempo suficiente para avisar.
Ahí vuelve una frase que para mí aplica a casi todo en inteligencia artificial: con la IA, todo depende. Depende del contexto, de los datos, de la infraestructura, del diseño del sistema y de cómo se integra en la vida real.
La tecnología que sirve es la que se entiende
El gran aprendizaje de este caso no es que el celular “adivina” terremotos. El aprendizaje real es mucho más potente: cuando combinamos sensores distribuidos, IA, conectividad y diseño de alertas, podemos convertir objetos cotidianos en infraestructura colectiva.
Eso cambia la forma de pensar la prevención. Ya no hablamos solamente de grandes centros de monitoreo, aunque siguen siendo fundamentales. También hablamos de redes híbridas donde cada teléfono, cámara, satélite o sensor puede aportar una pequeña señal; y cuando esas señales se ordenan, el sistema puede ver algo que una persona aislada jamás vería a tiempo.
Para mí, ese es uno de los usos más valiosos de la inteligencia artificial: no reemplazar la realidad con promesas futuristas, sino leerla mejor, antes y a escala. La IA bien aplicada no es una bola de cristal. Es más parecida a un tablero de control que ilumina señales críticas antes de que el daño sea irreversible.
En catástrofes naturales, unos segundos pueden parecer poco desde la comodidad de una oficina. En la vida real, pueden ser la diferencia entre estar al lado de una ventana o haberse movido. Entre seguir en una escalera o bajar. Entre no entender qué pasa o reaccionar.
Y ese es el punto: la inteligencia artificial no tiene que ser mágica para ser transformadora. A veces, alcanza con que llegue unos segundos antes.
