Cómo la IA revolucionará la defensa contra incendios

Los incendios forestales están aumentando en número e intensidad, y causando más daños. Durante el primer semestre del año pasado, los daños en Estados Unidos ascendieron a 101 000 millones de dólares, incluyendo la pérdida de centrales eléctricas, hospitales, sistemas de comunicaciones y sistemas de suministro de agua. 

Contamos con un número suficiente de bomberos capacitados, pero la tecnología actual simplemente no es suficiente para manejar los niveles de peligro que vemos en los incendios actuales. 

El problema

La cantidad de incendios y la superficie quemada son asombrosas. El Centro para la Filantropía en Desastres dice que “hasta el 21 de agosto de 2025, más de 3,997,080 acres se han quemado en los EE. UU. este año, en 44,470 incendios”.

Estos incendios forman parte de una tendencia más amplia en la que observamos un mayor riesgo de incendio y pérdidas. Los cambios en los patrones de incendios están causando graves problemas para el clima, nuestros edificios y carreteras, la salud pública y nuestra economía. 

Sorprendentemente, a pesar del mayor riesgo para la seguridad personal y la economía, las herramientas que utilizamos para combatirlos no han cambiado en más de cincuenta años.

Operaciones de extinción de incendios: una introducción

Las operaciones de extinción de incendios son complejas y requieren la participación de múltiples niveles. El primero: el bombero en primera línea —y puede haber varios— que utiliza mangueras y boquillas para distribuir el agua. Un batallón se compone de un grupo de camiones cisterna, supervisado por el jefe del batallón, quien asigna los recursos. El último nivel es el centro de control principal, que puede enviar varios batallones a combatir un incendio e incluso solicitar el apoyo de aeronaves de extinción de incendios cuando sea necesario.

Sin embargo, los operadores de bombas aún determinan la presión del agua manualmente, y las boquillas continúan distribuyendo un flujo irregular. Esto se traduce en desperdicio de agua, fatiga, menor eficacia en la extinción del incendio y mayor riesgo de lesiones debido a picos irregulares de presión del agua.

Además, este método obsoleto no produce ningún dato, lo que deja a los jefes de bomberos en la oscuridad sobre el desempeño de sus equipos y si sus esfuerzos de extinción están funcionando.

La extinción manual de incendios y sus desafíos

Los modelos actuales de extinción de incendios presentan limitaciones significativas, ya que se basan en cálculos manuales en situaciones de alta presión: los bomberos carecen de información sobre los caudales ideales; y el personal de mando distribuye los recursos sin un análisis preciso del comportamiento del incendio ni de los niveles de suministro de agua. Sin herramientas predictivas, es exponencialmente más difícil mantenerse al día con las nuevas amenazas. 

El eslabón perdido solo con hardware

Históricamente, la atención en los equipos contra incendios se ha centrado en su mecánica y su funcionamiento, más que en su inteligencia. En consecuencia, los operadores de bombas debían ajustar la presión manualmente mientras monitoreaban simultáneamente los manómetros en situaciones críticas. Sin conocimiento del caudal ni del rendimiento de las boquillas, los bomberos se ven obligados a comprender mentalmente la compleja dinámica de fluidos mientras se encuentran frente a un incendio descontrolado.

Un modelo mejorado: Predictivo, conectado, autónomo

Los datos son fundamentales, especialmente en la extinción de incendios; ofrecen detalles clave sobre el caudal y la presión de agua de cada motor; los niveles de agua disponibles; las mangueras utilizadas; y la eficacia de la aplicación del agua. Si bien estos datos son útiles para los jefes de batallón en situaciones complejas, ya no son suficientes. 

Entrar análisis prescriptivoSe utilizan en mapas de combustible, SIG y aplicaciones meteorológicas, y pueden ofrecer información crucial con antelación, como alertar a los bomberos sobre la escasez de agua; la probabilidad de fallo del equipo; y ofrecer estimaciones sobre la posible propagación del incendio según las estrategias actuales. Los departamentos de bomberos pueden prepararse con antelación en lugar de simplemente reaccionar ante las emergencias.

En el futuro, la analítica prescriptiva sugerirá maneras de utilizar los recursos eficazmente. El aprendizaje por refuerzo ayudará a los sistemas a determinar las mejores posiciones para cada motor, los caudales adecuados y la manera más rápida de extinguir un incendio con el mínimo consumo de agua. Basándonos en datos históricos, creemos que la analítica prescriptiva podría reducir el consumo de agua en un 50 % y duplicar la eficacia de las labores de extinción de incendios. 

Cambiar la forma en que respondemos a los incendios: predecir, desplegar y suprimir

Los equipos tradicionales de extinción de incendios ya no son suficientes. Los datos lo están cambiando todo, y un nuevo enfoque para la extinción de incendios... predecir, desplegar, suprimir – transformará la forma en que combatimos los incendios. 

Predecir: De reactivo a proactivo

Esta etapa transforma la respuesta ante incendios: de reaccionar ante la emergencia a prepararse con antelación. Al utilizar la información de sistemas conectados, pasamos de simplemente consultar datos históricos a obtener información en tiempo real.

• Los modelos inteligentes de IA estudian los cambios de presión y el flujo de fluidos en los sistemas hidráulicos del motor. Esto reemplaza el cálculo mental que realizan los operadores de bombas con cálculos precisos basados ​​en la física. 

• La previsión de recursos ayuda a predecir cuándo se agotará el agua de un motor. Al observar la velocidad con la que se consume el agua, los comandantes pueden saber con antelación cuándo necesitan encontrar fuentes de agua adicionales, antes de que el tanque se agote. 
• Los algoritmos de mantenimiento predictivo ayudan a identificar problemas en los equipos, como la rotura de un sello o una válvula en una bomba, semanas antes de que provoquen una avería durante la respuesta a un incendio. Esto ayuda al personal de respuesta a emergencias a evitar problemas ocultos que suelen debilitar los sistemas tradicionales.

Desplegar: Respuesta inmediata

La fase de "despliegue" utiliza los datos recopilados en la fase de "predicción" para generar una respuesta inmediata. Actúa como el principal centro de control en el lugar del incendio, unificando las partes que históricamente trabajaban de forma aislada.  

• La asignación dinámica de recursos implica que componentes como el caudal de agua, la presión y la boquilla se modifican en tiempo real para adaptarse a las necesidades durante un incendio. Cuando un incendio se propaga, el sistema puede sugerir o ajustar automáticamente la presión para proporcionar la fuerza necesaria para extinguirlo.
• Una capa de soporte de decisiones reduce el considerable esfuerzo mental necesario para los cálculos manuales. En situaciones de rápida evolución, responde a la pregunta: "¿Dónde se necesita más el siguiente motor?". 
• El control adaptativo incorpora nueva información y permite que el sistema se ajuste rápidamente. Al cambiar el viento o al cerrar una manguera, la estrategia cambia en tiempo real para mantener la seguridad y la eficiencia.

Suprimir: Precisión de impacto

La información recopilada durante las etapas de “predicción” y “despliegue” se combina para apagar incendios de manera rápida y eficaz utilizando la menor cantidad de recursos. 

• Entrega mejorada: Esto cambia el enfoque tradicional de “rodear y ahogar”, que genera desechos y causa daños innecesarios, a proporcionar la cantidad adecuada de agua y presión necesarias para extinguir el incendio.  
• Retroalimentación en tiempo real: Los sensores miden el éxito de las medidas de supresión en función de los cambios de temperatura y la intensidad de la línea de fuego. El sistema de retroalimentación se reajusta y ofrece alternativas a los caudales de corriente o ángulos de ataque. 
• El proceso se controla mediante retroalimentación dentro de un sistema automatizado de circuito cerrado, que monitorea continuamente su propio rendimiento y se ajusta en consecuencia. En última instancia, el objetivo es mejorar la eficiencia y la precisión, garantizando que los esfuerzos para extinguir el incendio siempre se anticipen. 

El resultado final   

La recopilación de datos convierte al camión de bomberos de una máquina a un sistema inteligente que utiliza sensores, aprendizaje automático y análisis en tiempo real para proporcionar información estratégica crucial. Esto establece un nuevo nivel de conocimiento operativo y un sistema para la protección contra incendios moderna. 

Los bomberos pueden cambiar su forma de combatir incendios mediante el uso de datos e inteligencia artificial, lo que les permite medir su éxito y transformar los métodos de extinción de incendios.