Cómo el IA Revolucionará la Defensa contra Incendios

Los incendios forestales están aumentando en número y intensidad, y están causando más daños. Durante la primera mitad del año pasado, los daños en EE. UU. aumentaron a $101 mil millones, incluyendo la pérdida de centrales eléctricas, hospitales, sistemas de comunicaciones y suministro de agua.

Tenemos suficientes bomberos capacitados, pero la tecnología actual no es suficiente para manejar los niveles de peligro que vemos en los incendios de hoy en día.

El problema

El número de incendios y la superficie quemada es abrumadora. El Centro de Filantropía para Desastres dice que “hasta el 21 de agosto de 2025, más de 3.997.080 acres han sido quemados en EE. UU. este año, en 44.470 incendios”.

Estos incendios son parte de una tendencia más amplia en la que vemos un aumento del riesgo de incendios – y pérdidas. Los patrones de incendios cambiantes están causando problemas graves para el clima, nuestros edificios y carreteras, la salud pública y nuestra economía.

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

Operaciones de combate de incendios: Un resumen

Las operaciones de combate de incendios son complejas y requieren la participación de múltiples niveles. El primero: el bombero en la línea del frente – y puede haber varios de ellos – utilizando mangueras y boquillas para distribuir el agua. Un batallón está compuesto por un grupo de motores, que es supervisado por el jefe del batallón que asigna recursos. El último nivel es el centro de control principal, que puede enviar varios batallones para combatir un incendio y incluso buscar apoyo de aviones de combate de incendios cuando sea necesario.

Sin embargo, los operadores de bombas aún determinan la presión del agua a mano, y las boquillas siguen distribuyendo un flujo de agua desigual. Eso se traduce en agua desperdiciada, fatiga, reducción de la efectividad para extinguir el incendio y un mayor riesgo de lesiones debido a la presión del agua inconsistente.

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

Combate de incendios manual y sus desafíos

Hay limitaciones significativas con los modelos actuales de supresión de incendios, porque dependen de cálculos manuales en situaciones de alta presión: los bomberos no tienen información sobre las tasas de flujo ideales; y el personal de mando distribuye recursos sin un análisis real del comportamiento del incendio o los niveles de suministro de agua. Sin herramientas predictivas, es exponencialmente más difícil mantenerse al día con las nuevas amenazas.

El eslabón perdido con solo hardware

El enfoque en el equipo de combate de incendios ha sido históricamente en la mecánica y cómo funciona en lugar de cuán “inteligente” era. En consecuencia, los operadores de bombas tenían que cambiar la presión manualmente mientras monitoreaban los medidores en situaciones críticas. Sin conocimiento de las tasas de flujo y el rendimiento de la boquilla, los bomberos se ven obligados a figurar complicadas dinámicas de fluidos en sus cabezas mientras están frente a un incendio desenfrenado.

Un modelo mejorado: Predictivo, conectado, autónomo

Los datos son fundamentales, especialmente cuando se trata de supresión de incendios; ofrecen detalles clave sobre el flujo de agua y la presión de cada motor; los niveles de agua disponibles; qué mangueras se están utilizando; y la eficacia de la aplicación del agua. Si bien estos datos son beneficiosos para los jefes de batallón en situaciones complicadas, ya no son suficientes.

Entonces, entran en juego las análisis prescriptivos. Se utilizan en mapas de combustible, GIS y aplicaciones meteorológicas y pueden ofrecer conocimientos críticos con anticipación, como alertar a los bomberos de que el agua se agotará; si el equipo es probable que falle; y ofrecer estimaciones de cómo puede propagarse el incendio según las estrategias actuales. Los departamentos de bomberos pueden prepararse con anticipación en lugar de simplemente reaccionar a las emergencias.

En el futuro, los análisis prescriptivos sugerirán formas de utilizar los recursos de manera efectiva. El aprendizaje por refuerzo ayudará a los sistemas a determinar las mejores posiciones para cada motor, determinar las tasas de flujo adecuadas y encontrar la forma más rápida de apagar un incendio mientras se utiliza la menor cantidad de agua. Según los datos históricos, creemos que los análisis prescriptivos podrían reducir el uso de agua en un 50% y duplicar la eficacia de los esfuerzos de supresión de incendios.

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

El equipo de combate de incendios tradicional ya no es suficiente. Los datos están cambiando todo, y un nuevo enfoque para el combate de incendios – predecir, desplegar, suprimir – transformará la forma en que combatimos los incendios.

Predecir: De reactivo a proactivo

Esta etapa cambia la respuesta al incendio de reaccionar a la emergencia a prepararse para ella con anticipación. Al utilizar la información de los sistemas conectados, pasamos de simplemente mirar los datos pasados a obtener conocimientos en tiempo real.

• Los modelos de inteligencia artificial inteligentes estudian los cambios de presión y el flujo de fluidos en los sistemas hidráulicos del motor. Esto reemplaza el “cálculo mental” que los operadores de bombas hacen ahora con cálculos precisos y basados en la física.

• La previsión de recursos ayuda a predecir cuándo un motor se quedará sin agua. Al mirar cómo se utiliza el agua, los comandantes pueden saber con anticipación cuándo necesitan encontrar fuentes de agua adicionales – antes de que el tanque se agote.
• Los algoritmos de mantenimiento predictivo ayudan a identificar problemas de equipo, como un sello de bomba roto o una válvula, semanas antes de que conduzcan a un fallo durante una respuesta a un incendio. Esto ayuda a los respondientes a evitar los problemas ocultos que a menudo debilitan los sistemas heredados.

Desplegar: Respuesta inmediata

La fase de “desplegar” utiliza los datos recopilados en la fase de “predecir” para crear una respuesta inmediata. Sirve como el centro de control principal en el lugar del incendio, unificando partes que históricamente trabajaban en silos separados.

• La asignación de recursos dinámica significa que componentes como el flujo de agua, la presión y la boquilla se cambian en tiempo real para coincidir con lo que se espera durante un incendio. Cuando un incendio crece, el sistema puede sugerir o cambiar automáticamente la presión para proporcionar la fuerza necesaria para extinguirlo.
• Una capa de apoyo a la decisión reduce el esfuerzo mental significativo necesario para los cálculos manuales. En situaciones que cambian rápidamente, aborda la pregunta: “¿Dónde es más necesario el próximo motor?”
• El control adaptativo incorpora nueva información y permite que el sistema se ajuste rápidamente. A medida que cambia el viento, o cuando se apaga una línea de manguera, la estrategia cambia en tiempo real para mantener la seguridad y la eficiencia.

Suprimir: Precisión de impacto

La información recopilada durante las fases de “predecir” y “desplegar” se combina para apagar los incendios de manera rápida y efectiva mientras se utiliza la menor cantidad de recursos.

• Entrega mejorada: Esto cambia el enfoque tradicional de “rodear y ahogar”, que genera desperdicio y causa daños innecesarios, para proporcionar la cantidad adecuada de agua y presión necesarias para extinguir el incendio.
• Retroalimentación en tiempo real: Los sensores miden el éxito de los esfuerzos de supresión en relación con los cambios de temperatura y la fuerza de la línea de incendio. El sistema de retroalimentación se readapta y ofrece alternativas a las tasas de flujo actuales o ángulos de ataque.
• El proceso está controlado a través de una retroalimentación dentro de un sistema de bucle cerrado automatizado, que monitorea continuamente su propio rendimiento y se ajusta según sea necesario. En última instancia, el objetivo es mejorar la eficiencia y la precisión al asegurarse de que los esfuerzos para apagar el incendio estén siempre por delante de él.

La parte inferior de la línea

Recopilar datos convierte el camión de bomberos en un sistema inteligente que utiliza sensores, aprendizaje automático y análisis en tiempo real para proporcionar conocimientos estratégicos críticos. Esto establece un nuevo nivel de conciencia operativa y un sistema para la protección contra incendios moderna.

Los bomberos pueden cambiar la forma en que combaten los incendios utilizando datos y IA, lo que les permite medir su éxito y transformar los métodos de supresión de incendios.