Hace un par de días, nos emocionábamos junto al meteorólogo John Morales, a quien se le saltaron las lágrimas en televisión (en concreto, en la NBC) mientras ofrecía sus predicciones sobre el huracán Milton, que terminaron por volverse virales.
Milton ha dejado 23 muertos en Florida.
No obstante, las previsiones también han permitido salvar incontables vidas y pertenencias y, según estudios recientes, también se relacionan con el ahorro de miles de millones de dólares, lo que demuestra la importancia de invertir en ciencia y tecnología.
Lo que ahorra una buena predicción
El pronóstico eficiente de huracanes es fundamental para los gobiernos, que organizan y planifican su respuesta, tanto antes de la llegada como tras el impacto de la tormenta.
Mateos García, trabajador de Google Deepmind, compartió un estudio reciente firmado por Renato Molina e Ivan Rudik en X (antes, Twitter), en el que se demuestra cómo hacer mejores pronósticos meteorológicos supone grandes ahorros para el presupuesto anual estadounidense.
En The Value of Improving Hurricane Forecasts [El valor social de los pronósticos de huracanes], los investigadores estiman que, entre 2007 y 2020, se dio un ahorro notable, que asciende a 5.000 millones de dólares por huracán, asociado tanto a los costes previos de preparación como a los daños posteriores gracias a los modelos de predicción.
En gran parte, el ahorro está relacionado con una asignación más eficiente de los fondos de emergencia, que dependen de predicciones (más precisas) sobre la velocidad del viento. Gracias a la tecnología, los errores en los pronósticos en el periodo de tiempo que ha analizado el estudio de Molina y Rudik se redujeron en un 50 %.
De igual modo, si los pronósticos subestiman la intensidad de las tormentas, los daños y el gasto gubernamental aumentan de manera considerable, mientras que la mejora en la precisión del pronóstico mantiene una reducción significativa de los costos, a nivel local y nacional.
Las bases del estudio
El estudio se centró en tormentas que se registraron como Categoría 3 o superior, o que, por lo menos, superaron los 20.000 millones de dólares en daños.
En este periodo (2007-2020), de los 29 huracanes, 18 cumplieron estos criterios y supusieron el 90 % de las muertes y de los principales daños a las propiedades públicas y privadas.
Para llevar a cabo el análisis, la investigación analizó los gastos de preparación previos al huracán a nivel de condado (esta información se recopiló del Programa de Asistencia Pública de FEMA) y los daños por huracanes a nivel de condado (SHELDUS, o Spatial Hazard Events and Losses Database).
Las principales conclusiones fueron que, en un condado en el cual se prevé que experimentará vientos huracanados recibe, en promedio, 30 millones de dólares más en fondos que uno donde se predicen vientos inferiores a fuerza de huracán.
Y, a la vez, si se mejora la precisión (es decir, se reducen las desviaciones estándar de los pronósticos sobre la velocidad del viento), hay una reducción de 30 millones de dólares en el gasto por huracán a nivel de condado.
Un ahorro muy, muy notable.
La reducción de errores en los pronósticos ha ido disminuyendo en 0,21 m/s año tras año (un 50 %, aproximadamente) en estos 14 años (2007-2020) y los costos en 700.000 dólares por condado o 5.000 millones por huracán: un 19 % menos de gasto total asociado a ayudas.
En conclusión, la importancia de predecir con precisión cómo afectará un huracán consigue ahorrar dinero y recursos, siendo la tecnología básica en esta área. Las reducciones en las pérdidas asociadas a estas mejoras superan con creces el gasto anual del gobierno en pronósticos meteorológicos. Por lo tanto, parece claro: invertir en modelos predictivos, IA y tecnología tiene, hoy, más sentido que nunca.