Suena paradójico, pero la gestión de desastres y perturbaciones es una realidad. Los desastres y las perturbaciones son exactamente lo que sucede cuando ocurren eventos naturales catastróficos y, desafortunadamente, la situación actual del mundo parece estar empeorando el problema. Solo en 2021, Estados Unidos experimentó más de 15 eventos de desastres meteorológicos/climáticos con daños que superaron los mil millones de dólares.
En el pasado, hemos explorado diferentes aspectos de cómo la ciencia de datos y el aprendizaje automático se relacionan con los eventos naturales, desde la predicción del clima hasta el impacto del cambio climático en fenómenos extremos y la medición del impacto de la ayuda en casos de desastre. Sin embargo, AiDash se centra en algo distinto: ayudar a las empresas de servicios públicos y energía, así como a los gobiernos y ciudades, a gestionar el impacto de desastres naturales como tormentas e incendios forestales.
Nos conectamos con Abhishek Singh, cofundador y director ejecutivo de AiDash, para conocer más sobre su misión y enfoque, así como sobre su recién lanzado Sistema de Gestión de Desastres y Disrupciones (DDMS).
IA especializada en sectores
Singh se autodenomina un emprendedor en serie con múltiples éxitos empresariales. Originario de India, en 2005 fundó una de las primeras empresas de desarrollo de aplicaciones móviles a nivel mundial y posteriormente una empresa de tecnología educativa en 2011.
Tras fusionar su empresa de tecnología móvil con un integrador de sistemas, la empresa se hizo pública y Singh se trasladó a Estados Unidos. Con el tiempo, se dio cuenta de que los cortes de energía eran un problema en EE. UU. y los incendios forestales de 2017 marcaron un punto de inflexión para él.
Ese evento, junto con el avance de la tecnología satelital (Singh identificó 2018 como un año clave para esta tecnología), llevó a la creación de AiDash en 2020.
AiDash destaca que la tecnología satelital se ha consolidado como una herramienta viable. Cada año se lanzan más de 1.000 satélites que utilizan diversas bandas electromagnéticas, incluidas bandas multiespectrales y bandas de radar de apertura sintética (SAR).
La compañía emplea datos satelitales, junto con una variedad de otros datos, para crear productos basados en modelos predictivos de inteligencia artificial que permiten la preparación y asignación de recursos, evaluar los daños para determinar las necesidades de restauración, identificar los sitios accesibles y ayudar en la planificación de la recuperación.
AiDash recurre a múltiples fuentes de datos, incluidos datos meteorológicos para prever el curso y la intensidad de las tormentas, y datos de terceros o empresariales para conocer qué activos deben protegerse y dónde se encuentran.
También: La Ley de IA de la UE podría contribuir a lograr una IA confiable, según la Fundación Mozilla
Hasta ahora, los principales clientes de la empresa han sido las empresas de servicios públicos. Para ellas, situaciones comunes implican daños causados por la caída de árboles o inundaciones. La vegetación en general es un elemento crucial en los modelos de IA de AiDash, aunque no es el único.
Singh mencionó que AiDash ha desarrollado diversos modelos de IA para usos específicos, como un modelo de invasión, un modelo de salud de activos, un modelo de salud de árboles y un modelo de predicción de interrupciones. Estos modelos han requerido una gran experiencia en su desarrollo, siendo fundamental la contribución de profesionales como agrónomos y expertos en integridad de oleoductos, según explicó Singh.
"Esta es la diferencia entre un producto y una solución tecnológica. La IA es excelente, pero no lo suficiente si no está especializada en un sector; por lo tanto, el conocimiento específico se vuelve muy relevante. Contamos con un equipo interno cuyo conocimiento ha sido fundamental para construir estos productos e identificar cuáles variables son más relevantes que otras", afirmó Singh.
Comprensión de los árboles
Para ilustrar la aplicación del conocimiento sectorial, Singh mencionó la importancia de comprender los árboles. Explicó que más del 50% de las interrupciones durante una tormenta se deben a la caída de árboles. Por lo general, los postes no caen solos; en su mayoría, son los árboles los que caen sobre los cables, rompiéndolos o derribando los postes. Por esta razón, destacó que en este contexto, entender los árboles es más crucial que comprender el clima.
"Existen numerosas compañías meteorológicas. De hecho, colaboramos con ellas en lugar de competir. Utilizamos sus datos meteorológicos y consideramos que sus modelos de predicción meteorológica, que son bastante complejos, son efectivos. Sin embargo, los complementamos con el conocimiento sobre los árboles", explicó Singh.
Además, AiDash emplea datos y modelos sobre los activos que gestionan las empresas de servicios públicos, como información sobre qué componentes podrían dañarse en caso de caída de un rayo o cuándo se realizó la última revisión a los dispositivos. Esta información detallada y específica del sector es la que permite predicciones detalladas. ¿Qué tan detalladas?
"Conocemos cada uno de los árboles de la red. Conocemos cada uno de los activos de la red. Estamos al tanto de su historial de mantenimiento. Sabemos la salud de cada árbol. Ahora, podemos realizar predicciones cuando complementamos estos datos con la información meteorológica y el trayecto de la tormenta en tiempo real. No predecimos que Texas sufrirá daños, sino que anticipamos que una calle específica de una ciudad determinada experimentará ciertos daños", resaltó Singh.
Además del uso del conocimiento sectorial y una amplia gama de datos, Singh identificó otro factor clave para el éxito de AiDash: proporcionar la cantidad adecuada de información a las personas indicadas de la manera correcta. Todos los datos respaldan los modelos generados internamente y solo se revelan cuando es necesario, por ejemplo, para cumplir con regulaciones específicas.
En su mayoría, lo que ofrece AiDash son soluciones, no solo información, como señaló Singh. Los usuarios acceden al DDMS a través de una aplicación móvil y una aplicación web. Las aplicaciones móviles están diseñadas para utilizarse en el campo y también para validar las predicciones del sistema. Para quienes se encargan de la planificación, se proporciona un panel web que pueden utilizar para monitorear el estado en tiempo real.
También: H2O.ai incorpora capacidades de PNL de grandes maestros de IA a la empresa
El DDMS es la incorporación más reciente al conjunto de productos de AiDash, que incluye el Intelligent Vegetation Management System, el Intelligent Sustainability Management System, Asset Cockpit y Remote Monitoring and Inspection. Actualmente, el DDMS se enfoca en tormentas e incendios forestales, con planes de expansión hacia otras catástrofes naturales como terremotos e inundaciones, mencionó Singh.
Los planes de la empresa también implican ampliar su base de clientes a entidades gubernamentales. Según Singh, cuando se disponga de los datos de cierta región, podrán utilizarse para ofrecer soluciones a diferentes entidades. Algunos de estos servicios podrían proporcionarse de forma gratuita a entidades gubernamentales, especialmente en situaciones de desastre, ya que AiDash no incurre en costos adicionales.
AiDash tiene su sede en California y cuenta con 215 empleados distribuidos en oficinas en San José y Austin (Texas), Washington DC, Londres e India. La empresa tiene clientes en todo el mundo y ha experimentado un crecimiento significativo. Según lo compartido por Singh, el objetivo es salir a bolsa alrededor de 2025.