LA INFLUENCIA Y OPTIMIZACIÓN DE LA COMUNICACIÓN DE RIESGOS Y DESASTRES EN MEDIOS DIGITALES A TRAVÉS DE LA INTELIGENCIA ARTIFICIAL: ESTADO DE LA CUESTIÓN, AVANCES Y PERSPECTIVAS FUTURAS

JUSTIFICACION DE LA INVESTIGACION

 

 

DOCTORADO EN GESTION INTEGRAL DE RIESGO

UNIVERSIDAD DUCENS

Doctorante Jose Rafael Moya Saavedra

 

Índice

1.- Introducción

1.1. Contextualización y relevancia del tema

1.2. Objetivos generales y específicos

2.- Justificación de la Investigación

2.1. Justificación Personal

2.2. Justificación Académica

2.3. Justificación de Impacto Social

3.- Antecedentes de la Investigación

3.1. Inicios y Primeros Avances (Década de 1990)

3.2. Emergencia del Machine Learning (Principios de 2000)

3.3. Avances con Big Data y Modelos Predictivos (2010-2014)

3.4. Integración en Redes Sociales y Primeros Chatbots (2015-2017)

3.5. Consolidación del Deep Learning y Sistemas de Alerta Temprana (2018-2019)

3.6. Nuevos Retos y Expansión de la IA (2020-2024)

4.- Conclusión

5.- Bibliografía

 

 

Título de la Investigación:

"La Influencia y Optimización de la Comunicación de Riesgos y Desastres en Medios Digitales a través de la Inteligencia Artificial: Estado de la Cuestión, Avances y Perspectivas Futuras"

 

1. Introducción

1.1.- Contextualización: La gestión de desastres siempre ha sido un área crítica en la seguridad pública, donde la rapidez y claridad en la comunicación pueden marcar la diferencia entre salvar vidas o sufrir consecuencias catastróficas. Tradicionalmente, los métodos de elaboración y difusión de alertas –como avisos, advertencias y notificaciones (AWN)– han dependido de procesos manuales y convencionales, limitados en cuanto a tiempo, precisión y capacidad de personalización. Sin embargo, la creciente frecuencia e intensidad de desastres, impulsada en parte por el cambio climático, ha generado una demanda urgente de soluciones más efectivas.

En este contexto, la inteligencia artificial (IA) se posiciona como una herramienta revolucionaria que no solo mejora la predicción y el monitoreo de fenómenos naturales, sino que también optimiza la comunicación de emergencias. Estudios recientes, como el de Reichstein et al. (2025), han demostrado que la integración de IA en sistemas de alerta temprana puede transformar la forma en que se anticipan y responden los desastres, mientras que investigaciones lideradas por Camps-Valls (2025) subrayan el potencial de modelos avanzados para procesar datos en tiempo real y generar alertas personalizadas. La capacidad de estos sistemas para integrar múltiples fuentes de información y producir mensajes de alerta casi instantáneos permite a los administradores de emergencias tomar decisiones más informadas y rápidas, aspecto fundamental en situaciones de crisis.

1.2.- Objetivo General:

Investigar la influencia y optimización de la comunicación de riesgos y desastres en medios digitales a través de la integración de la inteligencia artificial, para mejorar la rapidez, precisión y personalización de las alertas y, en consecuencia, la respuesta ante emergencias.

Objetivos Específicos:

1.    Analizar el estado de la cuestión: Revisar y sintetizar la evolución histórica y el desarrollo de la IA en la comunicación de desastres, identificando avances, brechas y desafíos existentes.

 2.    Identificar y describir tecnologías clave: Examinar los sistemas de alerta temprana, modelos predictivos, herramientas de monitoreo (como drones inteligentes y sensores IoT) y chatbots, y determinar cómo se integran en la gestión de emergencias.

3.    Evaluar beneficios y desafíos: Investigar los beneficios que ofrece la IA –reducción de tiempos de respuesta, personalización de alertas y coordinación de recursos– y analizar los desafíos técnicos y éticos asociados (por ejemplo, calidad de datos, sesgo algorítmico y necesidad de coordinación interinstitucional).

4.    Proponer estrategias de optimización: Sugerir mejoras y líneas de acción para optimizar la implementación de la IA en la comunicación de riesgos, considerando las particularidades culturales y tecnológicas de las comunidades vulnerables.

5.    Realizar un análisis comparativo regional: Comparar el nivel de integración y los desafíos en la aplicación de tecnologías de IA en la comunicación de desastres en México con otros países de América Latina, para identificar buenas prácticas y oportunidades de colaboración regional.

6.    Contribuir al debate académico y a la práctica: Aportar nuevos conocimientos teóricos y metodológicos que enriquezcan la literatura existente y proporcionen herramientas prácticas para mejorar la comunicación de emergencias en medios digitales.

 2. Justificación de la Investigación

La investigación se plantea para abordar un problema crítico: la ineficacia de los métodos tradicionales de comunicación de alertas en situaciones de emergencia. Ante la creciente frecuencia e intensidad de desastres, impulsada en parte por el cambio climático, es imperativo contar con sistemas de alerta temprana que sean rápidos, precisos y personalizados. La integración de la inteligencia artificial (IA) en los medios digitales ofrece el potencial de transformar la comunicación de riesgos, mejorando la respuesta ante emergencias y, en consecuencia, salvando vidas.

2.1.- Dimensión Personal:

Personalmente, este estudio surge de mi compromiso con la mejora de la comunicación en situaciones de crisis. He sido testigo de casos en los que la comunicación no fue efectiva ni oportuna, como ocurrió durante el huracán Otis en Acapulco, México, y en eventos internacionales como la DANA en Valencia. Estas situaciones han evidenciado la necesidad urgente de innovar en los sistemas de alerta, y me motivan a explorar cómo la integración de modelos avanzados de IA puede optimizar la generación de alertas y mejorar la respuesta en emergencias.

2.2.- Dimensión Académica:

Desde el ámbito académico, la investigación se justifica por el vacío existente en la literatura respecto a la aplicación de la IA en la comunicación de riesgos a través de medios digitales. Investigaciones recientes (Reichstein et al., 2025; Camps-Valls, 2025) han demostrado avances en sistemas de alerta temprana y modelos predictivos, pero aún es necesario profundizar en cómo estos avances se pueden alinear con la creación de mensajes que sean precisos, personalizados y capaces de superar barreras lingüísticas y tecnológicas. Asimismo, este estudio explora la posibilidad de analizar respuestas comunitarias pasadas a desastres para diseñar estrategias específicas que mejoren la preparación ante futuros eventos, atendiendo las particularidades culturales y tecnológicas de cada región.

2.3.- Dimensión de Impacto Social:

El impacto social de esta investigación es significativo. La optimización de la comunicación de desastres mediante la IA puede reducir drásticamente los tiempos de respuesta, mejorar la coordinación interinstitucional y facilitar la asignación eficiente de recursos, lo cual es vital para la seguridad y resiliencia de las comunidades vulnerables. Además, al adaptar los mensajes de alerta a las necesidades específicas de cada comunidad (considerando idioma, dialectos y acceso a tecnología), se pueden mitigar los efectos de la desinformación y el pánico en situaciones de emergencia.

El desarrollo de esta investigación es importante porque:

Aporta Innovación Tecnológica: explora cómo la IA puede integrar y optimizar la comunicación de riesgos en medios digitales, abriendo nuevas posibilidades para sistemas de alerta temprana.

Contribuye al Conocimiento Académico: llena un vacío en la literatura, proporcionando nuevos conocimientos teóricos y metodológicos sobre la aplicación de la IA en la gestión de emergencias.

Genera Impacto Social: propone soluciones prácticas para mejorar la seguridad pública y fortalecer la resiliencia de las comunidades ante desastres, adaptando la comunicación a contextos locales y superando barreras existentes.

3. Antecedentes de la Investigación

Los antecedentes constituyen la base teórica que respalda el objeto de estudio y demuestran la evolución de la IA en la gestión de desastres. A continuación, se presenta un resumen de los hitos más relevantes:

3.1.- Inicios y Primeros Avances (Década de 1990): durante los años 90 se realizaron los primeros estudios pioneros en análisis computacional aplicados a la gestión de desastres. Aunque la "inteligencia artificial" en su forma moderna aún no estaba desarrollada, se efectuaron investigaciones en pronósticos meteorológicos y análisis geoespaciales, lo que permitió identificar patrones para anticipar eventos críticos.

3.2.- Emergencia del Machine Learning (Principios de 2000): la aparición de algoritmos de machine learning posibilitó la implementación de modelos básicos para predecir riesgos naturales a partir de datos históricos. Este fue el inicio del uso sistemático de técnicas de IA en la prevención de desastres.

3.3.- Avances con Big Data y Modelos Predictivos (2010-2014): el acceso a grandes volúmenes de datos y el perfeccionamiento de algoritmos de aprendizaje automático permitieron desarrollar sistemas integrados de comunicación de riesgos, facilitando la clasificación y transmisión ágil de información crítica.

3.4.- Integración en Redes Sociales y Primeros Chatbots (2015-2017): el auge de las redes sociales impulsó la aplicación de técnicas de procesamiento de lenguaje natural, permitiendo filtrar y analizar información en tiempo real. Se implementaron los primeros chatbots, lo que mejoró la inmediatez y precisión en la comunicación de emergencias.

3.5.- Consolidación del Deep Learning y Sistemas de Alerta Temprana (2018-2019): la incorporación de modelos de deep learning potenció la capacidad predictiva de los sistemas de alerta temprana, integrando datos de redes sociales, sensores y satélites para gestionar emergencias de forma más eficaz (Murphy, 2019).

3.6.- Nuevos Retos y Expansión de la IA (2020-2024): la pandemia de COVID-19 aceleró el uso de tecnologías de IA en contextos de emergencia, extendiendo su aplicación a áreas de salud y desastres naturales. La adopción de herramientas de IA generativa, como ChatGPT, ha permitido una comunicación personalizada y el análisis en tiempo real de datos multifuente, abriendo el camino hacia una alerta temprana global e inclusiva (Guidehouse, 2024).

La evolución de la IA en la gestión de desastres abarca desde enfoques rudimentarios en los años 90 hasta sistemas sofisticados que combinan deep learning, Big Data y comunicación automatizada. A pesar de estos avances, persiste una brecha en la optimización de la comunicación de riesgos en medios digitales, en especial en la personalización de alertas y la adaptación a contextos locales con diferencias de idioma, dialectos y acceso tecnológico. Este vacío teórico y práctico constituye el punto de partida para la presente investigación, que busca enriquecer el conocimiento existente y proponer soluciones innovadoras.

4.- Conclusión

La integración de la inteligencia artificial en la comunicación de desastres representa un cambio de paradigma fundamental en la forma en que las sociedades se preparan y responden a emergencias. Este estudio, fundamentado en la evolución histórica y en los desarrollos tecnológicos actuales, se justifica por su relevancia personal, académica y su impacto social. La investigación pretende llenar un vacío en la literatura y ofrecer soluciones prácticas que optimicen la generación y difusión de alertas en medios digitales, fortaleciendo la seguridad pública y la resiliencia de las comunidades ante desastres.

 Bibliografía

Camps-Valls, G., et al. (2025). [Título del trabajo]. [Detalles de publicación].

Guía. (2024). Aprovechar la IA con alertas y advertencias de emergencia. Recuperado de https://guidehouse.com/insights/defense-and-security/2024/harnessing-ai-with-emergency-alerts-and-warnings

Murphy, A. (2019). Inteligencia Artificial en la Respuesta a Desastres: Oportunidades y Desafíos. Revista de Gestión de Emergencias, 17(3), 201–211.

Reichstein, M., Benson, V., Blunk, J., et al. (2025). Alerta Temprana de Riesgo Climático Complejo con Inteligencia Artificial Integrada. Nature Communications, 16, artículo 2564.

NOTA: la  justificación de la investigación, elaborado en función de los criterios y puntos expuestos en las lecturas de Marícela Dzul Escamilla y Sergio Chavarría Puga