En el mes de julio, la Cámara de Comercio de Pontevedra, Vigo y Vilagarcía de Arousa entregó el IV Premio Cámara de Comercio – Ence a la Innovación Forestal a la compañía Wildfire Sentinel. La empresa ha desarrollado un dispositivo con el que, a través de la Inteligencia Artificial (IA) y el Internet de las cosas (IoT) detecta incendios mediante el olor. Hablamos con su CEO, Jorge Cajiao, para conocer de cerca las prestaciones de este dispositivo.
WILDFIRE SENTINEL HA DESARROLLADO UN SISTEMA QUE EMPLEA LA IA PARA DETECTAR INCENDIOS FORESTALES MEDIANTE EL OLOR. ¿CÓMO FUNCIONA ESTA NARIZ ARTIFICIAL?
La «nariz electrónica» de Wildfire Sentinel es mucho más que un sensor capaz de detectar partículas en el aire; detrás de ella hay un proceso de entrenamiento crucial que representa uno de los mayores retos que nos hemos enfrentado. Entrenar a un pequeño ordenador, con un sensor que llamamos nariz electrónica, para que reconozca el olor de un incendio fue un desafío enorme. ¿Cómo le enseñas a una máquina a detectar algo tan subjetivo y humano como el olor? Ahí es donde entra en juego. nuestra inteligencia artificial (IA), que interpreta esos datos y transforma la información en algo tan instintivo como lo que. sentimos cuando, al caminar por la calle, reconocemos el olor a incendio, quien no ha vivido esa situación tan evidente, incluso a kilómetros de distancia.
Nuestra tecnología sigue ese mismo principio: los sensores detectan compuestos específicos en el aire, pero la magia ocurre cuando la IA, basada en un exhaustivo proceso de entrenamiento, aprende a identificar esos patrones que indican un incendio. en sus fases más tempranas. Hemos dedicado mucho tiempo y recursos a entrenar a nuestra IA en distintos entornos.. simulados y reales, enseñándole a distinguir entre una variación ambiental normal y los primeros signos de combustión en. una masa forestal.
Este método permite a la «nariz electrónica» reconocer el peligro antes de que sea evidente para otros sistemas tradicionales. Y lo hace de una forma que podríamos comparar con esa sensación que todos hemos tenido al notar el característico olor a. humo antes de que se pueda ver el fuego. El sistema no solo «huele» el incendio, sino que interpreta esos datos de manera precisa para generar alertas tempranas que ofrecen una ventaja crítica a los equipos de emergencia.
Lo que hace especial a nuestra tecnología, no es solo la capacidad de «oler», sino la inteligencia detrás de ese proceso. Transformamos los datos en información clave, permitiendo una respuesta rápida que puede marcar la diferencia entre controlar un pequeño fuego o enfrentar un desastre, y así proteger vidas y el medioambiente.
¿SE TRATA DE LA PRIMERA TECNOLOGÍA DE ESTAS CARACTERÍSTICAS EN ESPAÑA Y EUROPA?
Nuestra tecnología no es la primera en especializarse en la detección de incendios en España o Europa, pero Wildfire Sentinel sí es pionera en un enfoque muy específico: la detección mediante el olor, complementada por un potente componente de inteligencia artificial (IA). En los últimos años, han surgido proyectos sólidos que utilizan tecnologías como el reconocimiento por visión satelital, cámaras térmicas, o el análisis de la calidad del aire para detectar incendios en áreas forestales. Todas. estas soluciones han aportado avances importantes, y recientemente hemos visto otras startups y universidades explorando enfoques similares, aunque no idénticos al nuestro.
Lo que hace especial a nuestra solución es que no solo tiene la capacidad de «oler» a través de sensores especializados, sino que también reconoce e interpreta esos olores. Aquí es donde la inteligencia artificial juega un papel crucial. Detectar. compuestos en el aire es posible gracias a la tecnología de sensores, pero lo verdaderamente disruptivo es la capa de IA que hemos desarrollado. Esta nos permite interpretar los datos y determinar si el olor detectado corresponde a un incendio en su fase inicial o simplemente a una variación ambiental.
«Wildfire Sentinel sí es pionera en un enfoque muy específico: la detección mediante el olor, complementada por un potente componente de inteligencia artificial (IA)».
Este proceso no ocurre automáticamente. Detrás de nuestra IA hay un modelo de Machine Learning que hemos entrenado exhaustivamente para que el sistema aprenda a identificar con precisión el olor de un incendio. Este entrenamiento ha sido uno de los elementos más complejos y críticos en el desarrollo de nuestra tecnología, requiriendo mucha investigación y pruebas para perfeccionarlo. Lo interesante es que, a medida que el sistema se utiliza más, la IA sigue aprendiendo y mejorando, lo que incrementa su precisión con el tiempo.
La combinación de IoT (Internet de las Cosas) con inteligencia artificial, lo que llamamos AIoT, es una tendencia emergente que promete transformar muchos sectores, incluido el de las emergencias. Aunque muchas empresas están comenzando a explorar este campo, sigue siendo un área en fase incipiente. Son pocos los proyectos que han logrado combinar estas tecnologías de manera efectiva. Nosotros hemos asumido este desafío y estamos desarrollando una solución única, que no solo tiene impacto a nivel local, sino que tiene un potencial de impacto global. La capacidad de crear un sistema que «huela» un incendio y aprenda de cada interacción es el futuro de la monitorización ambiental y de la detección temprana.
¿A QUÉ MÉTODOS SE RECURREN PARA EDUCAR A UNA IA CON ESTA FINALIDAD?
Para educar a la IA con el fin de que detecte incendios mediante el olor, utilizamos un proceso de Machine Learning que es similar a cómo aprendemos a identificar sabores en la vida cotidiana. Imagínate que estás aprendiendo a reconocer el sabor de la sal: primero tienes que probar la sal pura para familiarizarte con su esencia, antes de poder identificarla cuando está mezclada con otros ingredientes en una comida compleja. Así es como enseñamos a nuestra IA a «oler» un incendio.
Comenzamos por entrenar la IA en entornos controlados, para ello hemos desarrollado lo que denominamos nuestro “túnel de viento”. Aquí, recreamos las condiciones iniciales de un incendio en su estado más puro, donde la IA puede captar de manera precisa lo que llamamos el «olor característico» del fuego en su fase más temprana. Este paso es crucial, porque en este entorno la IA aprende exactamente a qué «huele» un incendio sin otras distracciones o interferencias. Es como ofrecerle a la IA la «sal pura» para que la identifique sin ningún otro sabor que la confunda.
“Para educar a la IA con el fin de que detecte incendios mediante el olor, utilizamos un proceso de Machine Learning que es similar a cómo aprendemos a identificar sabores en la vida cotidiana”.
Una vez que la IA ha aprendido a identificar este «olor puro», pasamos a un segundo nivel de entrenamiento, en lo que llamamos un “túnel de fuego”, exponiéndola a entornos más complejos, donde existen muchos otros «matices» o señales ambientales que podrían interferir, como la vegetación, el viento o incluso otras emisiones naturales. En este punto, la IA debe aprender a diferenciar entre lo que realmente indica el inicio de un incendio y lo que no. Este proceso de filtrado y. reconocimiento de patrones es clave para garantizar que el sistema no emita falsas alarmas y que sea lo suficientemente. preciso como para detectar un incendio real en un entorno lleno de distracciones.
Este proceso de enseñanza requiere mucho tiempo y esfuerzo, ya que la IA no solo debe aprender a detectar el olor del. incendio en situaciones ideales, sino que también tiene que ser capaz de hacerlo en el mundo real, donde las condiciones. siempre cambian. Por ejemplo, si en algún momento el aire tiene más humedad o hay partículas en suspensión, la IA debe ser capaz de distinguir que esos factores no representan un peligro, y eso lo logra con la experiencia acumulada durante su. entrenamiento.
Lo interesante es que el aprendizaje de la IA no se detiene. A medida que desplegamos más dispositivos en el terreno y recolectamos más datos, la IA sigue aprendiendo. Con cada nueva detección, nuestro sistema se vuelve más inteligente y preciso, mejorando continuamente su capacidad para identificar incendios a medida que más situaciones se incorporan a su aprendizaje. Esto es lo que hace que nuestra tecnología no solo sea innovadora, sino evolutiva, ya que se adapta y mejora con el tiempo, brindando una solución cada vez más eficaz para la protección de nuestros bosques y comunidades.
ESTE VERANO SE HAN DESARROLLADO PRUEBAS PILOTO EN VARIAS LOCALIZACIONES DE GALICIA. ¿CUÁLES HAN SIDO LOS RESULTADOS?
Desde mediados de 2023, hemos estado llevando a cabo pilotos sectorizados en diferentes localizaciones para probar y perfeccionar varios aspectos críticos de nuestro sistema. Estas pruebas iniciales se centraron en áreas específicas como la detección temprana de incendios, la eficiencia energética, la comunicación entre sensores y la resistencia de los dispositivos a las condiciones ambientales extremas. Durante esta fase, el enfoque ha sido asegurar que cada componente funcione de manera óptima en entornos controlados antes de pasar a pruebas más integrales.
A lo largo de ese tiempo, hemos ido ampliando progresivamente el alcance de las pruebas. Primero, con pilotos que evaluaban aspectos individuales, como la capacidad de los dispositivos para operar con bajo consumo energético o la fiabilidad de la transmisión de datos en zonas remotas. Este enfoque escalonado nos permitió optimizar el sistema en cada una de sus partes.
Finalmente, durante el verano de 2024, comenzamos con los test de flujo completo, donde todo el sistema trabaja de manera integrada, desde la detección hasta la generación de alertas en tiempo real. Estos primeros ensayos de flujo completo han sido un gran éxito, lo que nos ha dado la confianza para avanzar a la siguiente fase. Actualmente, estamos extendiendo estos pilotos a casos más complejos y en mayor escala, con planes para continuar durante la primera mitad de 2025, incluso evaluando la posibilidad de realizar pilotos internacionales.
Ahora que hemos alcanzado la fase de flujos completos, estamos trabajando en diferentes escenarios de uso, como la protección perimetral de masas forestales, la monitorización de rutas de ocio que atraviesan áreas boscosas, la protección de infraestructuras críticas como redes eléctricas, y la vigilancia de zonas forestales cercanas a núcleos urbanos. Este enfoque nos permitirá validar la versatilidad de nuestra tecnología y demostrar su eficacia en la prevención y gestión de incendios en una variedad de situaciones críticas.
¿CÓMO PUEDEN APOYARSE LOS PROFESIONALES DE EMERGENCIAS EN ESTE SISTEMA?
El sistema de Wildfire Sentinel puede convertirse en una herramienta clave para los profesionales de emergencias, ofreciendo alertas tempranas y una monitorización constante en tiempo real que va mucho más allá de lo que las tecnologías tradicionales pueden proporcionar. Uno de los mayores beneficios es que colocamos sensores directamente sobre el terreno, lo que nos permite captar datos precisos y actualizados sobre las condiciones ambientales de forma continua. Esto es fundamental para los equipos de emergencia, ya que no solo reciben una alerta cuando se detecta un incendio, sino que también cuentan con una imagen completa del estado del entorno en todo momento.
Una de las limitaciones de otras tecnologías, como las cámaras o las imágenes satelitales, es que muchas veces solo proporcionan una visión de lo que está ocurriendo en la superficie, sin la capacidad de monitorear en detalle lo que está pasando «al nivel del suelo». Wildfire Sentinel, en cambio, digitaliza las masas forestales al tener sensores en ubicaciones estratégicas que recopilan información esencial, como la humedad, la temperatura y otros indicadores críticos que permiten a los equipos de emergencia anticipar riesgos. Esto no solo les ayuda a actuar de forma más proactiva, sino también a predecir posibles incidentes antes de que se conviertan en problemas mayores.
«Uno de los mayores beneficios es que colocamos sensores directamente sobre el terreno, lo que nos permite captar datos precisos y actualizados sobre las condiciones ambientales de forma continua».
Nuestro sistema no solo detecta incendios, sino que también está diseñado para ampliarse fácilmente a medida que crecen las necesidades. Podemos integrar un número creciente de sensores de bajo consumo, que se comunican de manera robusta entre sí, proporcionando una red extensa y confiable que cubre áreas más grandes con cada nuevo despliegue. Además, gracias a la inteligencia artificial, el sistema es capaz de adaptarse a cada caso de uso, analizando los datos en tiempo real y ajustando las alertas en función de las características específicas del terreno, la vegetación y las infraestructuras.
Por supuesto, la detección temprana es uno de los pilares fundamentales de nuestra solución. En un incendio forestal, cada segundo cuenta, y con Wildfire Sentinel, los equipos de emergencia pueden recibir alertas en la fase más temprana posible, cuando el incendio todavía está en una etapa incipiente. Esto marca la diferencia entre un simple susto y un desastre natural de gran magnitud. Con nuestra tecnología, no solo se gana tiempo para actuar, sino que se mejora la gestión del riesgo a largo plazo, permitiendo a los profesionales de emergencias trabajar de forma más eficiente y con información precisa y en tiempo real.
¿LA NARIZ ARTIFICIAL PODRÍA ADAPTARSE PARA DETECTAR INCENDIOS MÁS ALLÁ DE LOS MONTES?
La «nariz electrónica» de Wildfire Sentinel tiene un gran potencial para adaptarse a la detección de incendios en diversos entornos más allá de los montes. Aunque la detección temprana de incendios forestales es uno de nuestros principales casos de uso, ya estamos explorando nuevas aplicaciones que abarcan no solo la detección de fuego, sino también la gestión de otras emergencias.
Estamos trabajando intensamente en la monitorización continua, con el objetivo de ser un gran apoyo en el cálculo de los índices de riesgo de incendios. Además, estamos añadiendo nueva sensórica para complementar los datos existentes, ofreciendo información adicional que cubra otros casos de uso. Esto no solo mejora la detección temprana, sino que refuerza nuestra capacidad para proporcionar una visión más completa del entorno, ayudando a prevenir incendios y gestionar los riesgos de forma más eficiente.
También estamos aplicando nuestra tecnología en la protección de infraestructuras críticas, como plantas industriales o redes energéticas, donde los incendios, aunque no sean de origen forestal, representan riesgos significativos. En estos entornos, la detección temprana es clave para evitar daños mayores. Ya hemos iniciado pilotos en áreas industriales, ajustando nuestros sensores y la IA para adaptarnos a las características específicas de estos incendios.
La flexibilidad de nuestra tecnología es uno de sus grandes atributos: puede adaptarse a diferentes entornos y riesgos, ofreciendo protección tanto en áreas forestales como en infraestructuras industriales y energéticas, donde un incendio podría causar interrupciones masivas y daños costosos.
Además, estamos ampliando su uso a sectores específicos dentro del ámbito forestal, como el procesado de la madera. Todo esto demuestra que Wildfire Sentinel es una herramienta versátil y adaptable, capaz de ofrecer monitorización proactiva y proteger de manera efectiva en múltiples sectores.
¿ES POSIBLE QUE EL SISTEMA ALERTE DE UN FALSO POSITIVO?
Decir que no existen falsos positivos sería ser hipócritas, ya que toda tecnología, al igual que los humanos, tiene un margen de error. Sin embargo, lo que sí podemos afirmar es que nuestra tasa de falsos positivos es significativamente menor que la de. otros sistemas, como los basados en cámaras con IA, que a veces confunden nubes o niebla con incendios, o los satélites, que. incluso pueden confundir nubes de polvo con focos de fuego. Esto demuestra que todas las tecnologías tienen sus limitaciones, pero la robustez de nuestro sistema radica en su capacidad de aprender y adaptarse continuamente.
El verdadero éxito de Wildfire Sentinel no se basa únicamente en el desarrollo del hardware de la «nariz electrónica» o en las. comunicaciones robustas que implementamos, sino en el método de aprendizaje detrás de la IA, como explicamos antes con. la. analogía de la sal. Lo que nos diferencia es que trabajamos con datos probabilísticos. Esto significa que nuestras alertas no. son binarias, no es simplemente un sí o no, sino que ofrecemos alertas basadas en porcentajes de probabilidad. Esta. aproximación permite que los servicios de emergencias puedan escalar su respuesta de manera más efectiva, tomando. decisiones informadas y ajustadas al nivel de riesgo.
“Podemos afirmar que nuestra tasa de falsos positivos es significativamente menor que la de otros sistemas, como los basados en cámaras con IA”.
Por ejemplo, si la probabilidad de un incendio detectado es superior al 25%, puede activarse una monitorización más cercana. de la zona. Si esa probabilidad supera el 35% en un período de cinco minutos, podría enviarse una patrulla o drones para verificar el área, o buscar imágenes satelitales. A medida que el porcentaje aumenta, las acciones pueden escalar. progresivamente hasta llegar a respuestas más severas y directas, según las políticas establecidas por el propio servicio de emergencias.
Además, cuando desplegamos nuestros dispositivos en una nueva localización, no entran en producción inmediatamente. Pasamos un período inicial en modo «calibración», durante el cual los equipos recolectan datos clave para entender el estado. normal del terreno y ajustarse a las condiciones locales. Esto, combinado con el aprendizaje continuo de la IA, permite que, una vez en funcionamiento, los falsos positivos se reduzcan al mínimo, casi hasta convertirse en algo anecdótico.
Este enfoque de trabajar con datos probabilísticos permite que las reacciones no solo sean más precisas, sino también. escaladas de acuerdo con políticas predefinidas, optimizando la gestión de emergencias y permitiendo que las respuestas sean. más rápidas y eficientes.
¿CONSIDERA QUE LAS INSTITUCIONES TIENEN SUFICIENTEMENTE EN CUENTA LAS NUEVAS TECNOLOGÍAS A LA HORA DE ESTABLECER PLANES CONTRA INCENDIOS?
No puedo juzgar si se destinan suficientes recursos a los equipos tradicionales o a las nuevas tecnologías, ya que desconozco si realmente existen o no los medios, capacidades, personal o infraestructura suficiente para cubrir las necesidades actuales. Sin embargo, lo que sí observo claramente es que la inversión en tecnología queda en un segundo plano. Muchas veces, por miedo al cambio o desconocimiento, la innovación tecnológica no se prioriza como debería. Aunque cada vez vemos más interés por validar soluciones y hacer pilotos, sobre todo por parte de los equipos en el terreno los más cercanos a las emergencias, a nivel más alto, se sigue dando prioridad a macro licitaciones que favorecen generalmente a grandes empresas tecnológicas. Estas, a menudo, entregan sistemas muy complejos, costosos de mantener y con una curva de aprendizaje muy elevada, lo que genera. una alta resistencia al cambio por parte de los usuarios, que son los propios equipos de emergencias.
En mi experiencia, parte de mi carrera profesional la he desarrollado en el sector público, por lo que entiendo la complejidad. de los procesos y, al mismo tiempo, veo la necesidad de dar más oportunidades a startups que, como la nuestra, buscan. ofrecer soluciones eficientes y específicas. Como ‘startup’, nos enfrentamos a muchos riesgos y necesitamos que crean en. nuestra visión y validen nuestras soluciones, muchas veces sabiendo que el retorno no es inmediato, y que en etapas iniciales, ejecutar un proyecto o un piloto no implica ganar dinero, sino invertir en el largo plazo. Sin embargo, el mayor desafío no es solo vender, sino ser escuchados. Llegar a una institución pública es ya un reto en sí mismo, y aun cuando lo logramos, es difícil plantear un escenario donde una startup pueda encajar en ese ecosistema institucional.
“La inversión en tecnología queda en un segundo plano. Muchas veces, por miedo al cambio o desconocimiento, la innovación tecnológica no se prioriza como debería”.
En el ámbito de las emergencias, por ejemplo, vemos cada vez más soluciones con IA, drones y nuevos sensores, proyectos disruptivos y de alto nivel que, sin el apoyo adecuado, encuentran solo dos vías de salida: o se dirigen al sector privado, o las. startups se internacionalizan mucho antes de lo que una curva de crecimiento estándar demandaría. Esto es algo que vivimos. desde el ecosistema ‘startup’, de manera similar a lo que sucede con un ingeniero recién titulado que ve más factible buscar. oportunidades en el extranjero. Cuanto más dependiente es una solución del sector público, mayor es la dificultad para que. esas ideas prosperen a nivel local.
Claramente, considero que las administraciones deberían poner más esfuerzos en dar una oportunidad a las startups que. llegan con ideas diferentes y, a veces, incluso disruptivas. Estas empresas emergentes tienen un objetivo claro: mejorar la. prevención de incendios, ayudar en su extinción e incluso aportar soluciones para el post-incendio. Si seguimos haciendo lo mismo una y otra vez, no conseguiremos avanzar. Es crucial que las instituciones abran las puertas a la innovación y. comprendan que solo mediante nuevas aproximaciones podremos evolucionar y abordar los desafíos de una manera más. efectiva.
DESDE SU PUNTO DE VISTA, EN EL SECTOR DE EMERGENCIAS, ¿HACIA DÓNDE PUEDE EVOLUCIONAR LA IA?
La inteligencia artificial (IA) no es algo nuevo; ha estado entre nosotros durante muchos años. Desde sus inicios con la. algoritmia y las redes neuronales, la IA ha evolucionado de manera constante. Aunque hoy, con herramientas como ChatGPT, parece que estamos ante un gran cambio de paradigma, estos avances son el resultado de mejoras graduales en tecnología y.. un mayor acceso a grandes volúmenes de datos. La IA siempre ha estado ahí, pero ahora, gracias a una optimización masiva, puede aplicarse a más sectores y con mayor eficiencia.
En el ámbito de los servicios de emergencia, la IA jugará un papel crucial en proporcionar agilidad y más información para. resolver situaciones en tiempos récord. Las nuevas tecnologías permitirán productos que ofrezcan respuestas rápidas y ajustadas a diferentes escenarios. Sin embargo, en situaciones críticas como las emergencias, sigue siendo esencial mantener una validación binaria, es decir, un sí o no claro. Por su naturaleza, la IA siempre trabaja con probabilidades, no con certezas. absolutas, lo que plantea el reto de cómo interpretar esas posibilidades en contextos donde se necesita una respuesta precisa. Esto es algo que ya mencionamos al hablar de los falsos positivos: la IA ofrece posibilidades, no certezas absolutas.
Cada flujo de trabajo en el que se aplique IA mejorará con el tiempo, convirtiéndose en una herramienta indispensable. Sin embargo, no debemos olvidar que la IA no es inteligente por sí misma; su capacidad depende de los datos y el entrenamiento que recibe. Por eso, el futuro de la IA está ligado a la calidad de los métodos de enseñanza y al acceso a datos relevantes. Tanto. el sector público como el privado deben apostar por startups, que a menudo proponen ideas disruptivas que pueden parecer. poco convencionales, pero que son la base del éxito en la innovación.
«La IA siempre ha estado ahí, pero ahora, gracias a una optimización masiva, puede aplicarse a más sectores y con mayor eficiencia».
En nuestro caso, hemos llevado a la práctica una idea simple: esa sensación que todos hemos experimentado al oler un incendio desde la distancia. Gracias a la IA, hemos convertido esa experiencia en una solución real. La IA ha sido el motor detrás de nuestra capacidad para detectar incendios a través del «olor» de manera precisa. Sin estos avances, proyectos como Wildfire Sentinel no serían posibles. El futuro de la IA, especialmente en sectores como el de las emergencias, dependerá de. que la inversión en innovación siga creciendo y de que más instituciones estén dispuestas a apoyar ideas que pueden. transformar la manera en que gestionamos las crisis.
Por dar un matiz final e intentar dejar una imagen clara: los equipos de emergencia están compuestos por distintos. profesionales que operan en diversos niveles, desde técnicos de campo, responsables de la gestión de equipos, encargados de. infraestructuras, hasta administradores. Para que las soluciones basadas en IA sean realmente eficientes, no pueden ser. impuestas de forma jerárquica desde los estamentos superiores. El método tradicional, donde una persona alejada de la. situación marca la línea a seguir, ya no es suficiente. Como he intentado explicar a lo largo de esta entrevista, el éxito de la IA. radica en su método de aprendizaje y en la calidad de los datos que utiliza, y ese método debe estar presente en todos los. niveles.
«El éxito de la IA radica en su método de aprendizaje y en la calidad de los datos que utiliza, y ese método debe estar presente en todos los. niveles».
En el ámbito de las emergencias, son los técnicos de campo y los gestores de equipos de emergencia, quienes experimentan las. desgracias y los milagros día a día, quienes deben definir esos patrones de aprendizaje y determinar cuáles son los datos relevantes. En nuestro proyecto lo hemos comprobado: nuestro mayor crecimiento y mejora se ha dado al colaborar con quienes están en la primera línea. Ya sea con los responsables de apagar incendios, con quienes evalúan si la resolución. satelital es adecuada para analizar el riesgo, o con aquellos que estudian la «ecología del fuego». Es en estos niveles donde debemos centrarnos para que la IA sea verdaderamente efectiva en el futuro. Hay que bajar al terreno y entender las. realidades del trabajo diario, porque esa es la clave para unir la tecnología con una IA eficiente en el campo de las emergencias..
