Google amplía con IA la predicción de inundaciones

Google ya usa inteligencia artificial para anticipar inundaciones en 150 países, donde viven más de 2.000 millones de personas. Sus modelos pueden predecir crecidas de ríos con hasta siete días de antelación y, desde 2026, también empiezan a detectar inundaciones repentinas en ciudades.

La iniciativa nació en 2018 con un proyecto piloto en India. Desde entonces, Google ha incorporado más datos y modelos para ampliar la cobertura de su sistema, disponible en Flood Hub, en algunos resultados de Google Search y mediante una API para organizaciones.

Cómo predice una inundación la IA

El sistema combina información sobre lluvias, niveles de los ríos, condiciones del suelo y previsiones meteorológicas. Después utiliza varios modelos para calcular cuánta agua llegará a un río y qué zonas podrían quedar cubiertas.

En las inundaciones fluviales, el proceso tiene dos partes principales:

• El modelo hidrológico estima cuánta agua circulará por el río según el tiempo y el estado del terreno.
• El modelo de inundación calcula qué áreas podrían verse afectadas por ese caudal.

Los resultados aparecen en un mapa de alertas de Flood Hub. También pueden integrarse en los sistemas de organismos públicos y entidades de ayuda para avisar a la población o actuar antes de que suba el agua.

La diferencia frente a muchos modelos tradicionales es que estos suelen necesitar años de datos locales, como mediciones históricas del nivel de un río. La IA de Google puede aprovechar información de otras regiones para generar predicciones incluso en lugares donde apenas existen sensores. Es una ventaja importante en zonas con pocos recursos y poca infraestructura de medición.

El problema de las inundaciones urbanas

Predecir una crecida de río es más sencillo que anticipar una inundación repentina en una ciudad. Los ríos suelen tener sensores que registran sus niveles durante años. En cambio, es poco habitual encontrar instrumentos que midan el agua acumulada en calles, túneles o barrios urbanos.

Google necesitaba datos que no existían en un archivo global fiable. Para cubrir ese vacío creó Groundsource, una metodología anunciada en marzo de 2026.

Primero, el sistema utilizó Gemini para analizar más de 5 millones de noticias publicadas durante dos décadas. De ese material extrajo información sobre 2,6 millones de inundaciones históricas en más de 150 países. Ese conjunto de datos se incorporó después a un modelo para predecir inundaciones repentinas en zonas urbanas, con un horizonte de hasta 24 horas.

No significa que cualquier inundación pueda predecirse con la misma precisión. La cobertura urbana actual se limita a los lugares donde hay datos suficientes, y Google todavía investiga cómo extender el sistema a zonas rurales y áreas costeras.

Qué cambia para las personas

Una alerta temprana puede dar tiempo para evacuar, proteger bienes o llevar ayuda antes de que las carreteras queden bloqueadas. En Nigeria, la organización GiveDirectly utilizó la API de predicción de inundaciones para entregar dinero a familias de Kogi antes de que el agua subiera.

Según los datos compartidos por Google, esos pagos ayudaron a las familias a evacuar, proteger sus pertenencias y recuperarse. Sus ingresos más que se duplicaron, la inseguridad alimentaria cayó un 90% y el 93% de los beneficiarios dijo sentirse mejor preparado para futuras inundaciones.

Google también ha publicado su marco de hidrología, el conjunto de datos de Groundsource y la API de predicción. Los servicios meteorológicos y otras organizaciones pueden combinarlos con sus propios datos para crear alertas adaptadas a cada región.

El siguiente paso será mejorar las predicciones en inundaciones repentinas rurales y costeras. Google también estudia si la misma forma de reunir datos dispersos puede servir para anticipar olas de calor o deslizamientos de tierra. La idea central es concreta: cuando faltan sensores y registros, la IA puede convertir información pública que estaba dispersa en una herramienta de prevención.