In un mondo sempre più erratico e caratterizzato da rischi geopolitici e economici di grande portata, da eventi atmosferici estremi e da disordini sociali dagli sviluppi imprevedibili, l’impiego dell’AI può rivelarsi una leva strategica se applicata alla risk e service intelligence, al safety e security response, rendendo la nostra società più resiliente. Ecco come la tecnologia può essere alleata nella gestione delle emergenze.
La tecnologia come alleata nella gestione delle emergenze
La consapevolezza situazionale durante la risposta ai disastri è fondamentale dato che consente agli operatori preposti di assistere in modo rapido ed efficiente coloro che ne hanno urgente bisogno durante la fase acuta e più delicata dell’emergenza.
Di fatto, le nuove tecnologie basate sull’AI e il machine learning sono sempre più utilizzate e stanno migliorando drasticamente l’efficacia delle operazioni di risposta.
Piattaforme commercializzate sul mercato forniscono veri e propri cruscotti basati sull’AI e machine learning in grado di supportare attori pubblici e privati nella gestione degli eventi critici (i.e. Critical Event Management – CEM) e offrire servizi per monitorare, analizzare e rispondere alle minacce globali, mitigare gli incidenti informatici e IT, oltre ad aiutare le organizzazioni a rimanere resilienti prima, durante e dopo una crisi, ovvero, un approccio risk-based e resilience-based per anticipare i rischi e le minacce che potrebbero impattare sulle organizzazioni di qualsiasi tipo.
L’importanza della “gestione degli eventi critici” (i.e. Critical Event Management – CEM)
L’AI, grazie alla disponibilità di una quantità cospicua di dati – raccolti da fonti open source, banche dati, sensori e satelliti – riesce a fornire in tempo reale scenari a livello globale.
A questo proposito è doveroso ricordare che il tempo svolge un ruolo fondamentale nel Critical Event Management. Ne consegue che le informazioni tempestive e accurate a portata di mano, permettono alle organizzazioni di disporre di un vantaggio decisionale che, in certe situazioni, risulta fondamentale e strategico per salvaguardare la sicurezza e la salute delle persone.
Non dobbiamo chiederci se un evento critico si verificherà, dove e con quali conseguenze, bensì dobbiamo essere in grado di anticiparlo attraverso un approccio basato sulla conoscenza fornita dall’ AI e del machine learning che ci condurrà alla consapevolezza di scenari sempre sfidanti.
I dati alimentano questi “cruscotti” intelligenti estremamente dinamici e in grado di fornire altresì rapporti sul rischio, avvisi, briefing continui di intelligence sul positioning per quanto riguarda:
- minacce digitali (i.e. ransomware, attacchi informatici e interruzioni IT);
- minacce causate dall’uomo (i.e. attacchi geopolitici, terroristici e incidenti industriali;
- disastri naturali (i.e. inondazioni, eventi atmosferici estremi, eruzioni vulcaniche, terremoti e incendi). Ovvero, queste piattaforme restituiscono quella consapevolezza situazionale appropriata che poi si traduce in decisioni pratiche, subitanee e salvavita oltre che fornire servizi di emergency communication strutturata.
Inoltre, grazie al machine learning, le architetture dei modelli vengono costantemente perfezionate a tal punto che si potranno migliorare continuamente i sistemi di allerta precoce, generare mappe di pericolo attraverso il rilevamento e gestire efficacemente emergenze, crisi e situazioni speciali oltre a migliorare anche la collaborazione e il coordinamento delle risorse per accelerare il processo decisionale.
La progettazione e valutazione dei sistemi di allerta
È doveroso ricordare che per migliorare e facilitare l’interpretazione dei risultati del modello di AI, essi devono essere tradotti e visualizzati in base alle esigenze dell’utente finale. Pertanto, è fondamentale che sia le parti interessate (i.e., comunità locali, gestori dei sistemi di emergenza e organizzazioni in genere, pubbliche e private), sia gli enti preposti alla risposta delle catastrofi siano coinvolti nella progettazione e nella valutazione di sistemi di allerta e preallarme, previsioni, mappe dei pericoli, sistemi di supporto decisionale, dashboard, chatbot e altri strumenti di comunicazione potenziati dall’AI.
La trasparenza in termini di fonti di dati acquisiti e la loro frequenza di aggiornamento, unitamente agli algoritmi utilizzati per gli strumenti di comunicazione è essenziale per sviluppare la fiducia in questi “cruscotti” e per il perfezionamento delle raccomandazioni basate sull’apprendimento automatico. Pertanto, è fondamentale una collaborazione efficace tra soccorritori esperti, sviluppatori di intelligenza artificiale, geo-scienziati, regolatori, agenzie governative, ONG, società di telecomunicazioni e altri attori privati e pubblici, partendo dal presupposto che ogni tipo di disastro è unico e ogni latitudine presenta vulnerabilità e livelli di resilienza diversi.
Recentemente, McKinsey ha avviato un’iniziativa interessante denominata Noble Intelligence che, sta coinvolgendo organizzazioni non governative, think tank rispettati e leader del settore come parte di un movimento globale per utilizzare responsabilmente la tecnologia a beneficio della società e dell’ambiente.
Noble Intelligence, grazie a un algoritmo, è in grado di ridurre notevolmente il tempo necessario per valutare i danni a edifici come ad es. scuole, utilizzando una combinazione di dati satellitari, geospaziali, meteorologici e di altro tipo. Queste informazioni, successivamente, possono essere utilizzate per identificare i posti migliori per allestire tende temporanee e capire a quale struttura dare la priorità di ricostruzione.
Piattaforme di AI per le emergenze sempre più performanti
Un disastro globale, come risaputo, ha un punto preciso da cui inizia a diffondersi e, grazie ai modelli di AI, è possibile rilevare un picco di menzioni o eventi in una serie di domini identificati e quindi confrontarli con punti-dati correlati che possono avvisare di potenziali disastri prima che si verifichino.
L’AI può collegarsi altresì ai sistemi tecnologici esistenti, ampliandone la portata e offrendo risposte più rapide e a costi ridotti. Ovvero, i partenariati tra operatori di telecomunicazioni e piattaforme di AI sono sempre più numerosi e vengono utilizzati dai Paesi in aree soggette a disastri come un modo economico e accessibile per preavvisare i cittadini di terremoti, eventi metereologici estremi.
Inoltre, quando si verifica un disastro, l’AI è utilizzata per supportare i soccorsi in prima linea e, mappando, analizzando e modellando le zone disastrate per fornire avvisi di viaggio aggiornati, aiuta ad avviare azioni di mobilitazione e a trovare i cittadini, garantendo altresì che i gruppi di risposta ai disastri sappiano quali risorse devono essere impiegate.
Siamo di fronte a una tecnologia che facilita un approccio di risk e service intelligence strutturata e che permette di migliorare la gestione delle emergenze, è in grado di fornire:
- Analisi di volumi di dati ad alta velocità – L’AI è in grado di svolgere funzioni mission-critical che gli esseri umani in condizioni di stress estremo potrebbero non essere in grado di eseguire, ad esempio analizzando più flussi di notizie e social media per fornire un quadro degli eventi, dare la priorità ai segnali di soccorso e trovare le comunità intere, che sono state colpite, con precisione millimetrica.
- Analisi predittiva – Gli approcci di machine learning e data science possono raccogliere informazioni da eventi passati e sviluppare modelli di rilevamento per migliorare la previsione di eventi metereologici estremi. Ancora, il cloud computing e i programmi open source consentiranno sempre più ai data scientist di sviluppare strumenti di analisi dei disastri ancora più potenti e sofisticati.
- Risposta mirata – L’AI analizza rapidamente le informazioni in ordine di priorità critica e distribuisce correttamente le risorse e il personale.
- Chiamate di soccorso di nuova generazione – I numeri di emergenza, in corso di un evento avverso, possono ricevere così tante chiamate di soccorso che si può correre il rischio di perdere informazioni critiche. L’AI è allora particolarmente utile perché può gestire un volume elevato di chiamate in tempi record, rispetto a un operatore umano.
La funzione dispatcher 24 ore su 24, 7 giorni su 7, basata sull’AI, può essere progettata per eseguire uno smistamento intelligente di chiamate, notifiche in uscita, messaggistica unificata e risposta vocale interattiva, determinando automaticamente il tipo di incidente e verificarne la posizione geografica.
Inoltre, esistono funzioni basate sull’AI atte ad analizzare il tono della voce e valutarne la credibilità, filtrare le chiamate e assegnarne la priorità in base all’urgenza, trascrivendo e traducendo istantaneamente in più lingue.
- Servizio pubblico tramite social media – I chatbot basati sull’AI possono fornire informazioni salvavita alla popolazione tramite i canali dei social media. Di fatto l’AI elabora informazioni di crowdsourcing come posizioni, foto, video, feed di notizie, ecc. in modo da facilitare i soccorsi in caso di emergenza, convalidare e verificare le informazioni provenienti da altre fonti e quindi trasmettere, in caso di calamità, i dettagli pertinenti alle agenzie di soccorso. Inoltre, l’AI può valutare i danni in tempo reale e aiutare a stabilire le priorità degli sforzi di risposta eseguendo la scansione dei dati condivisi sui social media. Ancora, l’AI può essere programmata per filtrare automaticamente, taggare ed evidenziare contenuti pertinenti proveniente dai social media oltre a contrassegnare i post che diffondono disinformazione.
- Gestione delle emergenze basata su cloud – I cruscotti di risk e service intelligence basati su AI e progettati per i gestori delle emergenze sono sempre più disponibili sul cloud in modo tale che i gruppi di risposta alle emergenze possano da qualsiasi dispositivo gestire, controllare e monitorare una situazione in corso.
La capacità dell’AI di analizzare in modo rapido e intelligente grandi set di dati la rende una risorsa inestimabile durante i disastri in quanto fornisce il supporto necessario agli operatori umani che possono muoversi più rapidamente e prendere decisioni sulla base di tutti i dati disponibili. Tuttavia, è doveroso ricordare che, sebbene l’AI possa aiutare a colmare le lacune e migliorare i risultati durante il ciclo di vita del disastro, è comunque fondamentale prepararsi in modo coordinato e strutturato implementando i principi di risk management, business continuity, crisis management e crisis communication.
Esempi di utilizzo dell’AI nelle emergenze in Italia
Anche nel nostro Paese, sempre più istituzioni e organizzazioni hanno iniziato a utilizzare “cruscotti” di risk e service intelligence. Di seguito due esempi interessanti che utilizzano la piattaforma di Everbridge, azienda globale leader nelle applicazioni software di gestione degli eventi critici e di sicurezza aziendale. La società statunitense è in grado di fornire numerosi servizi che automatizzano e accelerano la risposta operativa di governi, istituzioni e organizzazioni agli eventi critici al fine di mantenere le persone al sicuro e le aziende operative:
Comune di Pisa – Sistema AlertPisa
I cittadini, registrandosi nella sezione dedicata del sito del Comune, ricevono avvisi relativi ad emergenze ed allerte meteo attraverso sms, e-mail, chiamata telefonica (linea fissa e cellulare) e app.
Inoltre, cosa molto interessante e importante, l’AlertPisa raggiunge anche gli utenti non registrati al sistema di allertamento – ma che hanno scaricato l’app Everbridge (gratuita e disponibile per iOS e Android) – consentendo all’app di accedere alla propria posizione e – in caso di avviso (emergenza e/o allerta meteo) emesso dalla Protezione Civile del Comune di Pisa – poter ricevere un avviso se si trovano o stanno per entrare nel Comune di Pisa o in un’area (sempre del Comune di Pisa) interessata da un’emergenza localizzata.
Fonte immagine: https://www.comune.pisa.it/it/ufficio/alertpisa
Grandi Navi Veloci (GNV)
La soluzione di Mass Notification consente di garantire una comunicazione bidirezionale in pochi secondi con l’intera organizzazione in caso di emergenza, e mobilitare prontamente il gruppo di risposta. Grazie alla soluzione GNV è in grado, inoltre, di gestire ritardi e operation logistiche, imbarchi, sbarchi e navigazione in modo tale da garantire la resilienza del business gestendo gli eventi critici che hanno un impatto su asset , su passeggeri, su infrastrutture, su sistemi IT e sulla reputazione del brand.
Aeroporto di Torino
Gli aeroporti sono oggi molto più di semplici hub per i viaggi, in quanto si sono centri per affari e per tempo libero. Pertanto, diventa sempre più fondamentale salvaguardare in modo proattivo persone, strutture e risorse, mantenendo al contempo la continuità aziendale. Il sistema, essendo modulare, è stato adattato dall’Aeroporto di Torino per l’emergenza (di linee telefoniche, radio e sirene dedicate). L’importante snodo aereo si integrerà, quindi, con il sistema di Mass Notification dell’azienda americana, per salvaguardare in modo proattivo persone, strutture e risorse, mantenendo al contempo la continuità aziendale.
Conclusioni
L’uso dell’AI, per prevedere disastri ed emergenze è quanto mai strategico e fondamentale in un contesto erratico come quello che stiamo vivendo, caratterizzato dalla imprevedibile certezza dei rischi.
Inoltre, i sistemi di risk e service intelligence, di safety response e di smart security possono aiutare a comprendere la portata e i modelli di catastrofi naturali come inondazioni, terremoti e tsunami, il che aiuterebbe a migliorare lo sviluppo delle infrastrutture nelle aree soggette a disastri oltre che monitorare l’evoluzione di crisi geopolitiche, crisi economiche, conflitti, disordini sociali ecc. e salvaguardando la resilienza operativa ed organizzativa della nostra società.
Siamo di fronte a ciò che chiamiamo Innovazione e non possiamo esimerci dal favorirla, soprattutto se in grado di salvare vite umane e migliorare il grado di resilienza della nostra società.
