Tomado de: CDRI 2021
Por: Dr. Gabriel Bernal
Todos estamos de acuerdo en la necesidad de contar con infraestructura resiliente. Pero ¿qué hace falta para conseguirlo?
Si queremos ser resilientes ante los desastres, deberíamos empezar por una modelación del riesgo robusta y ajustada a los objetivos.
Dado que el significado de “robusta” o “ajustada a los objetivos” puede ser discutible, voy a mencionar algunas características que creo podrían ayudar a acotar nuestros requisitos de modelación:
- Multi-amenaza. Esto, aunque parezca obvio, no es tan simple como parece. Esta característica plantea la necesidad de desarrollar diferentes modelos para cada combinación de amenaza-exposición-vulnerabilidad. Además, debemos poder expresar el riesgo de la misma manera, de forma que los impactos de las diferentes amenazas sean conmensurables.
- Probabilista. Si apenas somos capaces de saber las condiciones meteorológicas que tendremos dentro de dos semanas, ¿qué nos hace pensar que podemos tener algún tipo de certeza sobre cuándo, cómo y dónde se producirá el próximo evento natural y en qué medida afectará nuestra infraestructura? Un modelo probabilista incorpora la incertidumbre en los resultados de forma racional.
- Estocástico. No es lo mismo que el punto anterior, esto significa que el modelo debe basarse tanto en la física del fenómeno como en la aleatoriedad de su ocurrencia. Por lo general se necesitan miles de simulaciones de eventos de amenaza para construir un conjunto razonablemente exhaustivo de las posibles consecuencias a las que deben enfrentarse nuestros sistemas de infraestructura.
- No estacionario. Los modelos de riesgo de desastres suelen ser estacionarios, y esto funciona bien para amenazas como los terremotos. Sin embargo, si queremos modelar amenazas que puedan alterarse por tendencias de fondo, como el cambio climático, tenemos que pasar a un enfoque no estacionario. Esto transformará todas las métricas de riesgo en funciones de tiempo.
- Interdependencia. Los elementos de infraestructura pertenecen a un sistema que se verá afectado si uno o varios de sus componentes son afectados. Acá estamos hablando de cómo empieza a decaer el servicio prestado por el sistema, y esto puede ser muy difícil de evaluar porque los fenómenos naturales pueden afectar tanto a la demanda como a la oferta de cualquier producto que circule por el sistema.
- Permitir la incertidumbre profunda. Digamos que queremos incorporar alguna variable para la que no podemos definir con seguridad una distribución de probabilidad o incluso límites, no puede ser modelada sin una enorme arbitrariedad, y no hay un consenso sobre cómo se comportará. En este caso nos enfrentamos a una incertidumbre profunda. Pero no hay que preocuparse, el problema está lejos de ser intratable. Hay muchas teorías de la incertidumbre desarrolladas precisamente para abordar problemas tan difíciles: por ejemplo, la teoría de los conjuntos difusos, la teoría de Dempster-Shafer, la teoría de los conjuntos aleatorios, la teoría de los conjuntos aleatorios difusos, entre otras. Cualquiera de estos enfoques permite, en última instancia, la cuantificación de las métricas de riesgo en forma de probabilidades imprecisas.
- Orientado a la toma de decisiones. Los modelos se construyen con un propósito. Si esperamos involucrar a las partes interesadas y proporcionarles una información completa, tenemos que entender sus necesidades. El modelo debe tener en cuenta la magnitud de los impactos previstos y su probabilidad de ocurrencia, pero lo más importante es que permita probar la eficacia de las estrategias de gestión de riesgos.
Así que esto es. Si se cumplen todas esas características, podemos tener cierta tranquilidad de que nuestro modelo es al menos razonablemente robusto.
No hay que olvidar que «todos los modelos son erróneos, pero algunos son útiles».
