AI prognozuje ekstremalne zjawiska pogodowe bez danych historycznych — co to oznacza dla zarządzania ryzykiem w urzędach

Przez dekady prognozowanie zagrożeń opierało się na jednym założeniu: żeby przewidzieć przyszłość, potrzebujesz przeszłości. Historyczne dane o powodziach, falach upałów, nawałnicach — to był fundament każdego modelu. Problem polega na tym, że klimat zmienia się szybciej niż rośnie nasze archiwum zdarzeń. Regiony, które nigdy nie doświadczyły powodzi stulecia, coraz częściej jej doświadczają. I żaden model oparty wyłącznie na historii tego nie przewidzi — bo nie ma czego się uczyć.

Inżynierowie z MIT poszli inną drogą. Zamiast pytać "co już się zdarzyło?", zaprojektowali narzędzie, które pyta "co jest statystycznie możliwe?". Efektem są mapy zagrożeń dla zdarzeń, które w danym miejscu nigdy jeszcze nie wystąpiły, ale leżą w zasięgu fizycznych możliwości atmosfery. Do każdej mapy dołączone są szacunki prawdopodobieństwa. To nie spekulacja — to rzetelna matematyka, która operuje poza granicami historycznego rekordu.

Co to oznacza dla polskich urzędów i instytucji publicznych

Zarządzanie kryzysowe w Polsce nadal w dużej mierze opiera się na planach tworzonych według scenariuszy znanych z przeszłości. Powiat, w którym nie było powodzi od pięćdziesięciu lat, często nie ma aktualnego planu na wypadek powodzi. To logiczne — ale coraz bardziej ryzykowne. Narzędzia zdolne do prognozowania zdarzeń spoza historycznego rekordu mogą stać się podstawą planów reagowania na zdarzenia, których jeszcze nie notowaliśmy, ale które są realne.

Praktyczne zastosowania są konkretne:

• Biura zarządzania kryzysowego mogą tworzyć scenariusze ćwiczeń i plany ewakuacji dla zagrożeń, które dotychczas uznawano za "nieprawdopodobne lokalnie".
• Wydziały infrastruktury mogą weryfikować, czy projektowane drogi, mosty czy przepompownie wytrzymają zdarzenia spoza dotychczasowej normy klimatycznej dla regionu.
• Jednostki odpowiedzialne za budżet i ubezpieczenia majątku publicznego zyskują twardsze podstawy do szacowania ryzyka — nie tylko na podstawie zdarzeń minionych, lecz statystycznie możliwych.

Warto też patrzeć szerzej. Polska ma kilka regionów, gdzie pamięć instytucjonalna o ekstremalnych zdarzeniach jest krótka — albo dlatego, że urząd nie prowadził dobrej dokumentacji, albo dlatego, że zdarzenia po prostu nie było. Dla takich miejsc narzędzia oparte na podejściu MIT są szczególnie wartościowe. Nie zastąpią wiedzy lokalnej, ale dają punkt odniesienia, którego do tej pory brakowało.

To nie jest technologia dostępna jutro na przetargu. Ale kierunek jest wyraźny: AI w obszarze prognozowania ryzyka przestaje być narzędziem do analizowania przeszłości, a zaczyna być narzędziem do mapowania tego, co możliwe. Dla administracji publicznej, która odpowiada za bezpieczeństwo obywateli, ta różnica ma realne znaczenie — i powinna znaleźć odzwierciedlenie w tym, jak planujemy wdrożenia AI w jednostkach zajmujących się zarządzaniem kryzysowym.

Jeśli chcecie sprawdzić, które procesy w waszej instytucji mogłyby skorzystać na takim podejściu, zapraszamy na bezpłatny audyt.