La IA ya demostró lo que puede hacer en las primeras 72 horas del sismo del 24 de junio. La reconstrucción del Litoral tiene que adoptarla — y proteger los datos que le damos.
El 24 de junio de 2026, un doblete sísmico (M7.2 seguido de M7.5) golpeó La Guaira y Caraballeda. Para quienes crecimos con la memoria del deslave de 1999 grabada en la misma geografía, la escena tenía un déjà vu doloroso: el Estado tardando en componer el cuadro completo, y la sociedad civil moviéndose más rápido que cualquier institución.
Pero esta vez hubo una diferencia estructural respecto a 1999, e incluso respecto a Haití 2010: la inteligencia artificial generativa permitió construir infraestructura de datos en horas, no en semanas. En menos de tres días surgieron cientos de páginas web de registro, bots de Telegram, formularios de localización de desaparecidos, mapas colaborativos de daño estructural y bases de datos con miles de registros cruzados — iniciativas como ayudaencamino.ve, hospitalesencaracas.com o sismovzla — cada una con su propia base de datos, sin criterio común de acceso, custodia ni caducidad.
Herramientas como Claude generaron en horas pipelines de datos que normalmente tomarían semanas, estructuraron el triage preliminar de cientos de edificaciones dañadas y tradujeron información de campo desordenada en modelos que rescatistas y organizaciones locales usaron el mismo día. Hay que decirlo sin matices: en un contexto donde cada hora cuenta, esa capacidad es la diferencia entre localizar a alguien a tiempo o no.
No hay evidencia de que estas herramientas hayan sido usadas deliberadamente para facilitar persecución, extorsión o secuestro. Lo que sí existe —documentado en toda crisis humanitaria desde Haití 2010— es un patrón estructural: la emergencia genera urgencia legítima de centralizar información sobre personas; esa urgencia empuja a construir bases de datos rápido, priorizando cobertura sobre control de acceso; y una vez que el dato existe, agregado y estructurado, se convierte en un activo valioso que atrae actores que no comparten las intenciones de quien lo creó.
El listado que ayuda a localizar a un desaparecido es, sin ningún cambio técnico, el mismo listado que le dice a alguien más dónde vive esa familia, cuántos miembros tiene y si hay alguien vulnerable a quien presionar. La IA que construye el pipeline no decide quién lo consulta después. Eso lo decide la arquitectura de acceso — o su ausencia.
Un sistema de datos humanitarios sin control de acceso es el equivalente informacional de un edificio sin puertas.
Y esa palabra, arquitectura, no es aquí metáfora prestada. Es el mismo tipo de decisión de nuestra disciplina: qué se expone y qué se protege, quién circula por dónde.
Cada campo adicional en un registro —nombre completo, dirección exacta, teléfono, composición del hogar— aumenta la utilidad para el rescate, y la aumenta en igual o mayor medida para cualquiera con intenciones de daño. No existe una versión de estos sistemas máxima en ayuda y máxima en seguridad a la vez. Ese balance hay que decidirlo campo por campo: es una decisión de diseño, no un efecto secundario. Es lo que el manual de protección de datos humanitarios del CICR establece desde hace más de una década: minimización y «necesidad de saber», no «mientras más datos, mejor respuesta».
Nada de esto es exótico: son los principios que la comunidad internacional formalizó para datos de pueblos indígenas (principios CARE) y que en Venezuela resuenan de inmediato: la comunidad afectada es la primera propietaria de su información, también —y sobre todo— en emergencia.
La velocidad con la que la IA permite desplegar infraestructura de datos en crisis ha superado por completo la investigación rigurosa sobre qué pasa con esos datos después de publicados. No sabemos cuánto tarda un dataset de emergencia en ser consultado por actores ajenos a su propósito, qué campos correlacionan más con daño posterior, ni cómo medir de forma comparable qué tan «soberano» es un sistema post-desastre. Publicar datasets de crisis sin medir su exposición posterior es publicar a ciegas.
Para las escuelas de arquitectura e ingeniería del país hay aquí una agenda concreta: la reconstrucción del Litoral —triage estructural, catastro del daño, gemelos digitales de las edificaciones intervenidas— producirá datos durante años. En esa línea desarrollo actualmente TLO, un sistema de triage automatizado y refuerzo prefabricado que trata cada edificación como un gemelo digital desde su primer día, con la gobernanza de sus datos diseñada antes que su estructura.
La inteligencia artificial no tiene filo propio. El filo lo pone la arquitectura de datos que construimos alrededor de ella, bajo presión de tiempo, en las primeras 72 horas de un desastre — exactamente cuando menos ganas tenemos de pensar en control de acceso.
La respuesta no es frenar la IA en la próxima crisis: sería renunciar a la herramienta más poderosa para ganar tiempo cuando el tiempo es lo único irrecuperable. La respuesta es exigir, desde el primer día de diseño, que la velocidad de ayuda venga acoplada a un modelo explícito de quién puede ver qué, por cuánto tiempo y bajo qué mandato.
Venezuela ya reconstruyó una vez este mismo litoral. Esta vez tenemos herramientas que en 1999 eran ciencia ficción. Que la memoria de lo que puede salir mal con los datos no tenga que escribirse, otra vez, después del daño.
AI already proved what it can do in the first 72 hours after the June 24 earthquake. The reconstruction of the Litoral must adopt it — and protect the data we feed it.
On June 24, 2026, a seismic doublet (M7.2 followed by M7.5) struck La Guaira and Caraballeda. For those of us who grew up with the memory of the 1999 mudslides etched into this same geography, the scene carried a painful déjà vu: the State slow to assemble the full picture, and civil society moving faster than any institution.
But this time there was a structural difference from 1999 — and even from Haiti 2010: generative artificial intelligence made it possible to build data infrastructure in hours, not weeks. In under three days, hundreds of registration websites appeared, along with Telegram bots, missing-person forms, collaborative structural-damage maps, and databases holding thousands of cross-referenced records — initiatives such as ayudaencamino.ve, hospitalesencaracas.com, or sismovzla — each with its own database, with no shared standard for access, custody, or expiry.
Tools like Claude generated, in hours, data pipelines that would normally take weeks, structured the preliminary triage of hundreds of damaged buildings, and turned chaotic field reports into data models that rescuers and local organizations used the same day. It has to be said without hedging: in a context where every hour counts, that capability is the difference between finding someone in time or not.
There is no evidence that these tools were deliberately used to enable persecution, extortion, or kidnapping. What does exist — documented in every humanitarian crisis since Haiti 2010 — is a structural pattern: the emergency creates a legitimate urgency to centralize information about people; that urgency pushes teams to build databases fast, prioritizing coverage over access control; and once the data exists, aggregated and structured, it becomes a valuable asset that attracts actors who do not share the intentions of whoever created it.
The list that helps an organization locate a missing person is, without a single technical change, the same list that tells someone else where that family lives, how many members it has, and whether there is someone vulnerable worth pressuring. The AI that builds the pipeline does not decide who queries it afterwards. That is decided by the access architecture — or its absence.
A humanitarian data system without access control is the informational equivalent of a building without doors.
And that word, architecture, is not a borrowed metaphor here. It is exactly the kind of decision our discipline makes: what is exposed and what is protected, who circulates where.
Every additional field in a record — full name, exact address, phone number, household composition — increases the system's usefulness for rescue, and increases it just as much or more for anyone with harmful intent. There is no version of these systems that is simultaneously maximal in aid and maximal in safety. That balance must be decided explicitly, field by field: it is a design decision, not a side effect. It is what the ICRC's handbook on humanitarian data protection has established for over a decade: minimization and "need to know," not "the more data, the better the response."
None of this is exotic: these are the principles the international community formalized for Indigenous data (the CARE Principles), and in Venezuela they resonate immediately: the affected community is the first owner of its own information — also, and above all, in an emergency.
The speed at which AI allows data infrastructure to be deployed in a crisis has completely outpaced rigorous research into what happens to that data after publication. We do not know how long it takes for an emergency dataset to be queried by actors outside its original purpose, which fields correlate most with later harm to the people listed, or how to measure, comparably across projects, how "sovereign" a post-disaster system really is. Publishing crisis datasets without measuring their later exposure is publishing blind.
For the country's schools of architecture and engineering, there is a concrete agenda here: the reconstruction of the Litoral — structural triage, damage cadastre, digital twins of the buildings under intervention — will produce data for years. Along this line I am currently developing TLO, an automated triage and prefabricated reinforcement system that treats every building as a digital twin from its first day, with its data governance designed before its structure.
Artificial intelligence has no edge of its own. The edge is set by the data architecture we build around it, under time pressure, in the first 72 hours of a disaster — exactly when we least feel like thinking about access control.
The answer is not to slow AI down in the next crisis: that would mean giving up the most powerful tool that exists for saving time when time is the only thing that cannot be recovered. The answer is to demand, from day one of design, that the speed of aid come coupled with an explicit model of who can see what, for how long, and under what mandate.
Venezuela has already rebuilt this same coastline once. This time we have tools that in 1999 were science fiction. May the record of what can go wrong with the data not have to be written, once again, after the damage is done.
Die KI hat in den ersten 72 Stunden nach dem Erdbeben vom 24. Juni gezeigt, was sie leisten kann. Der Wiederaufbau der Küste muss sie einsetzen — und die Daten schützen, die wir ihr geben.
Am 24. Juni 2026 traf ein seismisches Dublett (M7,2, gefolgt von M7,5) La Guaira und Caraballeda. Für alle, die mit der Erinnerung an die Schlammlawinen von 1999 in derselben Geografie aufgewachsen sind, hatte die Szene ein schmerzhaftes Déjà-vu: ein Staat, der nur langsam ein vollständiges Lagebild zusammensetzte — und eine Zivilgesellschaft, die schneller handelte als jede Institution.
Doch diesmal gab es einen strukturellen Unterschied zu 1999 und selbst zu Haiti 2010: Generative künstliche Intelligenz ermöglichte es, Dateninfrastruktur in Stunden statt in Wochen aufzubauen. In weniger als drei Tagen entstanden Hunderte von Registrierungs-Webseiten, Telegram-Bots, Formulare zur Suche nach Vermissten, kollaborative Karten struktureller Schäden und Datenbanken mit Tausenden verknüpften Einträgen — Initiativen wie ayudaencamino.ve, hospitalesencaracas.com oder sismovzla — jede mit eigener Datenbank, ohne gemeinsame Standards für Zugriff, Verwahrung oder Löschfristen.
Werkzeuge wie Claude erzeugten in Stunden Daten-Pipelines, die normalerweise Wochen erfordern würden, strukturierten die vorläufige Triage Hunderter beschädigter Gebäude und übersetzten chaotische Feldberichte in Datenmodelle, die Rettungskräfte und lokale Organisationen noch am selben Tag nutzten. Das muss ohne Einschränkung gesagt werden: In einem Kontext, in dem jede Stunde zählt, ist diese Fähigkeit der Unterschied zwischen jemanden rechtzeitig finden — oder nicht.
Es gibt keine Belege dafür, dass diese Werkzeuge gezielt eingesetzt wurden, um Verfolgung, Erpressung oder Entführung zu ermöglichen. Was jedoch existiert — dokumentiert in jeder humanitären Krise seit Haiti 2010 — ist ein strukturelles Muster: Der Notfall erzeugt einen legitimen Druck, Informationen über Personen zu zentralisieren; dieser Druck führt dazu, dass Datenbanken schnell gebaut werden, mit Priorität auf Abdeckung statt Zugriffskontrolle; und sobald die Daten existieren, aggregiert und strukturiert, werden sie zu einem wertvollen Gut, das Akteure anzieht, die nicht die Absichten derjenigen teilen, die sie erstellt haben.
Die Liste, die einer Organisation hilft, eine vermisste Person zu finden, ist ohne eine einzige technische Änderung dieselbe Liste, die jemand anderem verrät, wo diese Familie wohnt, wie viele Mitglieder sie hat und ob es eine verletzliche Person gibt, auf die sich Druck ausüben lässt. Die KI, die die Pipeline baut, entscheidet nicht, wer sie später abfragt. Das entscheidet die Zugriffsarchitektur — oder deren Fehlen.
Ein humanitäres Datensystem ohne Zugriffskontrolle ist das informationelle Äquivalent eines Gebäudes ohne Türen.
Und dieses Wort, Architektur, ist hier keine geliehene Metapher. Es ist genau die Art von Entscheidung, die unsere Disziplin trifft: was offengelegt und was geschützt wird, wer sich wo bewegt.
Jedes zusätzliche Feld in einem Datensatz — vollständiger Name, genaue Adresse, Telefonnummer, Haushaltszusammensetzung — erhöht den Nutzen für die Rettung, und es erhöht ihn in gleichem oder höherem Maße für jeden mit schädlichen Absichten. Es gibt keine Version dieser Systeme, die zugleich maximal hilfreich und maximal sicher ist. Diese Abwägung muss explizit getroffen werden, Feld für Feld: Sie ist eine Designentscheidung, kein Nebeneffekt. Genau das legt das Handbuch des IKRK zum humanitären Datenschutz seit über einem Jahrzehnt fest: Datenminimierung und „Need to know" statt „je mehr Daten, desto besser die Hilfe".
Nichts davon ist exotisch: Es sind die Prinzipien, die die internationale Gemeinschaft für die Daten indigener Völker formalisiert hat (CARE-Prinzipien) — und die in Venezuela unmittelbar Resonanz finden: Die betroffene Gemeinschaft ist die erste Eigentümerin ihrer Informationen, auch — und gerade — im Notfall.
Die Geschwindigkeit, mit der KI den Aufbau von Dateninfrastruktur in Krisen ermöglicht, hat die rigorose Forschung darüber, was mit diesen Daten nach ihrer Veröffentlichung geschieht, vollständig überholt. Wir wissen nicht, wie lange es dauert, bis ein Notfall-Datensatz von zweckfremden Akteuren abgefragt wird, welche Felder am stärksten mit späterem Schaden für die gelisteten Personen korrelieren, oder wie sich projektübergreifend vergleichbar messen lässt, wie „souverän" ein Post-Katastrophen-System wirklich ist. Krisen-Datensätze zu veröffentlichen, ohne ihre spätere Exposition zu messen, heißt blind zu publizieren.
Für die Architektur- und Ingenieurfakultäten des Landes gibt es hier eine konkrete Agenda: Der Wiederaufbau der Küste — strukturelle Triage, Schadenskataster, digitale Zwillinge der sanierten Gebäude — wird über Jahre Daten produzieren. In dieser Linie entwickle ich derzeit TLO, ein System aus automatisierter Triage und vorgefertigter Verstärkung, das jedes Gebäude vom ersten Tag an als digitalen Zwilling behandelt — mit einer Daten-Governance, die vor der Tragstruktur entworfen wird.
Künstliche Intelligenz hat keine eigene Schneide. Die Schneide bestimmt die Datenarchitektur, die wir unter Zeitdruck um sie herum bauen — in den ersten 72 Stunden einer Katastrophe, genau dann, wenn wir am wenigsten Lust haben, über Zugriffskontrolle nachzudenken.
Die Antwort ist nicht, die KI in der nächsten Krise auszubremsen: Das hieße, auf das mächtigste Werkzeug zu verzichten, das es gibt, um Zeit zu gewinnen — wenn Zeit das Einzige ist, was sich nicht zurückholen lässt. Die Antwort ist, vom ersten Entwurfstag an zu verlangen, dass die Geschwindigkeit der Hilfe mit einem expliziten Modell gekoppelt ist: Wer darf was sehen, wie lange, unter welchem Mandat.
Venezuela hat diese Küste schon einmal wiederaufgebaut. Diesmal haben wir Werkzeuge, die 1999 Science-Fiction waren. Möge die Chronik dessen, was mit Daten schiefgehen kann, nicht wieder erst nach dem Schaden geschrieben werden müssen.