La formación de los operadores en los Centros de Atención de Emergencias desempeña un papel crítico para garantizar una gestión óptima de las llamadas. Requiere una preparación especializada y específica, adaptada a los distintos tipos de servicios de emergencia (112, 118, 115, 116 117, etc.). No obstante, la formación no se limita únicamente al conocimiento del dominio, sino que también abarca aspectos conductuales y psicológicos.
La gestión de las emociones es uno de los más importantes. Las personas que solicitan ayuda se encuentran, en la mayoría de los casos, en una situación de fuerte angustia emocional, lo que afecta significativamente a la calidad de la comunicación. Al mismo tiempo, los propios operadores pueden verse expuestos a situaciones de estrés y crisis, especialmente durante picos de llamadas, como en el caso de emergencias a gran escala. Todo ello se enmarca en un contexto más amplio de creciente presión sobre los Centros de Atención de Emergencias, impulsada por el aumento del volumen de llamadas, las mayores expectativas de la ciudadanía y la escasez de personal especializado, tal como pone de relieve un estudio de EENA – la Asociación Europea del Número de Emergencia. Por ello, la formación de los operadores es hoy más crítica que nunca para garantizar un servicio adecuado y fiable a la comunidad.
En los últimos años se han llevado a cabo diversos proyectos piloto y experimentos sobre el uso de la Inteligencia Artificial en los Centros de Atención de Emergencias, tal como documenta EENA. Estas iniciativas han permitido identificar los ámbitos en los que la implantación de la IA resulta más eficaz. Como consecuencia, han surgido aportaciones significativas en el ámbito de la formación de los operadores, especialmente mediante el uso de Expertos Virtuales y la simulación de escenarios.
Un Experto Virtual es un modelo de IA entrenado en un dominio de conocimiento específico. Por ello, puede proporcionar respuestas en tiempo real ante situaciones operativas concretas, como sugerir qué preguntas formular al llamante o analizar sus respuestas. En el contexto de la formación de operadores, un Experto Virtual puede utilizarse para ofrecer contenidos continuamente actualizados relacionados con el uso de herramientas tecnológicas, los procedimientos operativos, los marcos normativos y las referencias legales.
El nivel de preparación de los operadores de los Centros de Atención de Emergencias es directamente proporcional a la experiencia adquirida en el terreno. La IA, apoyándose en arquitecturas neuronales como los Transformers (redes diseñadas para procesar de forma eficiente secuencias de datos como texto o audio), permite recrear escenarios de emergencia realistas. Estas simulaciones son generadas por modelos de IA entrenados a partir de casos reales históricos, con escenarios adecuadamente adaptados y enriquecidos para apoyar los objetivos formativos.
La correcta realización de la entrevista con el llamante es uno de los pilares de la gestión de emergencias. Durante esta fase, los operadores se enfrentan a diversos retos, como el estado de angustia del llamante, sus limitadas capacidades de comunicación, las barreras lingüísticas (dialectos locales, idiomas extranjeros o un uso mixto), o el ruido ambiental.
Speech-to-Text: los algoritmos de IA ofrecen un valioso apoyo para la transcripción y el análisis de palabras clave. No obstante, siempre deben considerarse los márgenes de error derivados de un discurso desorganizado o emocional.
Gestión de las emociones: el análisis del tono de voz y de los patrones respiratorios (por ejemplo, la dificultad para respirar) puede realizarse mediante modelos especializados como el Voice Emotion Recognition (VER).
Reducción del ruido de fondo: los modelos de mejora del habla basados en IA pueden identificar los patrones de la voz y filtrar eficazmente ruidos no estacionarios, como el tráfico, el viento o los gritos de personas.
Cabe destacar que estos modelos pueden aumentar su fiabilidad con el tiempo gracias a mecanismos de adaptación (características de la voz, estilo lingüístico, expresión emocional), lo que les permite personalizar su comportamiento en función de cada llamante.
La implementación de un Experto Virtual en un Centro de Atención de Emergencias depende en gran medida del contexto operativo, que varía según el tipo de emergencia y los perfiles profesionales implicados. Un caso de uso típico es una llamada por una sospecha de parada cardíaca. Un Experto Virtual debe implementarse siguiendo un proceso estructurado en cuatro pasos:
Entrenamiento del LLM. A partir de un LLM base, la IA adquiere un profundo conocimiento del dominio mediante el análisis de documentos oficiales y recursos seleccionados: normativas, protocolos, guías, casos clínicos, manuales de referencia, entre otros.
Adquisición del contexto operativo. El Experto Virtual opera en un entorno real compuesto por flujos de datos, roles de los operadores, interfaces con el software existente y paneles de apoyo a la toma de decisiones. Este conjunto de información proporciona al sistema conciencia situacional.
Implementación del razonamiento. Se utilizan distintos mecanismos lógicos (motores de reglas, sistemas de inferencia, etc.) para interpretar la información generada por el LLM y apoyar la toma de decisiones conforme a directrices predefinidas, o para recomendar acciones específicas (por ejemplo, activar una respuesta de alta prioridad).
Adopción de un marco ético. El uso de la IA en contextos de emergencia requiere normas éticas claras que garanticen un comportamiento seguro y generen confianza entre los operadores. El ser humano debe seguir siendo el decisor final (Human in the Loop) para prevenir sesgos cognitivos y garantizar la rendición de cuentas.
El uso de la IA en los Centros de Atención de Emergencias ya no es opcional, sino inevitable, dadas sus enormes capacidades de apoyo operativo. En el Centro de Atención de Emergencias del futuro, la colaboración estrecha entre los sistemas de IA y los operadores humanos será esencial, siempre que exista una validación continua del rendimiento de los modelos y actualizaciones periódicas que garanticen que los resultados de la IA sigan siendo precisos, pertinentes y resilientes frente al cambio.