コーネル大学主導の研究チームは、気象緊急時におけるAI予測アルゴリズムと従来の数値指標の比較分析を行い、その有効性が運用目的や対象者に依存することを明らかにした。この研究成果は、6月下旬にモントリアルで開催されるACM公平性・透明性会議（FAccT '26）にて発表された。 研究を率いるジェナ・ゴシヤク氏とアリソン・コーネック准教授らのチームは、ニューヨーク市の熱関連脆弱性指数（HVI）を主対象とし、連邦緊急事態管理庁および疾病対策センターの関連指標と比較検証した。HVIは日中気温、エアコン普及率、緑被率、世帯収入、特定人口比率の5変数でリスクスコアを算出する。分析の結果、両手法とも入力データの微小な変化に敏感であり、出力が大きく変動する特性を持つことが確認された。 結論として、リアルタイムの警戒情報発信や迅速なアウトリーチにはAIアルゴリズムが適し、長期的な都市計画や抽象的な脆弱性概念の測定には人間が理解しやすいインデックスが有効である。ゴシヤク氏は、既存インデックスを単純に置き換えるのではなく、そのトレードオフを明確に評価し、予算配分や緊急対応などの場面に応じて最適な手法を選択すべきだと指摘している。研究チームは、意思決定者が両者の比較検討に際して考慮すべき7つのトレードオフを提示した。 この分析フレームワークは環境正義や資源配分決定など、他の政策立案場面にも適用可能であり、AIと従来の規則ベース手法の最適な役割分担に関する新たな知見を提供する。ニューヨーク市は既存の緑化戦略や冷却整備計画においてこれらの知見を活用し、熱波対策の精度向上を図ると見られる。