El nuevo modelo de IA de Google para el tiempo no te deja excusa para olvidar el paraguas
Google ha presentado WeatherNext 3, un modelo de inteligencia artificial que predice el tiempo con más precisión, mayor resolución y actualizaciones cada hora. El sistema alimentará a buscador, Maps y Gemini.
Google DeepMind y Google Research han presentado WeatherNext 3, un nuevo modelo de inteligencia artificial para pronosticar el tiempo. Según las pruebas de Operational WeatherBench, una herramienta de comparación creada por la startup Brightband, es el modelo más preciso entre los principales candidatos. Supera a otros modelos de IA desarrollados por Google, Microsoft, Nvidia y el Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF), y también a los pronósticos tradicionales del Servicio Meteorológico Nacional de EE. UU. y del propio ECMWF. La novedad no se queda en el laboratorio: Google dice que empezará a alimentar la información meteorológica que ven los usuarios en el buscador, en Google Maps y en Gemini, además de estar disponible para usuarios e investigadores en sus plataformas en la nube.
Para entender la importancia, hay que recordar cómo funcionan los pronósticos actuales. La mayoría vienen de supercomputadoras gubernamentales que resuelven laboriosamente ecuaciones matemáticas que describen la física del clima. Son sistemas muy precisos, pero caros y comparativamente lentos. En 2018, el ECMWF publicó más de medio siglo de datos meteorológicos generados por estos sistemas. Ese fue el punto de partida: los investigadores de aprendizaje profundo empezaron a entrenar modelos que podían hacer predicciones mucho más rápido y con una precisión comparable a la de las herramientas gubernamentales. La IA aprende patrones de una gran cantidad de datos en lugar de resolver las ecuaciones físicas, un enfoque que se adapta bien a un sistema caótico como el clima, donde pequeñas diferencias pueden provocar grandes perturbaciones.
Los modelos de IA tenían tres debilidades claras: tendían a pronosticar sobre áreas demasiado amplias (de 15 a 25 kilómetros cuadrados), no siempre eran buenos con la lluvia y dependían de los conjuntos de datos gubernamentales. WeatherNext 3 ataca los tres frentes. Los investigadores indican que puede predecir con una resolución de 5 kilómetros, que su evaluación de la lluvia mejora un 60% respecto a WeatherNext 2 y que ahora puede producir pronósticos por horas, en lugar de las predicciones estándar cada seis horas. Es un modelo más grande, con 2,4 veces más parámetros que su predecesor, y con cabezas de decodificación adaptadas para dar respuestas más útiles. Además, lo han entrenado para apuntar a estaciones meteorológicas específicas, lo que permite predicciones más granulares y evaluar el resultado contra datos reales. También puede ingerir datos de satélite recogidos en tiempo real, hora a hora.
Y aquí hay polémica de mérito. Google afirma que WeatherNext 3 es el "primer" modelo de IA en incorporar directamente observaciones en bruto para un pronóstico global de alta resolución. Pero la startup WindBorne, especializada en IA meteorológica, asegura que su modelo WeatherMesh 6 ya incorpora observaciones en bruto de su flota de globos meteorológicos y otras fuentes desde finales de 2025. Google responde que sus pronósticos tienen mayor resolución global. En cualquier caso, ambos modelos siguen dependiendo de los conjuntos de datos meteorológicos nacionales para hacer sus predicciones, así que aún queda trabajo por hacer para lograr una asimilación directa de datos en sentido estricto.
Mientras los grandes modelos de lenguaje acaparan la atención, la revolución de los transformadores en meteorología ha sido igual de importante. Las agencias meteorológicas europeas y estadounidenses ya utilizan modelos de IA en sus productos de pronóstico. La velocidad y el bajo coste de estos modelos prometen un impacto económico en regiones más pobres, donde el gasto en sensores de alta calidad y supercomputadoras ha dejado los pronósticos precisos fuera de su alcance. Bill Gates citó recientemente los pronósticos meteorológicos impulsados por IA como un beneficio crucial de la tecnología, con mejores predicciones que mejoran el rendimiento de las cosechas en los países en desarrollo. Y en el terreno de la energía, el investigador de DeepMind Ferran Alet señala que los pronósticos de viento, lluvia y nubosidad a mayor resolución serán útiles para hacer más fiables los proyectos de energía renovable.
El análisis de Salseo
- Lo que cambia el juego no es solo la precisión: es que Google va a meter este modelo en el buscador, Maps y Gemini, convirtiendo un avance de laboratorio en un producto de masas. Es una vía clara de monetización para su IA.
- El salto de resolución (de 15-25 km a 5 km) y las predicciones por horas son clave para sectores donde el tiempo vale dinero: agricultura, energía renovable, logística. Un pronóstico por horas puede marcar la diferencia entre aprovechar una ventana de sol o una racha de viento.
- La disputa con WindBorne sobre quién incorporó primero los datos en bruto muestra que la carrera por independizarse de los datos gubernamentales ya está en marcha. Pero ambos modelos siguen usándolos, así que la autonomía total es aún una promesa, no una realidad.
- Ojo con el titular del paraguas: la mejora en lluvia es del 60%, pero la lluvia sigue siendo el punto débil de los modelos de IA. La tecnología ha avanzado, pero el pronóstico fino del detalle que más afecta a tu día a día todavía tiene margen de mejora.