La inteligencia artificial está transformando la predicción del tiempo, con modelos de machine learning que ya operan en tiempo real y apoyan a los meteorólogos. Un ejemplo notable es la precisión con la que un modelo de DeepMind anticipó la trayectoria del huracán Isaías, superando a los sistemas tradicionales. Esta tecnología promete una mayor anticipación y eficiencia, aunque aún complementa el trabajo de los expertos.
Durante décadas, pronosticar el clima para los próximos días ha sido un desafío significativo que implicaba el uso de supercomputación avanzada y principios de física pura, respaldado por un equipo de meteorólogos. En la actualidad, la inteligencia artificial está redefiniendo estas prácticas, ya que los modelos basados en machine learning han trascendido la fase experimental y están funcionando en tiempo real, brindando soporte a estos profesionales.
Un ejemplo de la capacidad de esta tecnología en el ámbito meteorológico fue compartido por Packie Young, quien mostró cómo un modelo de DeepMind había previsto la formación del huracán Isaías con una exactitud notable. Específicamente, el modelo FNV3 de Weather Labs se perfila como una de las soluciones más prometedoras.
En cuanto a la trayectoria, la IA demostró una precisión excepcional. Según el análisis de HurriLab, el modelo de IA predijo el momento en que el huracán tocaría tierra con un margen de error de solo unas pocas horas, con más de tres días de antelación. Además, fue el modelo que se acercó más al punto real de impacto, que fue en Florida, mientras que los sistemas tradicionales, tanto europeos como americanos, se desviaron considerablemente hacia el oeste.
Sin embargo, es importante considerar algunos matices. A pesar de su buen desempeño, el director del Centro Nacional de Huracanes (NHC) señaló que el pronóstico oficial del NHC tuvo entre un 20% y un 40% más de habilidad que la IA al predecir la fuerza del huracán. En este aspecto, los modelos clásicos como HWRF y HMON, continuaron siendo superiores en los pronósticos de intensidad a largo plazo.
Más allá de este caso particular, existe una considerable cantidad de literatura científica que resalta los beneficios de utilizar estos modelos de IA. Por ejemplo, un artículo publicado en Nature este año sobre el modelo WeatherNext Cyclones demostró que, tras evaluarse con ciclones entre 2023 y 2025, se logró ofrecer en promedio un día o más de ventaja de anticipación en comparación con los principales modelos operativos actuales.
La prueba más contundente provino del NHC en su informe de 2025, el primer año en que integraron modelos de IA en sus operaciones en tiempo real. En este informe, el modelo de DeepMind superó el pronóstico del NHC en trayectoria entre 12 y 72 horas, alcanzando una habilidad comparable en intensidad. Estos resultados han llevado a su plena integración en las operaciones diarias.
El cambio institucional es palpable. Durante el huracán Isaías, los meteorólogos estadounidenses ajustaron sus pronósticos oficiales para alinearse con los del modelo de DeepMind, relegando a un segundo plano a sistemas históricamente consolidados como el modelo europeo o el GFS estadounidense. Este nivel de confianza también explica lo sucedido con el huracán Melissa, donde el NHC logró anticipar su rápida intensificación casi tres días antes de que llegara a Jamaica, apoyándose en la IA. Por su parte, el Centro Europeo de Previsiones Meteorológicas a Plazo Medio ya tiene la IA plenamente operativa con su modelo AIFS, listo desde el 25 de febrero del año pasado, junto al modelo físico IFS. La principal diferencia aquí radica en su eficiencia, ya que la IA consume aproximadamente 1.000 veces menos energía por pronóstico.
En España, la AEMET también avanza en esta dirección, aunque mantiene un enfoque más pragmático con sus desarrollos dentro del marco europeo con el modelo ANEMOI-ML. La agencia pública señala que, actualmente, los resultados con IA son inferiores a los de los modelos tradicionales, siendo el principal problema la suavización de los eventos meteorológicos extremos, lo cual representa un factor de riesgo importante al emitir alertas por precipitaciones torrenciales.
Los meteorólogos siguen siendo indispensables y, a priori, no serán reemplazados por la IA como se podría pensar. Hoy en día, la mayoría de los modelos de IA requieren de la meteorología tradicional para iniciar y procesar información mediante complejos cálculos físicos, funcionando por el momento como un sistema de apoyo. Esto no descarta que, en el futuro, si la IA logra abarcar todo el proceso, desde la recolección de datos de un sensor hasta la generación del mapa del tiempo, los modelos físicos tradicionales puedan volverse obsoletos.
