Google presentó WeatherNext 3, su nueva inteligencia artificial meteorológica, y la integró de inmediato en Search, Gemini, Maps, Google Maps Platform y Cloud. La compañía la describe como su sistema de pronóstico más avanzado hasta ahora, una afirmación que atribuye a evaluaciones en tiempo real realizadas por Brightband.
Los detalles cuentan la historia mejor que cualquier comunicado de prensa. El modelo genera pronósticos horarios con distintas resoluciones espaciales: cinco kilómetros para temperatura y humedad en superficie, 10 kilómetros para otras variables de superficie y 25 kilómetros para variables atmosféricas como la velocidad del viento. Según Google, ese esquema produce una imagen meteorológica global cinco veces más nítida que la de su predecesor, WeatherNext 2, que trabajaba sobre una cuadrícula de 25 kilómetros y con intervalos de seis horas.
El giro técnico: adiós al retraso de seis horas
El cambio de fondo no es solo de resolución sino de método. La mayoría de los sistemas meteorológicos de IA, incluido el antecesor de Google, se entrenaban con datos de modelos numéricos de predicción del tiempo: simulaciones físicas ejecutadas en supercomputadoras que arrastran un retraso de seis horas. Para Google, ese desfase introduce sesgos en variables que cambian rápido, como la lluvia o la temperatura superficial.
WeatherNext 3 aprende directamente de observaciones del mundo real, incorporando mosaicos satelitales geoestacionarios en tiempo real y datos de estaciones meteorológicas dispersas. Eso le permite generar un nuevo pronóstico cada hora, algo que la empresa considera clave cuando tormentas o sistemas de precipitación se forman de manera repentina.
Costas, valles y cordilleras: el problema que el modelo intenta resolver
Google señaló que variables como la temperatura y la humedad pueden cambiar de forma marcada en apenas unos kilómetros, una diferencia especialmente relevante en zonas costeras, valles o cordilleras, donde los modelos tradicionales suelen perder detalle. El entrenamiento directo con datos de observación busca corregir esa limitación e incorporar mejor la topografía y las particularidades regionales en la cuadrícula de cinco kilómetros.
Para la precipitación —una de las variables más difíciles de anticipar porque nace de procesos nubosos rápidos y a escalas pequeñas— la compañía utilizó dos fuentes que describió como de alta calidad: el sistema IMERG de la NASA y un reanálisis global propio basado en radar satelital.
El modelo también incorpora variables pensadas para la producción de energía limpia: velocidad del viento a 100 metros —una altura cercana a la de las turbinas—, cobertura nubosa y niveles de radiación solar en alta resolución para estimar la luz que llegará al suelo. Google añadió que el sistema optimiza además la predicción de nieve, un factor relevante para la conducción.
La promesa para las economías emergentes
La escena lo dice todo: Google sostuvo que este avance puede tener especial impacto en América Latina, África y Asia-Pacífico, regiones donde los altos costos de supercomputación limitaron históricamente la disponibilidad de pronósticos regionales de alta resolución. La compañía plantea que el modelo puede acercar previsiones más localizadas a miles de millones de personas y a negocios que operan en esas zonas.
Google fue explícito en un matiz que conviene no perder de vista: recordó que los pronósticos oficiales, las alertas meteorológicas graves y los avisos de seguridad pública deben seguir consultándose en las agencias meteorológicas locales o en los servicios meteorológicos nacionales. WeatherNext 3 no sustituye a esos organismos; se integra como una capa adicional de datos en productos de consumo masivo.
Lo que está en juego
Durante décadas, la calidad de un pronóstico meteorológico dependió en buena medida del músculo de cómputo que un Estado pudiera pagar. Las simulaciones numéricas tradicionales exigen supercomputadoras costosas, y ese umbral de entrada dejó a países enteros con modelos regionales pobres o inexistentes, mientras las potencias con presupuesto público abundante concentraban la mejor información.
Lo que propone Google es otra vía: una empresa privada que, apalancada en capacidad de cómputo propia y datos satelitales, ofrece de forma gratuita en Maps, Search y Gemini una resolución que antes solo estaba al alcance de agencias estatales con recursos abundantes. Es, en los hechos, innovación tecnológica desplazando una barrera de entrada que durante años solo el gasto público podía sortear. Si la promesa se sostiene con el uso masivo, el principal beneficiario no será el aparato estatal, sino el agricultor, el operador logístico o el pequeño negocio energético en una región donde antes el pronóstico local, sencillamente, no existía.
