La IA ya está cambiando la predicción del tiempo: con el huracán Isaías acertó su trayectoria cuando los modelos tradicionales fallaron

Durante décadas, predecir el tiempo que hará en los próximos días ha sido un auténtico reto que pasaba por el uso de supercomputación bruta y física pura con un equipo de meteorólogos detrás. Hoy, la inteligencia artificial está reescribiendo esas reglas, puesto que los modelos basados en machine learning ya no son una promesa de laboratorio, sino que están operando en tiempo real, brindando apoyo a estos profesionales. 

El caso de Isaías. Para comprobar la potencia que tiene esta tecnología en el campo de la meteorología, el usuario en X Packie Young compartía cómo un modelo de DeepMind había anticipado la aparición del huracán Isaías con una precisión casi mágica. En concreto, el modelo FNV3 de Weather Labs es una de estas grandes promesas. 

En cuanto a la trayectoria, la IA lo bordó. Según el análisis de HurriLab el modelo de IA situó el momento de tocar tierra con un margen de error de pocas horas a más de tres días vista, y fue el modelo que más se acercó al punto real de impacto, que fue en Florida. Mientras tanto, el sistema tradicional, tanto europeo como americano, se desvió demasiado al oeste. 

Pero con matices. Pese a que funcionó bastante bien, el propio director del Centro Nacional de Huracanes matizó que el pronóstico oficial del NHC tuvo entre un 20 y un 40% más de habilidad que la IA a la hora de predecir la fuerza del huracán. Aquí, sin duda, los modelos clásicos como HWRF y HMON, siguieron siendo los mejores en pronósticos de intensidad a largo plazo.

Una revolución. Más allá de este caso tan peculiar, hay bastante literatura científica que nos apunta a las bondades de usar estos modelos de IA. Por ejemplo, un artículo publicado en Nature este mismo año sobre el modelo WeatherNext Cyclones demostró que, tras evaluarse con ciclones entre 2023 y 2025, se consiguió ofrecer de media un día o más de ventaja de anticipación frente a los principales modelos que hay operando ahora mismo. 

Pero la prueba más importante que tenemos la dio el NHC en su informe de 2025, que fue el primer año en el que incorporaron modelos de IA en sus operaciones en tiempo real. Aquí el modelo de DeepMind superó el pronóstico del NHC en trayectoria entre 12 y 72 horas, logrando una habilidad comparable en intensidad. Unos resultados que ahora han hecho que se integre perfectamente en las operaciones diarias. 

El cambio institucional. Durante Isaías, los meteorólogos estadounidenses ajustaron sus pronósticos oficiales para que se parecieran a los del modelo de DeepMind, relegando a un segundo plano a colosos históricos como el modelo europeo o el GFS estadounidense. Este nivel de confianza explica también lo ocurrido con el huracán Melissa, donde el NHC logró anticipar su intensificación rápida 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. Aquí la principal diferencia radica en su eficiencia, puesto que la IA consume unas 1.000 veces menos energía por pronóstico. 

En España, la AEMET no se queda atrás, pero mantiene un enfoque más pragmático con sus avances dentro del marco europeo con el modelo ANEMOI-ML. Aquí la agencia pública apunta a que a día de hoy los resultados con IA son peores que los de los modelos tradicionales, siendo el principal problema la suavización de los extremos meteorológicos, que es un factor de riesgo importante cuando se tienen que emitir alertas por las precipitaciones torrenciales. 

Los meteorólogos son necesarios y a priori no van a ser sustituidos por la IA como se puede llegar a pensar. A día de hoy, la mayoría de los modelos necesitan a la meteorología tradicional para arrancar y tomar toda la información con complejos cálculos físicos, siendo de momento un sistema de apoyo. Esto no quita que, en el momento en que la IA logre comerse todo el proceso para llevar los datos desde un sensor hasta el mapa del tiempo, los modelos físicos tradicionales puedan quedar obsoletos. 

Imágenes | Josias Salinas