Google apuesta a que las observaciones en vivo y la IA pueden cerrar brechas persistentes en los pronósticos de lluvia y nieve, especialmente en regiones con escaso equipamiento terrestre. Sin embargo, su propio despliegue reconoce que las predicciones más rápidas de las máquinas aún deben coexistir con los modelos basados en la física en los que los pronosticadores confían para las alertas.

Google presentó WeatherNext 3 como la versión más reciente de su sistema de predicción mediante IA, afirmando que puede generar un pronóstico global cada hora a partir de observaciones satelitales recientes, en lugar de depender únicamente de datos de entrada de modelos más antiguos. La empresa afirma que ese cambio ofrece una imagen cinco veces más nítida que la de su modelo anterior, con algunos pronósticos de temperatura y humedad resueltos hasta cinco kilómetros.¹

La promesa central es la precipitación: las tormentas que se desplazan rápidamente son notoriamente difíciles de precisar, y Google afirma que los pronósticos elaborados con al menos un día de antelación pueden ser hasta un 50% más precisos. Las posibles mejoras son mayores fuera de Estados Unidos y Europa, donde la menor cantidad de pluviómetros deja huecos más amplios en las redes convencionales de observación. «Podemos aprovechar conjuntos de datos de observación más recientes y ricos», dijo Samier Merchant, ingeniero de Google Research.¹

Google DeepMind presentó el lanzamiento de forma más amplia como «un gran avance» en la predicción global, afirmando que el modelo aprende directamente de observaciones del mundo real y en tiempo real para producir predicciones más localizadas con mayor rapidez.Demis Hassabis (demishassabis)² El jefe de DeepMind, Demis Hassabis, reforzó ese mensaje en una republicación.²

El sistema ahora se está integrando en Search, Maps y Gemini, mientras que Google también ha diseñado pronósticos para operadores de energía renovable, incluidas estimaciones de la velocidad del viento a la altura de las turbinas. Ferran Alet, científico de investigación de Google DeepMind, vinculó ese trabajo con la creciente demanda de energía, y sostuvo que hacer de las renovables «una oportunidad muy atractiva es muy importante para nosotros».¹

Sin embargo, WeatherNext 3 no se presenta como un reemplazo de la meteorología tradicional. Se entrena en parte con modelos basados en la física, y las agencias meteorológicas todavía comparan múltiples pronósticos antes de emitir alertas públicas, un recordatorio de que una producción de IA más precisa solo es útil si mejora las decisiones cuando el clima se vuelve peligroso.¹