Cómo la IA está transformando los pronósticos meteorológicos: GraphCast, AIFS y GEML de Canadá

Las agencias meteorológicas en Europa y América del Norte han comenzado a ejecutar modelos de inteligencia artificial junto con sistemas de pronóstico basados en física que datan de hace décadas, y en algunos casos están combinando los dos. El cambio es impulsado por la capacidad de la IA para generar un pronóstico global de 10 días en menos de un minuto en un único procesador, en comparación con horas de tiempo de supercomputadora para la predicción numérica del tiempo tradicional, según Google DeepMind y el Centro Europeo de Predicciones Meteorológicas a Plazo Medio (ECMWF).

Qué hacen realmente GraphCast y AIFS

GraphCast, construido por Google DeepMind, es un modelo de aprendizaje automático que utiliza redes neuronales de grafos para procesar datos meteorológicos en más de un millón de puntos de cuadrícula que cubren la superficie de la Tierra con una resolución de 28 por 28 kilómetros. Toma el estado atmosférico de seis horas antes y el estado actual, luego predice las próximas seis horas; ejecutar ese paso repetidamente produce un pronóstico de 10 días. El modelo y sus resultados fueron publicados en la revista Science el 14 de noviembre de 2023, con su código lanzado como código abierto, según el propio anuncio de Google DeepMind.

ECMWF construyó su propio sistema, el Sistema de Pronóstico por Inteligencia Artificial (AIFS), que se hizo operativo el 25 de febrero de 2025, ejecutándose junto al Sistema de Pronóstico Integrado (IFS) tradicional basado en física del centro. AIFS utiliza los mismos datos iniciales que IFS — aproximadamente 60 millones de observaciones controladas de calidad de satélites, aviones, boyas y estaciones terrestres recopiladas cada seis horas — pero aplica un modelo de aprendizaje automático entrenado en patrones meteorológicos históricos en lugar de resolver ecuaciones de física directamente, según ECMWF.

Qué tan precisos son los modelos de IA, según las organizaciones que los construyeron

Google DeepMind reportó que GraphCast produjo predicciones más precisas que el Pronóstico de Alta Resolución (HRES) de ECMWF — descrito por la empresa como el punto de referencia de la industria — en más del 90% de 1.380 variables de prueba y tiempos de pronóstico, y en el 99,7% de variables específicas de la tropósfera, la capa de la atmósfera donde ocurre la mayoría del clima. DeepMind también dijo que GraphCast predijo el desembarco de la tormenta tropical en Nueva Escocia del Huracán Lee nueve días antes.

ECMWF reportó que AIFS "supera los modelos basados en física de última generación para muchas medidas, incluidas las trayectorias de ciclones tropicales, con ganancias de hasta el 20%", mientras utiliza aproximadamente 1.000 veces menos energía por pronóstico que los métodos convencionales.

Enfoque híbrido de Canadá: IA guiando un modelo de física

Environment and Climate Change Canada tomó una ruta diferente, construyendo un modelo de IA canadiense llamado Global Environmental eMuLator (GEML) sobre el código de GraphCast de código abierto de DeepMind y entrenándolo con datos meteorológicos históricos de Canadá. En lugar de reemplazar el modelo basado en física, la agencia combina los dos a través de una técnica que denomina "spectral nudging": el modelo tradicional se guía suavemente hacia el estado atmosférico generado por GEML, mientras que los detalles de escala más fina relevantes para el clima severo aún evolucionan usando ecuaciones físicas establecidas, según el anuncio oficial de la agencia. El sistema híbrido se hizo operativo el 27 de mayo de 2026, después de más de un año de pruebas.

Environment and Climate Change Canada dijo que los modelos de IA pueden superar modelos de computadora tradicionales para patrones atmosféricos a gran escala, lo que importa más en tiempos de pronóstico más largos, pero no publicó una cifra de mejora específica en el anuncio.

Dónde la IA sigue siendo insuficiente

Tanto ECMWF como Environment and Climate Change Canada señalaron limitaciones. El AIFS de ECMWF actualmente se ejecuta solo como un pronóstico determinista único; una versión de conjunto que ofrece 50 variaciones de pronóstico, que es estándar para evaluar la incertidumbre del pronóstico, aún se está desarrollando, según ECMWF. Environment and Climate Change Canada dijo que, por sí solas, los modelos de IA actuales solo pronostican un número limitado de variables, lo que no es suficiente para uso operativo, y que suavizan los detalles atmosféricos más finos de maneras que pueden reducir la precisión para ciertos tipos de clima extremo — una razón por la cual la agencia eligió un diseño híbrido en lugar de un sistema solo de IA.