La inteligencia artificial mejora la predicción de huracanes y acierta la trayectoria de Isaías cuando fallaron modelos tradicionales
La inteligencia artificial ya ha dejado de ser una promesa experimental en meteorología. Los modelos basados en aprendizaje automático están entrando en los sistemas operativos de los principales centros de predicción y empiezan a ofrecer resultados especialmente competitivos en el seguimiento de huracanes y ciclones tropicales.
El caso del huracán Isaías es uno de los ejemplos más llamativos. A más de tres días de su llegada a tierra, uno de estos modelos anticipó con pocas horas de margen el momento del impacto y situó la trayectoria cerca de Florida. Los modelos tradicionales europeo y estadounidense se desviaron considerablemente hacia el oeste.
Una trayectoria más precisa para Isaías
El modelo FNV3 de Weather Labs, vinculado a los avances de DeepMind, fue capaz de aproximarse al recorrido real del huracán con una precisión superior a la de varios sistemas meteorológicos convencionales. El pronóstico resultó especialmente valioso porque la trayectoria de una tormenta tropical determina qué zonas deben prepararse para vientos, lluvias intensas o marejada ciclónica.
Los modelos clásicos no desaparecieron del análisis, pero quedaron en una posición menos favorable para ese episodio concreto. Estos sistemas, como el europeo y el GFS estadounidense, funcionan mediante complejas ecuaciones físicas que simulan la atmósfera en superordenadores. Su precisión depende de la calidad de los datos iniciales y de la capacidad de cálculo disponible.
La inteligencia artificial emplea otro enfoque. En lugar de resolver desde cero todas las ecuaciones atmosféricas, un modelo de machine learning aprende patrones a partir de grandes cantidades de datos meteorológicos históricos. Después utiliza ese conocimiento para estimar cómo evolucionará una perturbación en nuevas situaciones.
La IA no gana en todos los apartados
El buen resultado de Isaías no significa que la inteligencia artificial sea superior en cualquier tipo de pronóstico. El director del Centro Nacional de Huracanes de Estados Unidos señaló que el pronóstico oficial logró entre un 20% y un 40% más de precisión que el sistema de IA al calcular la intensidad del huracán.
Predecir la trayectoria y estimar la fuerza de una tormenta son tareas diferentes. La trayectoria indica hacia dónde se desplazará el ciclón, mientras que la intensidad mide aspectos como la velocidad máxima del viento y la presión atmosférica. Los modelos físicos HWRF y HMON continúan ofreciendo mejores resultados en las previsiones de intensidad a largo plazo.
Esta diferencia resulta crucial. Una tormenta que cambia ligeramente de dirección puede afectar a una zona distinta, pero una intensificación rápida puede convertir un fenómeno manejable en una emergencia grave en pocas horas. Por eso, los meteorólogos combinan actualmente varias herramientas antes de emitir una alerta.
Más días de margen para prepararse
Los avances no se limitan a un único huracán. Un estudio publicado en Nature sobre el modelo WeatherNext Cyclones concluyó que, tras analizar ciclones registrados entre 2023 y 2025, la inteligencia artificial consiguió ofrecer de media un día adicional de anticipación frente a algunos de los principales modelos operativos.
En 2025, el Centro Nacional de Huracanes comenzó a incorporar modelos de IA en sus operaciones en tiempo real. En las predicciones de trayectoria realizadas entre 12 y 72 horas antes, el sistema de DeepMind superó al pronóstico oficial en distintas evaluaciones y alcanzó un rendimiento comparable al de los métodos convencionales al estimar la intensidad.
Estos resultados han favorecido su integración en las tareas diarias. Durante el seguimiento de Isaías, los meteorólogos estadounidenses ajustaron sus previsiones para acercarlas a las del modelo de inteligencia artificial, por delante de sistemas históricos como el modelo europeo o el GFS en ese caso concreto.
Menos energía y más rapidez
Una de las ventajas más importantes de estos modelos es su eficiencia. El Centro Europeo de Previsiones Meteorológicas a Plazo Medio mantiene operativo su modelo de inteligencia artificial AIFS junto al sistema físico IFS. Según sus estimaciones, el modelo de IA necesita aproximadamente mil veces menos energía para generar un pronóstico.
El ahorro puede ser determinante porque las predicciones meteorológicas requieren procesar enormes volúmenes de información: mediciones de satélites, estaciones terrestres, boyas, radares y sensores atmosféricos. Reducir el coste computacional permite generar más escenarios y actualizar los mapas con mayor frecuencia.
Estos sistemas también pueden trabajar con múltiples posibilidades. En meteorología, un pronóstico probabilístico calcula varios escenarios y asigna una probabilidad a cada uno. Esta técnica, conocida como predicción por conjuntos, ayuda a reflejar la incertidumbre y evita presentar una única trayectoria como si fuera completamente segura.
El reto de los fenómenos extremos en España
La Agencia Estatal de Meteorología también participa en la evolución de estas tecnologías mediante iniciativas europeas como ANEMOI-ML. Sin embargo, su valoración actual es prudente: en determinados contextos, los resultados de la IA todavía son peores que los de los modelos tradicionales.
Uno de los principales problemas es la tendencia a suavizar los extremos meteorológicos. En la práctica, esto significa que un modelo puede subestimar una lluvia torrencial, una racha de viento excepcional o una ola de calor muy intensa. Para la emisión de avisos, esa limitación puede tener consecuencias importantes.
La inteligencia artificial aprende a partir de los datos disponibles y suele favorecer los patrones más frecuentes. Los fenómenos extremos son menos habituales en los registros, pero precisamente por eso requieren una atención especial. Un episodio de precipitaciones torrenciales no puede tratarse como una lluvia intensa más.
Los meteorólogos seguirán siendo esenciales
Por ahora, la IA funciona principalmente como una herramienta de apoyo. Muchos modelos todavía necesitan los datos generados por los sistemas físicos tradicionales para iniciar sus cálculos y construir una representación fiable del estado de la atmósfera.
La decisión final continúa en manos de profesionales capaces de interpretar los resultados, comparar modelos y tener en cuenta factores locales que un algoritmo puede pasar por alto. La experiencia humana también resulta esencial cuando los datos son incompletos o aparece un fenómeno poco habitual.
La tendencia apunta a una convivencia cada vez más estrecha entre ambos enfoques. La inteligencia artificial aporta rapidez, eficiencia y nuevas capacidades de predicción, mientras que los modelos físicos ofrecen una base científica sólida para comprender la evolución atmosférica. El futuro de la meteorología no será, al menos de momento, una sustitución, sino una combinación de tecnologías para ganar tiempo y precisión ante los fenómenos extremos.
