Google DeepMind y Google Research presentaron esta semana WeatherNext 3, su modelo de inteligencia artificial para predicción meteorológica más avanzado hasta la fecha, que ofrece una resolución sin precedentes, pronósticos cada hora y una capacidad inédita para alimentarse directamente de imágenes satelitales en bruto. La nueva herramienta se integrará en productos de uso masivo como Search, Maps y Gemini, y también estará disponible para empresas e investigadores a través de las plataformas en la nube de Google.
Según explicó Samier Merchant, ingeniero senior de Google, al medio TechCrunch, esta será "la primera vez que algunas de las variables centrales alimenten y potencien una gran cantidad de productos de Google". El modelo ya se posiciona como el más preciso entre los principales contendientes evaluados en Operational WeatherBench, una herramienta de referencia desarrollada por la startup Brightband que compara pronósticos de IA en variables como temperatura, velocidad del viento y humedad. WeatherNext 3 supera no solo a otros modelos de aprendizaje profundo desarrollados por Google, Microsoft, Nvidia y el Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF), sino también a los pronósticos tradicionales del Servicio Meteorológico Nacional de Estados Unidos y del propio ECMWF.
La irrupción de la IA en la meteorología supone un cambio de paradigma frente a los métodos tradicionales, basados en supercomputadoras gubernamentales que resuelven complejas ecuaciones físicas. Aunque esos sistemas son muy precisos, resultan costosos y relativamente lentos. Tras la publicación por parte del ECMWF de más de medio siglo de datos meteorológicos en 2018, los investigadores de aprendizaje profundo comenzaron a entrenar modelos capaces de generar predicciones mucho más rápido y con una precisión comparable. "El clima es caótico, y las pequeñas diferencias empiezan a perturbar masivamente… El aprendizaje automático aborda el problema real, que es aproximar una física ruidosa con información incompleta y cómputo finito, y por eso aprende patrones a partir de muchos datos", explicó Ferran Alet, gerente científico de investigación en DeepMind.
WeatherNext 3 aborda tres debilidades históricas de los modelos meteorológicos de IA. En primer lugar, alcanza una resolución de 5 kilómetros en variables clave como temperatura y humedad en estaciones meteorológicas, frente a los 15-25 kilómetros habituales. En segundo lugar, mejora en un 60% la evaluación de precipitación respecto a su predecesor, WeatherNext 2. Y, por primera vez, genera pronósticos cada hora en lugar de cada seis horas. Estos avances se lograron mediante un modelo un 2,4 veces más grande en número de parámetros y un ajuste específico de los objetivos en los cabezales del decodificador.
Otro avance relevante es la incorporación directa de observaciones satelitales en bruto, en lugar de depender exclusivamente de los conjuntos de datos formateados por las agencias gubernamentales. Google afirma que WeatherNext 3 es el "primer" modelo de IA en incorporar observaciones crudas para un pronóstico global de alta resolución. No obstante, la startup WindBorne sostiene que su modelo WeatherMesh 6 ya integraba observaciones directas desde finales de 2025. Google respondió señalando que sus pronósticos tienen mayor resolución a escala global. En cualquier caso, ambos modelos siguen dependiendo de los conjuntos de datos nacionales, por lo que la asimilación verdaderamente directa de datos sigue siendo un reto pendiente.
El modelo también ha sido entrenado para dirigir sus pronósticos a estaciones meteorológicas específicas, lo que permite evaluaciones más precisas contra datos reales. "La idea, con muchas aplicaciones de IA, es intentar ejecutar las tareas de extremo a extremo", señaló Daniel Rothenberg, científico atmosférico de Brightband. "Añadir la capacidad de predecir, por ejemplo, lo que medirá la estación meteorológica del aeropuerto de Denver cada hora, acerca la tarea de pronóstico a su núcleo".
En cuanto a las aplicaciones industriales, WeatherNext 3 incluye variables relevantes para el sector energético, como radiación y cobertura nubosa, fundamentales para la gestión de parques eólicos y solares. Esto conecta con una de las promesas más destacadas de la IA meteorológica: democratizar el acceso a pronósticos de alta calidad en regiones donde el coste de sensores y supercomputadoras ha limitado la precisión de los servicios meteorológicos. Bill Gates citó recientemente los pronósticos meteorológicos impulsados por IA como un beneficio crucial de esta tecnología, al mejorar el rendimiento agrícola en países en desarrollo.
Aunque los modelos de lenguaje acaparan la mayor parte de la atención pública, la revolución de los transformers en meteorología avanza con fuerza. Las agencias europeas y estadounidenses ya utilizan modelos de IA en sus productos de pronóstico, y su velocidad y bajo coste prometen llevar impacto económico a regiones más pobres. WeatherNext 3 marca un nuevo hito en esta transformación, al combinar mayor resolución, frecuencia horaria y alimentación directa desde satélites, consolidando a Google como uno de los actores clave en el futuro de la predicción meteorológica basada en inteligencia artificial.