Una IA mejora el pronóstico de ciclones tropicales y gana tiempo de aviso

La inteligencia artificial podría dar más tiempo para prepararse ante un ciclón tropical. Un estudio publicado en Nature presenta WeatherNext Cyclones, un modelo que genera pronósticos de trayectoria, intensidad y tamaño de estas tormentas en todo el mundo y que, según sus autores, logra una ventaja media de un día o más frente a varios sistemas operativos líderes.

Esa diferencia puede parecer modesta, pero en fenómenos que cambian rápido cada hora extra importa. Un margen mayor para anticipar dónde tocará tierra una tormenta, cuán fuerte llegará o qué extensión tendrá su campo de vientos puede influir en alertas, cierres preventivos, evacuaciones y preparación de servicios de emergencia.

Los ciclones tropicales siguen siendo uno de los desafíos más difíciles de la meteorología. No basta con saber que una tormenta existe: también hay que estimar cómo evolucionará su recorrido, si se intensificará de golpe y qué regiones quedarán expuestas a vientos peligrosos. Los autores proponen que la IA puede ayudar a mejorar ese panorama sin reemplazar a los pronosticadores humanos.

El modelo, llamado WN-C, fue entrenado con una combinación de datos globales de análisis atmosférico y una base histórica mundial de ciclones tropicales. A partir de esa información genera grandes conjuntos de escenarios posibles, en vez de una única respuesta, y puede extender sus predicciones hasta 15 días hacia adelante. El trabajo evaluó su desempeño con ciclones ocurridos entre 2023 y 2025.

Según el paper, WN-C mejoró los pronósticos de trayectoria, intensidad y radios de viento en comparación con modelos operativos de referencia. Uno de los puntos más llamativos es que lo hizo usando datos de entrada mucho más gruesos que los de varios modelos regionales especializados. Eso sugiere que parte de la información útil para anticipar la intensidad de un ciclón ya está presente en escalas más amplias de la atmósfera y que los sistemas actuales quizá no la estén aprovechando del todo.

El estudio también destaca otra ventaja práctica: la escala del sistema permite generar ensembles de hasta 1.000 miembros, muy por encima de los conjuntos de unas 50 simulaciones que suelen usarse en varios esquemas convencionales. Tener muchos más escenarios no garantiza por sí solo mejores decisiones, pero sí puede ayudar a captar eventos poco frecuentes y a estimar mejor la incertidumbre, algo clave cuando se trata de tormentas potencialmente devastadoras.

Eso no convierte al modelo en una solución cerrada. Los propios autores lo presentan como una guía operativa para apoyar a pronosticadores humanos, no como un reemplazó automático. Además, el trabajo compara rendimiento predictivo, no resultados sociales concretos: no demuestra por sí mismo que un día extra de ventaja se traduzca siempre en evacuaciones más efectivas o menos daños. Tampoco asegura que el sistema mantenga el mismo rendimiento en todas las cuencas, temporadas o contextos futuros.

Aún con esas cautelas, el resultado marca un cambio interesante en una tarea donde los avances suelen costar años. Si el desempeño reportado se sostiene en uso operativo, la combinación entre meteorología e inteligencia artificial podría mejorar la anticipación de algunos de los fenómenos más destructivos del planeta y dar a las comunidades un poco más de tiempo para reaccionar.