Investigadores de Microsoft y el MIT desarrollaron una tecnología que mejora los pronósticos de lluvia, temperatura y presión atmosférica a varias semanas. El sistema obtuvo resultados superiores a modelos meteorológicos de referencia y podría facilitar la preparación ante inundaciones, sequías y otros eventos extremos.
Un equipo internacional de investigadores desarrolló un sistema de inteligencia artificial capaz de mejorar considerablemente los pronósticos meteorológicos con varias semanas de anticipación. La tecnología logró duplicar el desempeño predictivo de un modelo de referencia y mejorar la detección anticipada de fenómenos extremos, según una investigación publicada el 14 de octubre de 2026 en la revista científica Nature.
El desarrollo reúne a especialistas de Microsoft Research, el Instituto Tecnológico de Massachusetts (MIT) y otras instituciones científicas. Su principal innovación consiste en corregir errores que se acumulan en los modelos meteorológicos actuales, especialmente cuando intentan estimar las condiciones del tiempo más allá de los próximos 14 días.
La investigación aborda uno de los mayores desafíos de la meteorología: obtener información útil sobre las probabilidades de lluvia, temperatura y otros fenómenos entre dos y seis semanas antes de que ocurran.
Cómo funciona la inteligencia artificial que mejora los pronósticos
La tecnología se denomina Probabilistic Bias Correction (PBC), que puede traducirse como corrección probabilística de sesgos.
A diferencia de otros desarrollos que intentan construir nuevos modelos capaces de simular el comportamiento de la atmósfera, este sistema utiliza las predicciones meteorológicas existentes y aprende a identificar sus errores habituales.
Para conseguirlo, analiza pronósticos históricos, los compara con las condiciones meteorológicas que efectivamente se registraron y determina qué desviaciones tienden a repetirse.
Posteriormente, utiliza ese aprendizaje para ajustar las probabilidades de los pronósticos futuros.
Por ejemplo, si un modelo presenta errores recurrentes al estimar precipitaciones en determinadas regiones o épocas del año, la herramienta puede identificar esos patrones y corregir las nuevas estimaciones.
El procedimiento también incorpora observaciones recientes y registros climatológicos para mejorar la distribución de probabilidades.
La principal ventaja es que no requiere reemplazar los sistemas meteorológicos existentes, sino incorporar una etapa adicional de procesamiento que mejora la información generada por ellos.
Además, fue diseñado para funcionar con diferentes modelos de predicción, tanto aquellos basados en ecuaciones físicas como los desarrollados mediante inteligencia artificial.
Las cifras: mejora en hasta el 98% de las zonas evaluadas
Los investigadores probaron la herramienta utilizando sistemas del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), una de las principales instituciones dedicadas a la predicción meteorológica global.
Al aplicar la tecnología sobre su modelo dinámico, previamente corregido mediante procedimientos convencionales, observaron mejoras ampliamente distribuidas.
Los resultados fueron favorables en aproximadamente el 98% de las celdas geográficas evaluadas para precipitaciones, el 92% para temperatura y cerca del 91% para presión atmosférica, dependiendo del horizonte considerado.
Otro resultado relevante apareció al utilizar la herramienta con el sistema de pronósticos mediante inteligencia artificial del ECMWF, conocido como AIFS-SUBS.
En las evaluaciones correspondientes a 2025, la corrección consiguió duplicar su puntuación promedio de habilidad predictiva probabilística, desde un valor cercano a 0,03 hasta aproximadamente 0,06.
Esta diferencia requiere una precisión: duplicar ese indicador técnico no significa que todos los pronósticos sean dos veces más acertados. La medición refleja cuánto mejora el desempeño probabilístico frente a una referencia climatológica.
El estudio concentró sus principales evaluaciones en las semanas tercera y cuarta, correspondientes a periodos comprendidos aproximadamente entre los días 19 y 32 desde la emisión del pronóstico.
El sistema logró anticipar un episodio de frío extremo
La tecnología también fue evaluada en una competencia internacional organizada por el ECMWF durante 2025.
El equipo presentó una solución denominada MicroDuet, que combina pronósticos meteorológicos convencionales con modelos de inteligencia artificial y la nueva técnica de corrección probabilística.
Durante la competencia AI Weather Quest, el sistema alcanzó el primer lugar en las variables y horizontes evaluados, superando las predicciones de seis centros meteorológicos operacionales y las propuestas de otros 34 equipos participantes.
Uno de los casos analizados ocurrió en noviembre de 2025, cuando MicroDuet identificó anticipadamente una elevada probabilidad de temperaturas extremadamente bajas para mediados de diciembre en el este de Estados Unidos.
El episodio de frío finalmente se produjo y había pasado inadvertido para el modelo convencional utilizado como referencia en esa comparación.
Los investigadores también examinaron la capacidad del sistema para anticipar precipitaciones extremas e inundaciones.
En una evaluación que incorporó acontecimientos registrados por el Sistema Mundial de Alerta y Coordinación sobre Desastres (GDACS), la herramienta mejoró los indicadores de predicción de inundaciones respecto de los pronósticos originales del ECMWF.
En los eventos de mayor impacto humanitario, las ganancias de habilidad predictiva fueron especialmente relevantes.
Estos resultados muestran que la tecnología no solo mejora estimaciones meteorológicas generales, sino que también puede contribuir a identificar situaciones de riesgo con mayor anticipación.
Sin embargo, los pronósticos siguen siendo probabilísticos y no permiten determinar con certeza la fecha exacta, intensidad o ubicación de todos los fenómenos extremos con un mes de anticipación.
Qué aplicaciones podría tener en la minería y la industria
La posibilidad de disponer de pronósticos meteorológicos más confiables con varias semanas de anticipación tiene implicancias para actividades que dependen directamente de las condiciones ambientales.
En minería, las precipitaciones intensas, las nevadas y las temperaturas extremas pueden afectar el funcionamiento de caminos, instalaciones eléctricas, sistemas de transporte y operaciones en altura.
Una mayor anticipación de estos riesgos podría apoyar la planificación de trabajos de mantenimiento, la programación de actividades en terreno y la preparación de medidas preventivas frente a condiciones adversas.
También podría resultar útil en la gestión de recursos hídricos, particularmente en operaciones que necesitan planificar el suministro de agua o evaluar escenarios de precipitaciones.
Para la industria energética, mejores pronósticos permitirían estimar con más anticipación variaciones en la demanda eléctrica asociadas a temperaturas extremas y cambios en la disponibilidad de recursos para generación.
En agricultura, uno de los sectores directamente considerados por los investigadores, las estimaciones podrían ayudar a definir fechas de siembra, aplicación de fertilizantes y medidas de protección de cultivos.
Estas son aplicaciones potenciales de la tecnología. El estudio no demuestra que su incorporación haya reducido accidentes o interrupciones operacionales en faenas mineras, ni presenta una evaluación específica de su desempeño en Chile.
La tecnología ya comienza a probarse fuera del laboratorio
Uno de los aspectos que podría facilitar su adopción es su menor demanda computacional frente a la ejecución de grandes modelos meteorológicos completos.
Aunque el desarrollo utilizó infraestructura avanzada durante la investigación, la herramienta de corrección puede ejecutarse sin necesitar un supercomputador dedicado para cada pronóstico.
Además, el código fue publicado como software de código abierto, permitiendo que instituciones científicas y servicios meteorológicos examinen su funcionamiento y desarrollen aplicaciones propias.
En Kenia, investigadores vinculados a la organización Rhiza Research colaboran con especialistas meteorológicos para probar esta tecnología en pronósticos de precipitaciones destinados a apoyar decisiones agrícolas.
Microsoft también continúa trabajando en herramientas de predicción subestacional orientadas a aplicaciones operacionales.
El desafío pendiente es comprobar cómo se comporta la tecnología en diferentes regiones, condiciones climáticas y sistemas meteorológicos, especialmente cuando sus resultados deben utilizarse para tomar decisiones de alto impacto.
Aunque la investigación demuestra mejoras verificables, no elimina las limitaciones naturales de la predicción atmosférica a largo plazo.
Su aporte consiste en aprovechar mejor la información disponible para estimar riesgos futuros, ampliando las posibilidades de preparación ante fenómenos meteorológicos que actualmente pueden detectarse cuando queda poco tiempo para adoptar medidas preventivas.
REDIMIN Responde
¿Qué tecnología desarrollaron investigadores de Microsoft y el MIT para mejorar pronósticos meteorológicos?
Desarrollaron una tecnología llamada Probabilistic Bias Correction (PBC), que mejora los pronósticos de lluvia, temperatura y presión atmosférica al corregir errores acumulados en los modelos meteorológicos actuales.
¿Cuál fue el desempeño de la tecnología en comparación con modelos meteorológicos de referencia?
La tecnología logró duplicar el desempeño predictivo de un modelo de referencia y mejorar la detección anticipada de fenómenos extremos, mostrando mejoras en aproximadamente el 98% de las zonas evaluadas para precipitaciones, el 92% para temperatura y cerca del 91% para presión atmosférica.
¿Cómo funciona la tecnología Probabilistic Bias Correction (PBC)?
La tecnología utiliza las predicciones meteorológicas existentes y aprende a identificar sus errores habituales comparando pronósticos históricos con las condiciones meteorológicas reales, para luego ajustar las probabilidades de los pronósticos futuros.
¿Qué resultados obtuvo la tecnología en la competencia AI Weather Quest de 2025?
Durante la competencia AI Weather Quest, el sistema alcanzó el primer lugar en las variables y horizontes evaluados, superando las predicciones de seis centros meteorológicos operacionales y las propuestas de otros 34 equipos participantes.
¿Qué aplicaciones potenciales tiene la tecnología en la minería y la industria?
La tecnología podría apoyar la planificación de trabajos de mantenimiento, la programación de actividades en terreno y la preparación de medidas preventivas frente a condiciones adversas en minería, así como en la gestión de recursos hídricos y la industria energética.
