La corporación Google ha presentado la tercera iteración de su modelo de predicción meteorológica basado en inteligencia artificial: WeatherNext 3. A diferencia de sus predecesores, este producto está diseñado para las necesidades específicas del sector energético, donde la precisión de los datos meteorológicos se convierte directamente en resultados financieros.

Nuevas variables y avance técnico

La diferencia clave de WeatherNext 3 es el conjunto ampliado de parámetros considerados. El modelo ahora analiza la velocidad del viento a 100 metros de altitud, el nivel de nubosidad y la intensidad de la radiación solar en la superficie. Estos datos son críticos para evaluar la generación de fuentes de energía renovable (FER) y predecir la carga en las redes eléctricas.

Las características técnicas impresionan: el pronóstico global se actualiza cada hora, y la resolución espacial se ha mejorado a 5 km para variables de superficie (temperatura, humedad) y 11 km para precipitaciones. En comparación, la versión anterior WeatherNext 2 trabajaba con una cuadrícula de 25 km y actualizaba los datos solo cada seis horas.

Entrenamiento con datos reales

La arquitectura del nuevo modelo es fundamentalmente diferente. En lugar de depender exclusivamente de simulaciones, WeatherNext 3 se entrena directamente con datos de estaciones meteorológicas e imágenes satelitales actuales. Este enfoque ha permitido reducir el retraso de información de 7 a 3-4 horas, según confirma un investigador senior de Google DeepMind. Esto significa que los operadores de redes y traders obtienen una imagen más actualizada para la toma de decisiones.

El progreso en la precisión del pronóstico de precipitaciones es especialmente notable:

  • hasta un 60% de mejora respecto al conjunto de referencia NASA IMERG;
  • hasta un 30% en comparación con el sistema estadounidense MRMS;
  • hasta un 10% al contrastar con datos de pluviómetros en horizontes de pronóstico tempranos.

Integración y contexto de mercado

WeatherNext 3 ya está integrado en el ecosistema de Google: Search, Gemini, Google Maps y Weather API. Los clientes corporativos han obtenido acceso a través de BigQuery, Earth Engine y Google Cloud Storage, lo que elimina la barrera de adopción sin necesidad de desplegar infraestructura propia. El costo de la suscripción para empresas aún no se ha revelado.

El interés en estas soluciones se ve impulsado por cambios estructurales en el sector energético. Según estimaciones de la industria, en 2026 en Estados Unidos la generación solar y los sistemas de almacenamiento se convertirán en las principales fuentes de nueva capacidad: 51,2 GW y 25,7 GW respectivamente, de más de 90 GW planificados. El costo del error en los pronósticos es enorme: subestimar la generación eólica obliga a comprar energía de emergencia a plantas de gas, mientras que sobreestimarla conduce a restricciones forzadas de generación.

En este campo, Google compite con Vaisala, Solcast, DNV (WindGEMINI), IBM HyperWatch y la suiza Jua. Sin embargo, para la propia corporación, WeatherNext 3 es también una herramienta de optimización interna: Google está comprando activamente energía "limpia" para sus centros de datos, y los pronósticos precisos reducen directamente sus costos operativos.

Mi análisis: El lanzamiento de WeatherNext 3 es un movimiento estratégico dirigido a monetizar la infraestructura de IA en un nicho donde la demanda de precisión crece exponencialmente. Sin embargo, la apuesta por un entrenamiento puramente empírico conlleva riesgos ante anomalías climáticas extremas, donde los datos históricos pierden relevancia. El enfoque híbrido, que combina las leyes físicas de la atmósfera con el aprendizaje automático, probablemente se convertirá en la próxima etapa de evolución de estos sistemas.