La IA que Genera el Pronóstico del Tiempo de Tu Familia

El miércoles pasado revisaste el pronóstico del tiempo para decidir si mandabas a tu hijo con impermeable. Quizás fue el ícono de lluvia en tu celular, quizás el Servicio Meteorológico Nacional, quizás Google. Lo que probablemente no sabías es que ese pronóstico — o al menos parte de él — pudo haber sido generado por una red neuronal entrenada con 40 años de datos históricos del clima, no por las ecuaciones físicas que llevan décadas siendo el estándar de la meteorología.

Eso está pasando ya. Y cambia todo.

El problema: el pronóstico del tiempo parece magia para la mayoría

Para la mayoría de los papás, el pronóstico meteorológico es una caja negra. Sale un porcentaje de probabilidad de lluvia, un ícono de sol o nube, y asumimos que hay alguien (o algo) detrás calculando eso con cierta confiabilidad. No sabemos cómo. No necesitamos saberlo.

Pero para tus hijos, entender ese “cómo” es relevante por razones más allá de la curiosidad: la meteorología está siendo rediseñada por IA, y las personas que saben construir esos modelos son urgentemente necesarias en México.

México tiene una vulnerabilidad climática real. El país enfrenta huracanes en el Pacífico (temporada de junio a noviembre) y en el Golfo de México, lluvias torrenciales en el altiplano central durante el verano, sequías severas en el norte — Sonora, Chihuahua, Durango — y eventos extremos que se están volviendo más frecuentes con el cambio climático (CENAPRED, 2024). La calidad del pronóstico meteorológico tiene consecuencias directas: evacuaciones, protección civil, decisiones agrícolas, operación de presas, seguridad aérea.

El Servicio Meteorológico Nacional (SMN) de la CONAGUA es la institución que coordina esto en México, y está en medio de una transición tecnológica que sus propios ingenieros describen como la más grande en décadas.

Lo que dice la investigación

Los modelos de IA meteorológica han alcanzado y superado a los modelos físicos tradicionales en métricas clave:

Modelo	Institución	Tipo	Tiempo de pronóstico	Precisión vs ECMWF
GraphCast	Google DeepMind	Red neuronal de grafos	Hasta 10 días	+10–20% en métricas clave (Lam et al., 2023)
Pangu-Weather	Huawei Research	Transformer 3D	Hasta 7 días	Comparable o superior en superficie
FourCastNet	NVIDIA / ECMWF	Red convolucional	Hasta 5 días	Referencia en generación inicial
Aurora	Microsoft Research	Fundation model	Hasta 10 días	Muy competitivo en eventos extremos
Earth-2	NVIDIA	Supercomputadora + IA	Escenarios de décadas	Simulación climática de alta resolución

Un estudio publicado en Science en noviembre de 2023 por Lam y colaboradores de Google DeepMind demostró que GraphCast supera al modelo ECMWF IFS (el referente global de pronóstico numérico operado por el Centro Europeo de Predicción Meteorológica) en 90 de 1,380 métricas de evaluación a 10 días, con especial ventaja en pronósticos de temperatura en altura y velocidad de vientos superiores.

Lo notable no es solo la precisión — es la velocidad. GraphCast genera un pronóstico global de 10 días en menos de 60 segundos en una sola TPU (unidad de procesamiento tensorial). Los modelos numéricos tradicionales tarcan horas en supercomputadoras y consumen enormes recursos energéticos. Eso tiene implicaciones directas: predicción más frecuente, posibilidad de correr más escenarios hipotéticos, y eventualmente hacer predicciones locales de mayor resolución.

El ECMWF — que opera el sistema de pronóstico más usado profesionalmente en el mundo — comenzó a integrar herramientas de IA en sus operaciones en 2024 (ECMWF Newsletter, 2024). Ya no se trata de si la IA va a reemplazar los modelos numéricos, sino de cómo van a coexistir.

Para México específicamente: la CONAGUA y el SMN participan en redes internacionales de intercambio de datos (la Organización Meteorológica Mundial, OMM) que alimentan tanto los modelos tradicionales como los nuevos modelos de IA. Los datos de las 197 estaciones meteorológicas automáticas del SMN son parte del corpus global que alimenta estos sistemas.

Cómo funciona la IA meteorológica — sin tecnicismos innecesarios

La meteorología tradicional funciona así: los físicos escriben ecuaciones que describen cómo se mueve la atmósfera — presión, temperatura, viento, humedad. Esas ecuaciones se discretizan en una cuadrícula global (el planeta dividido en celdas de varios kilómetros) y se resuelven numéricamente con supercomputadoras. El proceso se llama Predicción Numérica del Tiempo (NWP por sus siglas en inglés). Lleva décadas refinándose y es notablemente bueno hasta 5–7 días.

Los nuevos modelos de IA funcionan diferente: en lugar de resolver ecuaciones físicas, aprenden de patrones. Le das a la red neuronal 40 años de estados históricos de la atmósfera — temperatura, presión, vientos, humedad en miles de puntos del globo — y ella aprende a predecir cuál será el siguiente estado. Es el mismo principio básico que usa una IA para predecir la siguiente palabra en una oración, aplicado a la dinámica atmosférica.

La diferencia práctica: los modelos de IA son órdenes de magnitud más rápidos y más baratos de correr. La contrapartida: son menos interpretables — no “saben” física, solo reconocen patrones, lo cual plantea preguntas interesantes sobre cuándo confiar en ellos para eventos extremos sin precedente histórico.

Esta tensión — velocidad y eficiencia vs. interpretabilidad física — es exactamente el tipo de problema que los científicos atmosféricos del futuro van a necesitar resolver.

Por qué esto importa en México

México tiene características geográficas que hacen el pronóstico meteorológico especialmente difícil y especialmente importante:

Huracanes en dos océanos: México es uno de los pocos países con costas en el Pacífico y el Golfo/Caribe. Los huracanes de ambas cuencas representan un riesgo diferente en topografía, dirección de trayectoria y disponibilidad de datos históricos. Los modelos de IA entrenados principalmente con datos del Atlántico Norte tienen sesgos cuando se aplican al Pacífico mexicano — un problema activo de investigación.

Orografía compleja: La Sierra Madre Occidental, la Sierra Madre Oriental y el Eje Neovolcánico crean patrones de lluvia muy localizados que los modelos globales de baja resolución capturan mal. El fenómeno del “Tapón de Guerrero” — que concentra lluvias intensas en la costa guerrerense — es notoriamente difícil de predecir con días de anticipación.

Sequías en el norte: Sonora, Chihuahua y Durango enfrentan sequías recurrentes que afectan la agricultura, el suministro de agua en ciudades como Hermosillo y Chihuahua, y la operación de presas. La predicción estacional (a semanas o meses) es más relevante aquí que el pronóstico diario, y es exactamente el rango donde los modelos de IA muestran sus mejores avances.

El CENAPRED (Centro Nacional de Prevención de Desastres) publica anualmente el Atlas de Riesgo de México y coordina con el SMN los protocolos de alerta temprana. La mejora en la calidad del pronóstico meteorológico se traduce directamente en mejores evacuaciones, mejor protección civil y menos pérdidas humanas y económicas.

Las carreras que esto está creando para tus hijos

Científico de datos atmosféricos

Es el perfil más directo. Alguien que entiende tanto la dinámica atmosférica como el machine learning, y puede construir, evaluar y mantener modelos híbridos (física + IA). La UNAM tiene el Posgrado en Ciencias de la Atmósfera en su Centro de Ciencias de la Atmósfera (CCA). El IPN tiene el CICATA Legaria con investigación en sensores atmosféricos. Carrera base: Física, Matemáticas Aplicadas o Ingeniería en Computación, con especialización en ciencias atmosféricas.

Ingeniero de sistemas de observación meteorológica

Diseña y mantiene las redes de sensores — estaciones automáticas, radares meteorológicos, boyas oceanográficas, globos sonda — que alimentan los modelos. Implica electrónica, sistemas embebidos y comunicaciones. Carrera base: Ingeniería Eléctrica, Electrónica o en Comunicaciones, con formación adicional en meteorología.

Investigador en IA para predicción climática

Los centros de investigación internacionales — NCAR (EUA), ECMWF (Europa), CIMSS (Wisconsin) — y en México el CICESE, el IMN (Instituto de Investigaciones sobre Medio Ambiente) y el UNAM-CCA están contratando activamente investigadores con habilidades en deep learning aplicado a datos atmosféricos. Este es un perfil de posgrado (maestría o doctorado).

Analista de riesgo climático

Las aseguradoras, los bancos de desarrollo (BID, Banco Mundial) y los gobiernos estatales necesitan personas que traduzcan la incertidumbre climática en números utilizables para la toma de decisiones. No es un perfil puramente técnico — requiere comunicación, estadística y comprensión del riesgo. Carrera base: Actuaría, Estadística o Economía con especialización en riesgo climático.

Si tu hijo ya tiene curiosidad por el clima, los satélites o cómo se predicen los huracanes, te puede interesar este artículo sobre alfabetización en IA para niños de secundaria como punto de entrada a estas ideas.

Qué significa esto para el futuro de tus hijos

La predicción del tiempo parece un problema resuelto. No lo es. Los eventos extremos — los que más importan para la protección civil — siguen siendo los más difíciles de predecir. Un error en la trayectoria de un huracán de 100 km puede significar evacuar la ciudad equivocada. Un fallo en predecir una lluvia extrema en la CDMX puede costar vidas.

Los modelos de IA son una herramienta potente, pero requieren personas que sepan construirlos, evaluarlos criticamente, y decidir cuándo confiar en ellos. Esa combinación de habilidades técnicas y juicio científico es exactamente lo que los programas de doctorado en ciencias atmosféricas del mundo entero están buscando entre sus nuevos estudiantes.

Para un niño mexicano hoy, el camino existe: preparatoria sólida en matemáticas y física → licenciatura en Física, Matemáticas o Ingeniería en UNAM, IPN o Tec → posgrado con especialización en ciencias atmosféricas o machine learning aplicado → trabajo en instituciones como el SMN, el CENAPRED, el IMTA o en empresas privadas de análisis climático.

No es el camino más conocido. Por eso tiene menos competencia.

Qué pueden hacer los papás

1. Usa las alertas meteorológicas como oportunidades de conversación

La próxima vez que el SMN emita una alerta de lluvia intensa o de tormenta tropical, pregúntale a tu hijo: “¿Cómo crees que saben que va a llover aquí mañana?” Esa pregunta sola abre una conversación sobre satélites, sensores, modelos y datos que puede durar media hora.

2. Explora el sitio del Servicio Meteorológico Nacional juntos

El SMN (smn.conagua.gob.mx) publica mapas de pronóstico, datos de estaciones, y avisos de ciclones en tiempo real. Es accesible y visual. Revisar el mapa de temperatura o precipitación del país con tu hijo de 10–12 años es una actividad de 20 minutos que introduce conceptos reales de ciencia atmosférica.

3. Habla del cambio climático con datos de México, no abstractos

El cambio climático es un tema que muchos niños escuchan pero pocos entienden en términos concretos. El Atlas Nacional de Riesgo del CENAPRED tiene mapas de zonas de inundación, sequía y riesgo por ciclón en todo el país. Ver el mapa de tu estado o ciudad hace el tema tangible y local.

4. Introduce la idea de datos de sensores en casa

Un termómetro digital que registra temperatura y humedad a lo largo del día — los hay desde 150 pesos en Steren — es una introducción práctica a la ciencia de datos. Tu hijo puede registrar las lecturas, graficarlas, y ver patrones. Eso es exactamente lo que hacen los científicos atmosféricos, pero con miles de estaciones y décadas de datos.

5. Explora el Posgrado en Ciencias de la Atmósfera de la UNAM

El Centro de Ciencias de la Atmósfera de la UNAM tiene investigadores de clase mundial y un posgrado reconocido internacionalmente. Mostrarle a tu hijo adolescente que existe esta opción — con becas CONAHCYT para estudiar — hace que el camino sea concreto, no abstracto.

Qué observar en los próximos 3 años

La Organización Meteorológica Mundial (OMM) tiene un programa específico para integrar IA en los sistemas operativos de pronóstico de sus países miembros — México incluido. Esto significa que el SMN va a necesitar actualizar sus capacidades técnicas y contratar perfiles que sepan trabajar con estas herramientas.

Observa también: la apertura de programas de doble grado o especialización en datos atmosféricos en universidades mexicanas, la aparición de startups mexicanas de análisis climático (ya hay algunas en el espacio del riesgo agro-climático), y la creciente demanda de analistas de riesgo climático en aseguradoras y fondos de inversión con presencia en México.

Si tu hijo empieza a desarrollar habilidades en matemáticas, estadística y programación hoy, en 5 años esas habilidades tienen una aplicación directa en uno de los problemas más importantes — y más financiados — del mundo.

Preguntas frecuentes

¿La IA ya reemplazó a los meteorólogos humanos?

No. Los meteorólogos siguen siendo esenciales para interpretar los modelos, comunicar incertidumbre al público, y tomar decisiones de alerta. Lo que ha cambiado es su herramienta principal. Antes dependían únicamente de modelos físicos numéricos; ahora tienen acceso a modelos de IA como GraphCast que pueden consultar en segundos. El meteorólogo humano valida, contextualiza y decide — el modelo provee información más rápida y en algunos casos más precisa.

¿Cómo sé si el pronóstico que veo en mi celular usa IA?

En muchos casos no hay manera de saberlo de inmediato. Google Weather integra modelos propios de ML para localizar el pronóstico. Weather.com (The Weather Company) usa modelos híbridos. Accuweather tiene su propia capa de IA. Lo que puedes hacer: comparar dos o tres fuentes para un mismo evento y notar cuándo divergen — ahí es donde la incertidumbre del modelo se vuelve visible.

¿El SMN de México usa IA en sus pronósticos?

El SMN opera principalmente con modelos numéricos globales (accede a las salidas del ECMWF y del GFS de NOAA) y tiene modelos regionales propios. La integración de modelos de IA como GraphCast o Pangu está en etapas de evaluación. Es una institución técnicamente capaz pero con recursos limitados comparados con los centros meteorológicos de países más grandes.

¿Qué tiene de interesante esto para un niño que no le gusta la ciencia?

Si a tu hijo le gustan los videojuegos de estrategia o simulación, el pronóstico del tiempo basado en IA es básicamente un simulador del planeta en tiempo real. Si le gustan las noticias de desastres naturales, la meteorología explica cómo se predicen. Si le gusta la programación, estos modelos son algunos de los más sofisticados que existen. El punto de entrada puede ser cualquier de esos intereses.

¿Los pronósticos van a ser perfectos con IA?

No. La atmósfera es un sistema caótico — pequeñas diferencias en las condiciones iniciales llevan a pronósticos muy distintos a largo plazo. Lo que la IA mejora es la precisión en rangos de 5–10 días y en ciertas variables específicas. Los pronósticos a más de 2 semanas seguirán siendo probabilísticos y con alta incertidumbre, sin importar qué tecnología se use.

¿Hay trabajo en México en meteorología con IA o hay que ir al extranjero?

Hay oportunidades en México — el SMN, el CENAPRED, el IMTA, el CICESE y universidades públicas tienen grupos activos. Pero la mayoría de los puestos de frontera en IA meteorológica están en instituciones como ECMWF (Europa), NCAR (EUA), Météo-France, o en empresas privadas como The Weather Company. Un científico mexicano con formación sólida en ambos campos tiene muy buenas probabilidades de acceder a esas oportunidades — y muchos lo hacen.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Lam, R., Sanchez-Gonzalez, A., Willson, M., et al. (2023). “Learning skillful medium-range global weather forecasting.” Science, 382(6677), 1416–1421. https://doi.org/10.1126/science.adi2336

2. Bi, K., Xie, L., Zhang, H., et al. (2023). “Accurate medium-range global weather forecasting with 3D neural networks.” Nature, 619, 533–538. https://doi.org/10.1038/s41586-023-06185-3

3. ECMWF — European Centre for Medium-Range Weather Forecasts. (2024). Machine Learning in ECMWF Operations. ECMWF Newsletter No. 179. https://www.ecmwf.int/en/newsletter

4. CENAPRED — Centro Nacional de Prevención de Desastres. (2024). Atlas Nacional de Riesgos: Hidrometeorológicos. Secretaría de Seguridad y Protección Ciudadana. https://www.atlasnacionalderiesgos.gob.mx

5. CONAGUA / Servicio Meteorológico Nacional. (2024). Informe de temporada de huracanes y eventos extremos en México 2023. https://smn.conagua.gob.mx

6. Organización Meteorológica Mundial (OMM). (2023). AI for Earth System Modelling. WMO Technical Report. https://www.wmo.int

7. UNAM — Centro de Ciencias de la Atmósfera. (2024). Líneas de investigación: meteorología y cambio climático. https://www.atmosfera.unam.mx

8. NVIDIA Corporation. (2024). Earth-2: AI Supercomputer for Climate and Weather. NVIDIA Technical Blog. https://blogs.nvidia.com/blog/earth-2-climate-digital-twin/