Tabla de contenido
Ingeniero de modelos climáticos: la carrera tras WeatherNext
Google liberó un modelo de ciclones que ganó un día de anticipación. El ingeniero de modelos climáticos detrás tiene un camino real y datos salariales honestos.
Un pronóstico de huracán a tres días del modelo WeatherNext Cyclones de Google DeepMind es aproximadamente igual de preciso que lo que antes era un pronóstico a dos días. Un día extra. Para una familia en el Caribe, en Yucatán o en la costa de Veracruz, un día es la diferencia entre una evacuación ordenada y una corredera. El artículo en Nature publicado el 6 de agosto de 2026 describe esa ganancia como cerca de una década de progreso histórico en pronóstico, entregada en un solo modelo. Después Google lo liberó como código abierto. El trabajo de un ingeniero de modelos climáticos es construir cosas así, y de forma inusual para un campo de IA de frontera, un chico de 14 años puede correr una versión del modelo real este fin de semana.
Puntos clave
- WeatherNext Cyclones predice trayectoria, intensidad y estructura de viento de un ciclón tropical con cerca de un día o más de anticipación adicional frente a los sistemas anteriores, publicado en Nature el 6 de agosto de 2026 y descrito como equivalente a una década de progreso histórico en pronóstico.
- Se entrenó con casi 20 terabytes de datos atmosféricos globales más la base histórica de ciclones IBTrACS, que cubre unas 5,000 tormentas pasadas.
- Google DeepMind liberó el código y los pesos en GitHub con licencia Apache 2.0 en tres variantes: WeatherNext Cyclones, WeatherNext 2 y WeatherNext 2-mini, que corre en una sola TPU dentro de un cuaderno público de Colab.
- El trabajo se desarrolló junto con el Centro Nacional de Huracanes de EE. UU., el Cooperative Institute for Research in the Atmosphere y la Met Office del Reino Unido, y se usó durante la temporada de huracanes de 2025 para ayudar a pronosticar la intensificación rápida del huracán Melissa.
- Panorama salarial honesto (BLS de EE. UU., mayo de 2025): científicos atmosféricos y meteorólogos ganan una mediana de 99,070 dólares con solo 3% de crecimiento y 10,700 puestos, mientras los científicos de datos ganan 120,230 con 35% de crecimiento y los científicos investigadores en computación 140,300 con 22%. El lado de IA del clima vive en las dos últimas filas.
Cómo funciona de verdad un modelo climático con IA
El pronóstico tradicional resuelve física. Divides la atmósfera en una cuadrícula, escribes las ecuaciones del movimiento de fluidos y de la termodinámica, y las avanzas en el tiempo en una supercomputadora. Funciona, es caro, y su precisión está limitada por la resolución de la cuadrícula y por qué tan bien conoces las condiciones iniciales.
Un modelo de aprendizaje automático hace algo distinto. Aprende un mapeo de “el estado de la atmósfera ahora” a “el estado de la atmósfera en seis horas” entrenándose con décadas de datos históricos. Nunca escribe las ecuaciones de Navier-Stokes. Aprende los patrones que esas ecuaciones producen.
El resultado contraintuitivo es que esto es a la vez más rápido y, para algunas variables, más preciso. Más rápido porque correr una red entrenada es barato comparado con integrar un modelo físico. Más preciso en algunos casos porque la red puede aprender sesgos sistemáticos en las observaciones que un modelo físico trata como ruido.
Para los ciclones en particular, el equipo combinó datos atmosféricos generales, casi 20 terabytes, con IBTrACS, la base histórica de ciclones que cubre unas 5,000 tormentas. Ese segundo conjunto de datos es la razón por la que el modelo es bueno específicamente con tormentas y no solo con el clima en general.
Los límites honestos: un modelo aprendido solo puede ser tan bueno como su distribución de entrenamiento, así que los eventos genuinamente sin precedente son el caso más difícil, que es exactamente cuando el pronóstico más importa. Y la colaboración con el Centro Nacional de Huracanes, CIRA y la Met Office existe porque un modelo no es un pronóstico operativo hasta que una agencia humana con responsabilidad legal lo dice.
Qué hace un ingeniero de modelos climáticos a diario
Ingeniería de datos. Los conjuntos de reanálisis atmosférico son enormes e incómodos. Poner 20 terabytes en una forma que una tubería de entrenamiento pueda consumir, a la resolución correcta y en la cuadrícula correcta, es genuinamente la mayor parte del trabajo.
Arquitectura del modelo. Decidir cómo representarle la atmósfera a una red neuronal. Las redes neuronales de grafos son comunes porque la atmósfera es naturalmente una malla de puntos que interactúan.
Entrenar y evaluar. Correr trabajos de entrenamiento y después calificar contra años reservados. La evaluación es más difícil que el entrenamiento: hay que decidir qué significa “mejor” en un pronóstico, y distintos usuarios les importan distintos errores.
Verificar contra operación. Comparar la salida del modelo con lo que el servicio meteorológico realmente emitió y con lo que pasó. Aquí la alianza con una agencia operativa se vuelve esencial.
Mantener el código abierto. Después de una liberación con Apache 2.0, alguien responde los reportes de errores, arregla el cuaderno de Colab y ayuda a un servicio meteorológico de otro país a echar a andar el modelo.
Comunicar. Explicarle a un pronosticador, a protección civil o a un periodista qué significa, y qué no significa, “un día más de anticipación”.
¿Y en América Latina?
Esta es una de las pocas veces en que un avance de IA de frontera beneficia más a la región que al país que lo produjo. El Caribe, Centroamérica y las costas del Pacífico y del Golfo de México reciben algunos de los ciclones más destructivos del planeta, y los servicios meteorológicos nacionales de la región no tienen presupuesto para operar modelos globales propios. Un modelo abierto con licencia Apache 2.0 que corre en una sola TPU cambia ese cálculo.
Las instituciones que lo van a usar existen: el Servicio Meteorológico Nacional de México y la Conagua, el IDEAM en Colombia, el SENAMHI en Perú, el Servicio Meteorológico Nacional de Argentina, la Dirección Meteorológica de Chile, el INETER en Nicaragua y el Instituto de Meteorología de Cuba, que tiene una tradición de pronóstico de huracanes muy respetada. El huracán Melissa, que el modelo ayudó a pronosticar en 2025, tocó tierra en Jamaica.
Las carreras: Ciencias Atmosféricas en la UNAM, Ciencias de la Atmósfera en la UBA, Geofísica en la Universidad de Chile, Meteorología en la UNALM del Perú y en la Universidad Nacional de Colombia. Casi todas en universidades públicas con cuotas bajas o nulas.
Y una ventaja práctica: el cuello de botella de estos equipos no es la física atmosférica, es la ingeniería de datos a escala. Un egresado de computación en Medellín o en Córdoba que sepa manejar tuberías de datos grandes y aprenda la física por su cuenta está en una posición competitiva real, y puede trabajar de forma remota para equipos internacionales.
El camino del ingeniero de modelos climáticos, etapa por etapa
| Etapa | Qué tomar o conseguir | Costo y tiempo | Puestos de entrada | Qué hace ese puesto a diario |
|---|---|---|---|---|
| Prepa | Física, cálculo si lo hay, estadística, ciencias de la tierra; Python; correr el cuaderno de Colab de WeatherNext 2-mini | Gratis | Observador voluntario, encargado de la estación meteorológica escolar | Registrar observaciones, graficar datos |
| Licenciatura | Ciencias atmosféricas, física, matemáticas aplicadas o computación. Debe incluir dinámica de fluidos o ecuaciones diferenciales parciales más programación y estadística | 4 a 5 años | Pronosticador junior, asistente de investigación, ingeniero de datos | Correr modelos, limpiar datos, hacer figuras |
| Certificación | No se requiere licencia. Sirven: certificación de una sociedad meteorológica para trabajo de difusión o consultoría, certificados de plataformas de nube para el lado de modelado | Semanas a meses | Pronosticador operativo, ingeniero de datos en nube | Turnos de pronóstico, mantenimiento de tuberías |
| Maestría (común) | Ciencias atmosféricas, ciencias del clima o aprendizaje automático aplicado a sistemas terrestres | 1 a 2 años | Científico investigador, desarrollador de modelos | Construir y evaluar modelos |
| Doctorado (el nivel de investigación) | Física atmosférica, matemáticas aplicadas o IA para clima | 4 a 5 años, casi siempre con beca | Científico investigador en DeepMind, NOAA, ECMWF, un servicio meteorológico nacional o una universidad | Diseñar arquitecturas, publicar, decidir la dirección de investigación |
| Entrada alterna | Licenciatura en computación más física atmosférica autodidacta | 4 a 5 años | Ingeniero de aprendizaje automático en un equipo de clima | Infraestructura de entrenamiento, herramientas de evaluación |
| El día a día | Domar datos, entrenar modelos, verificar contra operación, mantener el código abierto, explicar resultados a pronosticadores | — | — | — |
La fila de entrada alterna es la que más subestiman las familias. Estos equipos necesitan gente capaz de manejar tuberías de entrenamiento de 20 terabytes, y esa habilidad es más escasa que el conocimiento de física atmosférica.
Sueldo y demanda, dicho sin rodeos
| Categoría | Mediana (mayo de 2025) | Proyección 2025–2035 | Puestos (2025) | Formación típica |
|---|---|---|---|---|
| Científicos investigadores en computación | 140,300 dólares | +22% | ~38,600 | Maestría |
| Desarrolladores de software | 135,980 dólares | +10% | ~1,700,000 | Licenciatura |
| Científicos de datos | 120,230 dólares | +35% | ~275,600 | Licenciatura |
| Científicos atmosféricos y meteorólogos | 99,070 dólares | +3% | ~10,700 | Licenciatura |
Lee esa tabla con honestidad. “Meteorólogo” es una ocupación chica, unos 10,700 puestos, creciendo 3%. El trabajo de IA en clima se está haciendo dentro de códigos de científico investigador y científico de datos, que pagan más y crecen más rápido. Quien te dé un sueldo para “ingeniero de modelos climáticos” está estimando de vacantes en un puñado de empleadores: Google DeepMind, NVIDIA, Microsoft Research, NOAA, ECMWF, servicios meteorológicos nacionales y unas cuantas empresas privadas de pronóstico.
El consejo realista para un chico: consigue la carrera computacional, agrega la física atmosférica, y acepta que el número de puestos de frontera está en las centenas a nivel global. El consuelo es que las mismas habilidades se mueven a modelado climático, pronóstico de energía, modelado de catástrofes para seguros y tecnología agrícola, todos empleadores mucho más grandes.
Qué puede hacer este año un chico de 10 a 15 años, gratis
Correr WeatherNext 2-mini en Colab
Esta es la inusual. Google publicó un cuaderno de Colab público que corre la variante mini en una sola TPU, gratis. Un chico motivado de 14 años puede producir un pronóstico con un modelo climático de frontera real en una tarde. Casi ningún otro sistema de IA de frontera es así de abierto.
Armar una estación meteorológica escolar
Registrar lluvia y temperatura a diario y compartir los datos con el servicio meteorológico local, que en varios países de la región acepta observaciones voluntarias. Nuestro proyecto de estación meteorológica casera tiene el armado, y la disciplina de observar todos los días es el hábito profesional real.
Verificar un pronóstico durante 30 días
Que anote la temperatura máxima pronosticada para mañana, todos los días, y después registre qué pasó. Al mes, que calcule el error promedio. Va a descubrir que los pronósticos son mejores de lo que la gente cree y peores de lo que la gente asume, y va a haber hecho verificación de pronósticos, que es una función laboral real.
Leer la base de datos IBTrACS
La base histórica de ciclones es pública. Que busque una tormenta que afectó un lugar que le importa y trace su trayectoria e intensidad. Después pregúntale qué habría cambiado un pronóstico un día más temprano para esa tormenta. Nuestro artículo sobre cómo la IA predice el clima es buen contexto.
Lo que no hay que hacer
No dejes que concluya que la IA reemplazó a los modelos físicos. El pronóstico operativo sigue saliendo de una agencia humana que combina varios modelos, incluidos los basados en física, y el trabajo de WeatherNext se desarrolló con el Centro Nacional de Huracanes y la Met Office, no alrededor de ellos. Y no te saltes la estadística: todo el campo funciona sobre cuantificar incertidumbre, y un desarrollador de modelos que no puede explicar un pronóstico probabilístico no puede hacer el trabajo.
Qué observar en los próximos 3 meses
- Semana 4: Tu hijo corrió el cuaderno de Colab y produjo alguna salida, y tiene 20 días de registros de verificación de pronóstico.
- Señales de alerta en el mes 2: Deja de llevar el registro de verificación. Quiere que el modelo prediga algo dramático en lugar de que se pueda medir. Trata la salida del modelo como verdad y no como un pronóstico con barra de error.
- Autochequeo del mes 3: Pregúntale cuál fue el error promedio en sus 30 días de verificación, y si el pronóstico fue mejor para temperatura o para lluvia. Si puede responder, hizo el trabajo que sostiene cada afirmación de ese artículo en Nature.
Preguntas frecuentes
¿Es una carrera real o un puñado de empleos en Google?
Las dos cosas, incómodamente. Los puestos de frontera están en las centenas a nivel global entre DeepMind, NVIDIA, Microsoft Research, ECMWF, NOAA y servicios meteorológicos nacionales. Pero las habilidades, ingeniería de datos a gran escala, redes neuronales de grafos, verificación de pronósticos, se transfieren directo a pronóstico de carga eléctrica, modelado de catástrofes para seguros y pronóstico agrícola, que emplean a mucha más gente.
¿Mi hijo tiene que estudiar meteorología?
No necesariamente. Mucha gente en estos equipos vino de computación o matemáticas aplicadas y aprendió física atmosférica después. Lo no negociable es dinámica de fluidos o ecuaciones diferenciales parciales en algún punto, más estadística, más capacidad real de programar.
¿Que el modelo sea abierto significa que cualquiera puede pronosticar huracanes?
Cualquiera puede correr el modelo. Emitir un pronóstico oficial es otra cosa: los servicios meteorológicos nacionales tienen esa responsabilidad legalmente y combinan varios modelos con el juicio del pronosticador. La liberación abierta importa sobre todo para agencias meteorológicas de países que no podían costear un esfuerzo de modelado propio, que es precisamente la situación de casi toda América Latina.
¿Los modelos de IA van a dejar sin trabajo a los pronosticadores?
La BLS proyecta 3% de crecimiento para científicos atmosféricos, que no es ni boom ni colapso, y esa proyección ya contempla el cambio tecnológico esperado. Las tareas que cambian son correr modelos y producir pronósticos de rutina. Las que no: decidir qué comunicar, a quién y cuándo, cuando una tormenta amenaza una ciudad específica.
¿Qué es lo mejor que puede hacer primero?
Abrir el cuaderno de Colab. Toma una hora, es gratis, y convierte “la IA hace clima” de un titular en algo que tu hijo ejecutó personalmente. Todo lo demás en este campo es más fácil de motivar después de eso.
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
- Google DeepMind. (2026). “WeatherNext: AI model achieves breakthrough in forecasting cyclones.” 6 de agosto de 2026, con el artículo acompañante en Nature. https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones/
- Google DeepMind. Repositorio de código abierto de WeatherNext (Apache 2.0). https://github.com/google-deepmind/weathernext
- Google. (2026). “Google AI updates, August 2026.” https://blog.google/innovation-and-ai/technology/google-ai-updates-august-2026/
- Bureau of Labor Statistics. (2026). “Atmospheric Scientists, Including Meteorologists.” Datos de mayo de 2025. https://www.bls.gov/ooh/life-physical-and-social-science/atmospheric-scientists-including-meteorologists.htm
- Bureau of Labor Statistics. (2026). “Data Scientists.” Datos de mayo de 2025. https://www.bls.gov/ooh/math/data-scientists.htm
- Bureau of Labor Statistics. (2026). “Computer and Information Research Scientists.” Datos de mayo de 2025. https://www.bls.gov/ooh/computer-and-information-technology/computer-and-information-research-scientists.htm
- National Oceanic and Atmospheric Administration. International Best Track Archive for Climate Stewardship (IBTrACS). https://www.ncei.noaa.gov/products/international-best-track-archive
