¿Qué cambia con WeatherNext 3 en la previsión del tiempo de Google?

Google ha dado otro salto en la carrera por aplicar inteligencia artificial a la meteorología. WeatherNext 3, desarrollado por Google DeepMind y Google Research, ofrece predicciones globales más frecuentes y detalladas, incorpora directamente observaciones recientes de satélites y mejora uno de los terrenos donde estos modelos todavía sufrían: saber con cierta precisión dónde y cuánto va a llover.

La principal diferencia está en la escala. WeatherNext 3 puede trabajar con una resolución de unos 5 kilómetros para determinadas variables de superficie, como la temperatura y el punto de rocío, frente a los aproximadamente 25 kilómetros de generaciones anteriores. Otras variables meteorológicas se calculan a 10 o 25 kilómetros. No significa que Google pueda anticipar qué ocurrirá exactamente en cada calle, pero sí observar el territorio con una lupa bastante más fina que antes.

También cambia el reloj. El sistema puede inicializar nuevas previsiones cada hora, apoyándose en datos recientes procedentes de satélites geoestacionarios y otras observaciones. En meteorología, seis horas pueden ser una eternidad: una línea de tormentas se organiza, cambia de dirección y descarga antes de que alguien termine de discutir si hacía falta paraguas.

Google presentó oficialmente WeatherNext 3 el 3 de septiembre de 2026 y ya lo está incorporando a algunos de sus servicios meteorológicos y plataformas de datos. El modelo aparece integrado en productos como Search, Gemini y Google Maps, además de herramientas destinadas a desarrolladores, investigadores y empresas.

Una previsión más detallada y que se actualiza cada hora

Los modelos meteorológicos tradicionales dividen la atmósfera y la superficie terrestre en grandes cuadrículas. Cuanto más pequeñas son esas celdas, mejor pueden representarse determinados fenómenos locales, aunque aumenta considerablemente el coste de cálculo.

WeatherNext 3 intenta romper parte de ese equilibrio mediante inteligencia artificial. Para algunas variables vinculadas a estaciones meteorológicas alcanza aproximadamente 0,05 grados de resolución, unos 5 kilómetros. Los campos de superficie, entre ellos viento, precipitación, presión, nubosidad o radiación solar, se ofrecen principalmente alrededor de los 10 kilómetros, mientras que determinadas variables atmosféricas en altura permanecen en torno a los 25 kilómetros.

Conviene detenerse aquí porque el titular fácil —Google predice el tiempo a cinco kilómetros— se queda corto y, al mismo tiempo, exagera. No todas las variables funcionan a 5 kilómetros. La resolución depende del dato meteorológico que se esté calculando.

Aun así, el aumento de detalle importa. Una cordillera, un valle estrecho o una franja costera pueden producir diferencias apreciables de temperatura, viento y humedad en distancias relativamente pequeñas. Cuadrículas más finas permiten representar mejor esos contrastes y reducir parte de ese aspecto borroso que todavía conservan muchas previsiones globales.

El satélite entra directamente en el modelo

Una de las novedades técnicas más relevantes está menos a la vista. WeatherNext 3 puede utilizar observaciones de satélites geoestacionarios como entrada directa, algo que acerca el modelo al estado real y reciente de la atmósfera.

Los sistemas de predicción numérica convencionales realizan complejos procesos para combinar millones de observaciones con modelos físicos de la atmósfera. Son extraordinariamente sofisticados, pero también costosos y pueden introducir cierto retraso entre la observación y la generación de una nueva predicción.

El sistema de Google mantiene parte de esa información meteorológica tradicional, pero añade imágenes y datos satelitales recientes para actualizar su visión del planeta con mayor frecuencia. Ahí está una de las grandes apuestas de WeatherNext 3: no limitarse a aprender cómo suele comportarse la atmósfera, sino alimentarse de lo que está ocurriendo en ese momento.

La lluvia, el viejo dolor de cabeza de las previsiones con IA

Predecir temperaturas relativamente amplias resulta más sencillo que determinar dónde aparecerá una tormenta y cuántos litros dejará. La precipitación es tremendamente irregular. Dos localidades separadas por unos pocos kilómetros pueden terminar la tarde con escenarios completamente distintos.

Google ha entrenado WeatherNext 3 utilizando varias fuentes específicas de precipitación, entre ellas IMERG, el sistema de estimación de lluvias mediante satélites de la NASA, mediciones meteorológicas y una reconstrucción propia basada en información de satélite y radar.

Los resultados publicados por la compañía muestran mejoras importantes frente a determinados sistemas de referencia. Google habla de reducciones de hasta alrededor del 50 % en ciertas métricas de error probabilístico cuando las predicciones se comparan con observaciones globales de IMERG.

Ese porcentaje necesita contexto. No significa que cualquier previsión de lluvia que aparezca en Google vaya a ser automáticamente un 50 % más acertada. El resultado depende de la zona, el horizonte temporal, el tipo de precipitación y la métrica utilizada, además del conjunto de observaciones empleado para verificarla.

Más precisión no significa certeza. WeatherNext 3 es un modelo probabilístico. En lugar de calcular únicamente un futuro meteorológico, genera diferentes escenarios posibles y estima su probabilidad. Su configuración completa utiliza 64 miembros de conjunto, una especie de abanico de evoluciones alternativas de la atmósfera.

Es una filosofía muy asentada en la meteorología moderna. Cuando 60 escenarios apuntan hacia una borrasca y cuatro hacia un tiempo tranquilo, la información realmente valiosa no es una única cifra, sino la distribución del riesgo.

Google puede producir previsiones con horizonte de hasta 15 días en sus ciclos principales. Las inicializaciones intermedias que se ejecutan cada hora tienen horizontes más cortos. Otra precisión que conviene conservar: actualización horaria no significa necesariamente recalcular cada hora quince días completos de atmósfera mundial.

Qué dicen las evaluaciones independientes

Google presenta WeatherNext 3 como su modelo meteorológico global más avanzado y preciso hasta la fecha. Parte de esa afirmación se apoya en las evaluaciones en tiempo real de Operational WeatherBench, una plataforma independiente gestionada por Brightband que compara modelos tradicionales y sistemas basados en inteligencia artificial.

La evaluación enfrenta WeatherNext 3 con modelos meteorológicos utilizados internacionalmente y con otras propuestas de IA. Los resultados han situado al sistema de Google entre los modelos con mejor comportamiento global en varias variables analizadas.

Hay, sin embargo, una cautela importante. La propia metodología de Operational WeatherBench explica que la precipitación de WeatherNext 3 todavía no se incluye en sus comparaciones directas, debido a diferencias en la resolución y en los datos utilizados como referencia. Las mejoras anunciadas para lluvia proceden principalmente de evaluaciones realizadas por Google contra conjuntos observacionales como IMERG.

No es un detalle menor. Sirve para separar dos afirmaciones que fácilmente terminan mezcladas: WeatherNext 3 obtiene resultados muy competitivos en evaluaciones meteorológicas independientes, mientras que sus grandes mejoras específicas en precipitación corresponden a pruebas técnicas realizadas con determinados datos de referencia.

De Gemini a Maps: dónde aparecerá WeatherNext 3

Google está introduciendo el modelo en un ecosistema que utilizan miles de millones de personas. Search, Gemini y Google Maps figuran entre los productos en los que la compañía ha comenzado a integrar la nueva generación de predicciones.

Eso no implica necesariamente que cada dato meteorológico mostrado en cualquier país, dispositivo o pantalla de Maps proceda exclusivamente de WeatherNext 3. La compañía no ha detallado una matriz pública que especifique todos los mercados, interfaces y fuentes utilizadas en cada momento.

Para investigadores y empresas, el alcance es bastante más transparente. Los datos de WeatherNext 3 están disponibles mediante plataformas de Google como Earth Engine, BigQuery y Google Cloud Storage, con variables pensadas para análisis científicos y aplicaciones profesionales.

Ahí aparecen también dos sectores especialmente sensibles al tiempo: la energía solar y la eólica. WeatherNext 3 calcula información sobre velocidad del viento a 100 metros de altura, nubosidad y radiación solar, variables utilizadas para estimar cuánta electricidad pueden producir aerogeneradores y paneles fotovoltaicos.

Una mejora de unas pocas horas en la previsión de viento o nubes puede parecer discreta mirando por la ventana de casa. En una red eléctrica con miles de megavatios renovables conectados, cambia bastante la película.

La IA meteorológica no sustituye a los avisos oficiales

Los avances de Google forman parte de una transformación más amplia. Durante décadas, la predicción del tiempo ha dependido principalmente de gigantescos modelos físicos ejecutados en superordenadores. La inteligencia artificial está demostrando que puede reproducir y, en determinados campos, superar algunos de sus resultados empleando mucho menos cálculo para generar nuevas previsiones.

Eso no convierte al meteorólogo en una figura decorativa ni permite jubilar los modelos tradicionales. WeatherNext 3 sigue utilizando información procedente del sistema meteorológico convencional, y las predicciones automatizadas requieren interpretación, verificación y sistemas especializados cuando existe riesgo para la población.

Google lo advierte expresamente: sus datos meteorológicos experimentales no sustituyen los avisos oficiales de fenómenos adversos. Ante una dana, una tormenta severa, inundaciones, nevadas intensas o cualquier situación de emergencia, las referencias siguen siendo las agencias meteorológicas y los servicios de protección civil correspondientes.

La IA puede dibujar un mapa más nítido. Decidir cuándo ese mapa exige una alerta pública sigue siendo otra cosa.

Un mapa del tiempo bastante menos borroso

WeatherNext 3 no convierte la meteorología en una ciencia exacta —la atmósfera no ha firmado semejante contrato—, pero sí reduce algunas de las limitaciones que acompañaban a la primera generación de modelos meteorológicos basados en inteligencia artificial.

La combinación de actualizaciones cada hora, observaciones satelitales recientes, mayor resolución espacial y mejores cálculos de precipitación acerca estos sistemas a los fenómenos locales que condicionan la vida cotidiana. Desde saber si una tormenta alcanzará una ciudad durante la tarde hasta prever cuánta energía producirá un parque eólico al día siguiente.

Durante años, la gran revolución meteorológica consistió en calcular cada vez más física con superordenadores cada vez mayores. WeatherNext 3 apunta hacia un escenario algo distinto: observar mejor, aprender de cantidades gigantescas de datos y actualizar la previsión casi al ritmo al que cambia el cielo.