La iniciativa Human-Centered Weather Forecasts de la Universidad de Chicago combina inteligencia artificial, ciencia climática y economía para desarrollar pronósticos más rápidos y precisos, con aplicaciones como la distribución de alertas a 38 millones de agricultores en India.
Durante décadas, el pronóstico del tiempo dependió de modelos físicos ejecutados en supercomputadoras que resuelven ecuaciones sobre la atmósfera. Ese sistema sigue siendo central, pero ahora tiene un competidor y aliado: la inteligencia artificial.
La Universidad deChicago trabaja en esa frontera a través de su iniciativa Human-Centered Weather Forecasts, que reúne científicos del clima, expertos en IA y economistas para desarrollar y evaluar pronósticos más precisos, rápidos y adaptados a necesidades concretas.
El objetivo no es solo mejorar mapas meteorológicos, sino entregar información útil a quienes toman decisiones en el terreno, como agricultores que necesitan saber cuándo llegará la temporada de lluvias.
Cómo la inteligencia artificial está transformando los pronósticos meteorológicos
Uno de los casos más llamativos es el monzón de India. Según la iniciativa de la Universidad de Chicago, el Ministerio de Agricultura y Bienestar de los Agricultores de India distribuyó en 2025 pronósticos basados en IA a 38 millones de agricultores para anticipar el inicio de la temporada de lluvias. El proyecto usa NeuralGCM, un modelo de Google Research que combina aprendizaje automático con conocimiento físico de la atmósfera.
La diferencia con un pronóstico tradicional está en la velocidad y el costo computacional. Pedram Hassanzadeh, investigador de la Universidad de Chicago, explicó que los modelos de IA son rápidos, eficientes energéticamente y menos costosos que los grandes sistemas clásicos, aunque todavía deben complementarse con los modelos físicos tradicionales y seguir siendo evaluados con cuidado.
El respaldo científico viene del estudio publicado en Nature que presentó NeuralGCM, un modelo híbrido capaz de combinar un solucionador físico de dinámica atmosférica con componentes de aprendizaje automático. Según los investigadores, puede generar pronósticos meteorológicos y climáticos competitivos con métodos físicos y de IA de primer nivel, con importantes ahorros computacionales.
Pero la IA no resuelve todo. Una de las grandes preguntas es qué ocurre ante eventos extremos que casi no aparecen en los datos históricos. Un estudio liderado por investigadores de la Universidad de Chicago abordó ese desafío.
Los autores del estudio explican en un artículo publicado por la Society for Industrial and Applied Mathematics (SIAM) que estos modelos aprenden a partir de patrones observados en los datos con los que fueron entrenados. Por eso, cuando enfrentan fenómenos poco frecuentes o sin antecedentes similares, pueden perder precisión.
Hoy su principal aporte está en ampliar las herramientas disponibles para elaborar pronósticos, generar escenarios adicionales y complementar el análisis que realizan los meteorólogos ante situaciones complejas.
La clave está en combinar velocidad, física atmosférica y comunicación clara. Un pronóstico solo sirve si llega a tiempo, se entiende y permite actuar. Ese es el desafío que hoy impulsa la Universidad de Chicago: convertir los avances de la inteligencia artificial en herramientas útiles para quienes deben tomar decisiones todos los días.