¿Cuál es la mejor previsión del tiempo?
Existe una trampa en esta pregunta que rara vez percibimos.
La previsión del tiempo, ya sea de viento, lluvia u oleaje, es el resultado del procesamiento de modelos numéricos. Son ellos los que analizan datos ambientales, ejecutan ecuaciones complejas y producen los números que aparecen en tu sitio o aplicación favorita.
Y aquí está el detalle clave: la mayoría de los sitios y aplicaciones de previsión muestran la misma información, solo que en formatos diferentes. Algunos más bonitos, otros más completos. Por eso, el mejor sitio o aplicación de previsión para ti es aquel que entrega lo que necesitas de la forma más fácil y completa.
Pero esto resuelve solo la mitad del problema.
La mayoría de las veces, queremos saber qué previsión es más precisa. Cuál acierta más. Cuál sirve mejor para una decisión específica, como zarpar un buque, autorizar un izaje o liberar un mantenimiento. Para responder esto, es necesario ir más allá del diseño visual y entender los modelos detrás de la pantalla.
En 2026, esta pregunta se volvió aún más interesante. La inteligencia artificial entró de lleno en la previsión del tiempo, y eso cambió parte de la respuesta. Vamos por partes.
¿Cuál es el mejor modelo de previsión del tiempo?
Quien sigue sitios y aplicaciones de previsión sabe que existen previsiones diferentes para el mismo lugar y el mismo día. Esto ocurre porque cada una proviene de un modelo numérico distinto, desarrollado por grandes agencias gubernamentales regionales o nacionales, como la estadounidense NOAA.
Seguramente ya viste las siglas de los principales modelos globales: ECMWF, ICON, GFS, WaveWatch III.
Son los resultados de esos modelos los que la mayoría de las aplicaciones de tiempo usa y reviste con un diseño más simple y agradable.
Repito: la elección entre sitios gratuitos, y algunos de pago, depende de cómo prefieras visualizar la información, porque todos parten más o menos de la misma fuente. Para ir más allá, es necesario evaluar qué modelo tiene el mejor desempeño para tu región y para tu necesidad específica.
Existen algunas formas de evaluar esto:
1. Lo ideal es contar con un análisis de precisión del modelo para tu ubicación y tu uso. Fue lo que hicimos, por ejemplo, en el análisis de precisión de la previsión de oleaje en el parque eólico de Dan Tysk, para Vattenfall.
Este tipo de análisis da la confianza necesaria para decisiones que afectan la seguridad de personas, del medio ambiente y de activos. Ningún servicio genérico de previsión entrega esto de forma lista.
2. Otra opción es verificar la precisión general de la previsión, información disponible en algunos sitios, no en todos. Ayuda, pero es limitada: una previsión puede ser excelente para vientos débiles, de hasta 15 nudos, y fallar justo por encima de 25 nudos. Si tu problema es viento fuerte, la precisión general no cuenta toda la historia.
3. A falta de un análisis personalizado, observar las características técnicas de los modelos numéricos ya ayuda bastante. Muestran qué es capaz de captar el modelo y dan más seguridad al decidir entre previsiones divergentes.
La revolución de la IA en la previsión del tiempo: qué cambia para ti
i4sea¿Cuál es la mejor previsión del tiempo?La pregunta tiene una gran trampa. Descubre cómo la resolución espacial, resolución temporal y frecuencia de actualización determinan qué modelo de previsión es el mejor para ti.i4sea | 25 mar | Adicionado por Aurélio de Exú[14h55]
Desde que se publicó este post, la previsión del tiempo global cambió de fase. En febrero de 2025, el ECMWF puso en operación el AIFS, su primer modelo basado en inteligencia artificial (ECMWF, feb/2025). Meses antes, en diciembre de 2024, Google DeepMind publicó en la revista Nature el GenCast, un modelo probabilístico global de 15 días, con resolución de 0,25 grados, algo en torno a 25 km en el ecuador (Nature, doi: 10.1038/s41586-024-08252-9).
El resultado llamó la atención de toda la industria: el GenCast superó al sistema de ensemble físico del ECMWF en 97,2% de las 1.320 métricas evaluadas, y se mostró particularmente mejor para señalar eventos extremos (Nature, dic/2024; Valor Econômico, 05/dic/2024).
Eso es bueno. También es menos mágico de lo que parece.
Lo que la IA gana, de hecho: velocidad brutal de procesamiento, ensembles (múltiples escenarios probabilísticos) mucho más baratos de generar, y una señal más nítida para eventos extremos. Donde antes una agencia tardaba horas de supercomputadora en ejecutar un conjunto de escenarios, hoy eso sale en minutos.
Lo que la IA no resuelve: la escala local. La grilla del GenCast y de otros modelos globales de IA sigue en el orden de los 25 km, más gruesa que los 9 km del ECMWF físico y mucho más gruesa que lo que un puerto, una subestación o un talud de minería necesitan para decidir con seguridad.
En otras palabras: la IA volvió más inteligentes estadísticamente a los modelos globales. No les hizo zoom. Todavía ve el país entero, no el atracadero 3 de tu terminal.
¿Cómo saber cuál es la mejor previsión?
Para evaluar cuál es la mejor previsión de mar y tiempo para tu ubicación y actividad, tres características de los modelos numéricos importan más que cualquier sello atractivo de aplicación:
- Resolución espacial
- Resolución temporal
- Frecuencia de actualización
Son ellas las que indican en qué circunstancias puedes confiar más, o menos, en una previsión.
¿Qué es la resolución espacial del modelo de previsión?
El primer paso para entender una previsión es conocer la resolución espacial del modelo usado. La resolución espacial funciona como la cantidad de píxeles de una foto: cuantos más píxeles, menor la distancia entre ellos, mayor el detalle de la imagen.
Varía desde pocos metros, en modelos hiperlocales, hasta decenas de kilómetros, en modelos globales. E indica la capacidad del modelo de captar variaciones espaciales del tiempo y del mar.
La mejor resolución para ti depende de tu objetivo.
Para saber si una tormenta se aproxima a la costa brasileña, un modelo de baja resolución ya funciona bien. Pero si necesitas saber qué va a pasar en un tramo específico de la costa, como un puerto, cuanto mayor sea la resolución, mejor.
¿Qué es la resolución temporal del modelo de previsión?
No es solo la resolución espacial lo que importa. La resolución temporal también aumenta o reduce la capacidad de un modelo de prever un evento climático específico.
Las resoluciones temporales más comunes son horarias (6h, 7h, 8h, 9h) o cada tres horas (6h, 9h, 12h, 18h). El impacto de esto es simple de entender.
Si solo tienes datos cada tres horas, cualquier fenómeno que ocurra dentro de ese intervalo pasa desapercibido. Un viento fuerte de algunos minutos, o de una hora, puede no aparecer nunca en una previsión trihoraria.
Lo mismo vale para previsiones horarias: el dato de las 12:00 puede no valer para las 12:45. Y como las previsiones gratuitas no traen resultados cada 15 o 30 minutos, el siguiente punto solo llega a las 13:00, sin captar el evento.
[14h55]
Este detalle define qué es razonable esperar de una previsión. No se puede exigir a un modelo horario que prevea un fenómeno atmosférico de 10 minutos de duración.
¿Cuál es la frecuencia de actualización de las previsiones del tiempo?
El tercer factor es la frecuencia de actualización a lo largo del día.
Toda previsión intenta diagnosticar el futuro a partir de datos del pasado reciente. Cuantas menos veces al día se actualiza el modelo, más desactualizada queda la lectura respecto a lo que está pasando realmente, porque la atmósfera cambia rápido.
La frecuencia más común varía de una a cuatro veces al día, es decir, cada seis horas. Esto significa que las condiciones del globo fueron reprocesadas y hay una nueva previsión disponible para quien usa el modelo.
Esta frecuencia define cuántas veces vale la pena revisar la previsión y cuánto refleja la realidad reciente. En términos generales, más actualizaciones diarias significan previsiones de mejor calidad.
Existen otros factores que también influyen en la calidad de la previsión, pero con estos tres ya puedes evaluar con seguridad cuál es la mejor opción para tu ubicación.
¿Cuál es el mejor modelo de previsión para mi región?
De las tres características, la resolución espacial es, con diferencia, la que más pesa. No sirve de nada actualizar un modelo diez veces al día si sigue teniendo baja resolución: eso no cambia su capacidad de captar el recorte de tu línea de costa.
El GFS, modelo atmosférico gratuito más usado, y su par oceánico, el WaveWatch III, operan con resolución espacial de aproximadamente 22 km, el equivalente a 48,4 campos de fútbol.
Por esa resolución más gruesa, el GFS suele fallar en regiones montañosas y en el patrón de lluvia y nubes. El WaveWatch III tiene buen desempeño en mar abierto, pero falla en zonas someras, como puertos, bahías y ensenadas.
El ICON es más moderno, con resolución de 13 km, y tiene buenos resultados globalmente, aunque rinde mejor en Europa, continente para el cual fue optimizado.
Entre los modelos físicos tradicionales, el ECMWF sigue con la mayor resolución espacial, 9 km, lo que equivale a cerca de 8 campos de fútbol por punto de grilla. Entrega tanto variables atmosféricas (viento, lluvia, temperatura, humedad) como oceánicas (altura y período de ola), con resultados horarios actualizados cada seis horas.
¿Y los modelos de IA, como el GenCast? Se quedan en el orden de los 25 km de resolución espacial (Nature, dic/2024). Es decir: ganan en inteligencia estadística y en velocidad, pero pierden en zoom incluso frente al ECMWF físico, que ya es considerado el más eficaz entre los modelos globales tradicionales.
En la práctica, entre los modelos globales gratuitos, el ECMWF sigue siendo la apuesta más segura, especialmente fuera de Europa. Pero todos ellos, incluidos los modelos de IA más avanzados, comparten la misma limitación: ninguno ve lo que ocurre dentro de un puerto, de un talud o de una subestación.
¿Cómo tomar mejores decisiones basadas en previsiones del tiempo?
Después de esta descripción de modelos y sus características, hay una verdad incómoda que hay que decir: toda previsión, algún día, va a fallar.
No es posible esperar un acierto total. Todavía es tecnológicamente inviable. La atmósfera es demasiado compleja, y para entregar una previsión de 10 a 15 días en tiempo hábil, todo modelo necesita hacer aproximaciones. Esto vale tanto para el físico como para el de IA.
Aun así, las previsiones de mar y tiempo adecuadas siguen siendo la mejor herramienta disponible para planificar el futuro, gestionar el riesgo, reducir costos y aprovechar oportunidades.
[14h55]
Lo que cambia el juego es el costo de decidir con una previsión errónea, o demasiado genérica para tu activo. Y ese costo, en Brasil, ya está mapeado.
Entre 2022 y 2024, el país registró R$ 184 mil millones en pérdidas climáticas, un promedio de R$ 60 mil millones por año. De ese total, el 91% no tenía ninguna cobertura de seguro (CNseg/EY, COP30 2025).
En los puertos, el problema aparece en forma de demurrage: US$ 2,3 mil millones, cerca de R$ 13 mil millones, pagados en 2024, un alza del 15% respecto a 2023 (Bain & Company, vía Valor Econômico, abr/2025). En Santos, el 84% de los buques se retrasó en 2024, con una espera promedio de 12 días (Datamar/CNT).
Y la tendencia no es de acomodación. Los eventos climáticos extremos se volvieron tres veces más frecuentes y severos en la última década (Atlas Digital MDR). Donde la mayoría ve un imprevisto, este número muestra una variable de gestión que ya debería estar en la planilla de riesgo de cualquier operación.
Ante esto, algunos puntos ayudan a usar mejor cualquier previsión, física o de IA:
1. Los modelos globales son buenos para prever condiciones extremas. Aunque se equivoquen en la magnitud, la señal de que algo relevante va a suceder suele aparecer.
2. También son buenos para captar los patrones más frecuentes del lugar, el clima típico de esa región.
3. Pero no identifican las diferencias locales de viento y oleaje, como entre el canal de navegación en mar abierto y el interior del puerto, o entre un atracadero y otro en la misma terminal.
Una resolución de 9 km significa que el dato que estás viendo puede estar hasta 9 km de distancia de tu punto real de interés. En zona costera, esto cambia todo. Una resolución de 25 km, como la de los modelos de IA más avanzados de hoy, amplía aún más esa distancia.
Rompeolas, escolleras y otras estructuras portuarias reducen la intensidad del oleaje dentro del puerto. Ningún modelo global, físico o de IA, capta esa diferencia entre área abrigada y área expuesta. Lo mismo vale para bahías, ensenadas y otras particularidades de la línea de costa.
La resolución espacial, incluso en los 9 km del ECMWF o en los 25 km de un modelo de IA, no "ve" esos matices de costa, profundidad o infraestructura. Para eso, solo funciona un modelo de alta resolución hecho para tu ubicación: el modelo hiperlocal.
Consejos para tomar mejores decisiones con previsiones de mar y tiempo
Con las expectativas alineadas sobre lo que entrega cada tipo de previsión, van algunas prácticas para sacar más provecho de la información que ya tienes a mano:
1. Prefiere sitios y aplicaciones que muestren el horario de la última actualización del modelo, la resolución espacial usada y datos horarios, no solo trihorarios.
2. Consulta la previsión justo después de la actualización más reciente, y sigue monitoreando los cambios en cada nueva corrida.
3. Deja la decisión final lo más cerca posible del evento. Cuanto más próximo al horario, más preciso tiende a ser el dato.
4. Cuando las previsiones difieran entre sí, acepta que eso es normal, y arma más de un escenario de planificación.
5. Siempre que sea posible, compara con sensores locales para saber si la previsión suele subestimar o sobreestimar la realidad de tu activo.
Previsión del tiempo no es inteligencia climática
Todo el avance que la IA trajo a los modelos globales es real y bienvenido. Solo que resuelve un problema distinto al que enfrenta quien opera un puerto, una planta, un ferrocarril o una mina.
[14h55]
La previsión del tiempo, incluso potenciada por IA, todavía habla el idioma del país o del continente. La decisión operacional habla el idioma del atracadero, de la subestación, del talud, del tramo de 200 metros de vía férrea que se inunda primero.
Esa es la distancia que la inteligencia climática intenta cerrar. En i4sea, trabajamos con resolución de 1 a 3 km, frente a los cerca de 25 km entregados por los modelos públicos más avanzados de hoy, incluidos los de IA. Esto está sustentado por más de 10 años de reanálisis climático propietario y por 18 peligros hidrometeorológicos monitoreados de forma continua, hoy presentes en más de 100 activos críticos en América Latina y Europa.
La pregunta "cuál es la mejor previsión del tiempo" tiene una respuesta nueva en 2025 y 2026: los modelos globales se volvieron más rápidos y más inteligentes con estadística e IA. Pero para quien decide sobre patio, atracadero, línea de transmisión o frente de explotación, la pregunta correcta cambió. Ya no es solo "qué modelo acierta más para Brasil". Es "qué dato ve mi activo".
Pensando en esto desarrollamos el Agente Climático de i4sea, un copiloto conversacional de riesgo climático construido sobre esa misma base de datos hiperlocal. No sustituye la previsión del tiempo. Traduce previsión, reanálisis histórico y riesgo en una respuesta directa para quien necesita decidir hoy, sin esperar un informe.
La previsión del tiempo no es inteligencia climática. Y confundir ambas cosas sale caro, como muestran las cifras de demurrage y de pérdidas sin seguro que vimos aquí. Decide con el clima, no según el clima.
Fuentes
- ECMWF. Lanzamiento operativo del AIFS (Artificial Intelligence Forecasting System), feb/2025.
- Nature. "GenCast: probabilistic weather forecasting with machine learning", dic/2024. DOI: 10.1038/s41586-024-08252-9.
- Valor Econômico. Cobertura sobre el GenCast y su desempeño frente al ECMWF, 05/dic/2024.
- CNseg/EY. Estudio sobre pérdidas climáticas en Brasil, presentado en la COP30, 2025.
- Bain & Company, vía Valor Econômico. Relevamiento sobre demurrage en los puertos brasileños, abr/2025.
- Datamar/CNT. Datos de retraso de buques en el Puerto de Santos, 2024.
- Atlas Digital de Desastres en Brasil, Ministerio de Desarrollo Regional (MDR).
- i4sea. Análisis de precisión de previsión de oleaje para Vattenfall, parque eólico de Dan Tysk.
- i4sea. Base propietaria de reanálisis climático, resolución de 1 a 3 km, 18 peligros hidrometeorológicos monitoreados.