Por Canuto  

La startup WindBorne Systems lanzó WeatherMesh 6, un modelo de pronóstico meteorológico con IA que, según la empresa, supera en variables clave a sistemas tradicionales y de IA del ECMWF, con predicciones cada hora y una red propia de globos para recopilar datos.
***

  • WeatherMesh 6 genera pronósticos cada hora, frente al ciclo de seis horas de modelos tradicionales, y alcanza resolución de hasta 3 km en Europa y Estados Unidos continental.
  • WindBorne opera cerca de 400 globos en vuelo desde 15 sitios globales, lo que le da una ventaja de datos para alimentar sus modelos de aprendizaje profundo.
  • La empresa vende datos a NOAA, la Fuerza Aérea y la Marina de EE. UU., además de pronósticos para inversionistas y operadores de materias primas.

 

WindBorne Systems, una startup fundada por estudiantes de Stanford en 2019, lanzó una nueva versión de su modelo de pronóstico meteorológico con inteligencia artificial. La herramienta se llama WeatherMesh 6 y busca competir con algunos de los sistemas climáticos más respetados del mundo.

De acuerdo con TechCrunch, la empresa afirma que su modelo ofrece predicciones más frecuentes y precisas en varias variables clave que los sistemas tradicionales y de IA del Centro Europeo de Previsiones Meteorológicas a Plazo Medio, conocido como ECMWF. Esa institución intergubernamental europea suele considerarse una referencia global en meteorología operativa.

La propuesta de WindBorne combina dos frentes. Por un lado, desarrolla modelos de aprendizaje profundo para anticipar el clima. Por otro, opera una red propia de globos meteorológicos que recolectan lecturas de sensores en la atmósfera.

Ese doble enfoque resulta relevante para sectores como agricultura, energía, seguros, logística, aviación y materias primas. También interesa a traders e inversionistas, ya que cambios bruscos en temperatura, lluvia o viento pueden alterar precios de commodities y decisiones de cobertura.

WeatherMesh 6 promete pronósticos más frecuentes

WeatherMesh 6 produce un pronóstico cada hora. Los modelos meteorológicos tradicionales, según la información de la compañía, suelen emitir nuevas predicciones cada seis horas.

La frecuencia es una diferencia importante. En mercados sensibles al clima, una actualización más rápida puede ayudar a ajustar riesgos antes de que una tormenta, una ola de calor o un cambio de viento impacte operaciones físicas y financieras.

La startup también señala que su nueva versión alcanza una resolución de hasta 3 km en Europa y en el territorio continental de Estados Unidos. WindBorne eligió esas regiones porque allí la calidad de los datos disponibles es más alta.

Kai Marshland, director de producto de WindBorne, resumió la promesa del modelo con una comparación directa. Dijo que WeatherMesh 6 “es tan preciso a cinco días como un pronóstico tradicional lo es el día anterior”, en especial para mediciones de temperatura de superficie.

La empresa asegura que su modelo supera a los pronósticos tradicionales y de IA producidos por el ECMWF en varias variables. La afirmación apunta a un punto sensible, ya que el centro europeo mantiene gran prestigio entre meteorólogos por la calidad de sus predicciones.

De globos meteorológicos a modelos de aprendizaje profundo

WindBorne nació con una idea más física que algorítmica. Sus fundadores querían construir un mejor globo meteorológico y vender datos climáticos a clientes públicos y privados.

El contexto cambió en 2022. Ese año comenzaron a ganar relevancia los modelos de aprendizaje profundo aplicados al pronóstico del tiempo. La empresa concluyó entonces que podía capturar más valor si construía su propio modelo, en lugar de limitarse a vender datos.

Hoy, WindBorne mantiene cerca de 400 globos en vuelo en cualquier momento. La red se lanza desde 15 sitios alrededor del mundo y recopila lecturas de sensores que alimentan sus sistemas.

John Dean, CEO de WindBorne, considera que esa infraestructura diferencia a la compañía de otros actores de IA. “No entiendo, personalmente, el modelo de negocio de ser una empresa meteorológica basada en IA sin una ventaja en el conjunto de datos”, dijo.

La frase refleja una discusión amplia en inteligencia artificial. Muchos modelos pueden mejorar con arquitecturas más eficientes, pero los datos únicos suelen definir la ventaja competitiva. En meteorología, esa ventaja se vuelve aún más importante porque la atmósfera cambia rápido y no todos los lugares tienen buena cobertura de sensores.

El reto de la asimilación de datos

Los pronósticos tradicionales se generan con modelos físicos complejos. Estos sistemas requieren supercomputadoras costosas y tardan mucho tiempo en ejecutarse.

Los modelos de IA suelen moverse más rápido. Grandes laboratorios, como Google DeepMind, y varias startups han mostrado avances importantes en los últimos años.

Sin embargo, la IA meteorológica aún enfrenta limitaciones. Estos modelos no siempre tienen la misma resolución, la misma cantidad de variables o la misma precisión en horizontes más largos que los sistemas físicos consolidados.

Aun así, las agencias gubernamentales ya usan herramientas de IA meteorológica en distintas partes del mundo. Investigadores trabajan para integrarlas en los procesos que agregan datos climáticos y generan pronósticos públicos.

El ECMWF ha construido parte de su liderazgo gracias a la asimilación de datos. Ese proceso convierte lecturas de sensores muy distintas en una imagen coherente y legible por máquina del estado actual del planeta.

Por ahora, muchos modelos meteorológicos de IA dependen de conjuntos de datos producidos por el ECMWF y por la Administración Nacional Oceánica y Atmosférica de Estados Unidos, NOAA. WindBorne intenta reducir esa dependencia al introducir datos directamente en sus modelos.

Joan Creus-Costa, jefe de IA de la compañía, dijo que la ingestión directa de datos de los globos y otras fuentes explica la mejora clave de WeatherMesh 6. Para lograrlo, el equipo dedicó un año a ajustar y rediseñar la arquitectura del modelo basado en transformadores.

El objetivo era incorporar datos sin perder estabilidad. Dean afirmó que al inicio la empresa todavía dependía mucho del ECMWF, pero ahora ve un escenario distinto. “Predigo que hoy, si elimináramos las condiciones iniciales del ECMWF, en realidad todavía nos iría bastante bien”, señaló.

Clientes públicos, mercados financieros y seguridad aérea

WindBorne ya monetiza sus datos. La compañía vende información de sus globos a NOAA, donde se usa dentro de la empresa estadounidense de pronóstico meteorológico.

También vende datos a la Fuerza Aérea y a la Marina de Estados Unidos. Estos clientes reflejan el valor estratégico del pronóstico climático para operaciones militares, navegación, logística y planificación.

La empresa además comercializa sus pronósticos entre inversionistas y operadores de materias primas. Para ese público, el clima puede afectar cultivos, demanda energética, rutas de transporte y disponibilidad de inventarios.

El vínculo con mercados financieros no convierte al producto en una herramienta especulativa por sí misma. Pero sí muestra cómo la meteorología de alta frecuencia puede integrarse con análisis cuantitativo, gestión de riesgo y estrategias de trading.

La compañía ha recaudado USD $25.000.000 en financiación de capital de riesgo. En 2024, su valoración reportada fue de USD $85.000.000.

WindBorne también enfrentó un episodio delicado el año pasado. Un avión de United Airlines chocó con uno de sus globos. El avión sufrió daños menores, pero nadie resultó herido.

La ausencia de lesiones se debió en parte a que WindBorne cumplió las regulaciones de Estados Unidos sobre el tamaño permitido para su paquete de sensores. Tras el incidente, la empresa añadió transpondedores a sus globos.

Esos equipos informan la ubicación de los globos mediante ADS-B, el sistema global de vigilancia de aviación. La medida busca reducir la probabilidad de otro choque.

Una estrategia cautelosa frente al negocio SaaS

Aunque vende datos y pronósticos, WindBorne no parece enfocarse ahora en construir un gran producto SaaS tradicional. Dean dijo que la compañía prioriza su modelo y su infraestructura de datos.

Su argumento se relaciona con la evolución del consumo de información. Si los usuarios interactúan pronto con agentes de IA, la forma de entregar pronósticos podría cambiar de manera sustancial.

“No estoy tratando de invertir un equipo enorme en construir un producto SaaS, si la forma en que la gente querrá información de consumo dentro de dos años es a través de un agente, ¿verdad?”, dijo Dean.

La observación conecta con una tendencia más amplia. Muchas empresas de IA evalúan si conviene crear interfaces completas o si sus productos terminarán integrados en asistentes, agentes y flujos automatizados de decisión.

En ese escenario, WindBorne busca defender una capa más profunda del negocio. Quiere controlar datos, modelos e infraestructura, no solo una aplicación final.

La competencia aún será intensa. Los gobiernos tienen décadas de experiencia, redes globales de sensores y supercomputadoras. Los grandes laboratorios de IA también cuentan con recursos técnicos enormes.

Pero WeatherMesh 6 muestra que las startups pueden desafiar a instituciones establecidas cuando combinan datos propios con modelos modernos. Si WindBorne demuestra sus afirmaciones en uso real, la meteorología podría entrar en una etapa de competencia más rápida, más privada y más impulsada por IA.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados