IA y computación cuántica: la convergencia es real, pero corre en dirección contraria a la que te han contado

LA TESIS. La convergencia entre IA y computación cuántica existe, pero es asimétrica. Hoy el flujo real va en una sola dirección: la IA está acelerando la construcción del ordenador cuántico útil. Corrige sus errores, calibra sus chips y diseña sus circuitos. El camino inverso —la cuántica potenciando a la IA— sigue siendo, con los datos en la mano, aspiración y no capacidad demostrada. Nuestra tesis: estamos ante un volante de inercia que se acelera a sí mismo, pero que gira por fases. Primero la IA construye la cuántica. Después, cuando sea tolerante a fallos, la cuántica devolverá el favor con simulaciones de química y materiales que alimentarán a la propia IA. Quien confunda el orden de las fases comprará humo.

LA IA YA TRABAJA PARA LA CUÁNTICA. El gran problema de un ordenador cuántico es el ruido. Sus unidades básicas, los qubits, pierden la información en fracciones de segundo. La solución es la corrección de errores: agrupar muchos qubits físicos en un «qubit lógico» más robusto y vigilarlo sin parar. Esa vigilancia exige «decodificar»: interpretar millones de señales de error por segundo y deducir qué falló. Ahí ha entrado la IA. AlphaQubit, la red neuronal de Google DeepMind publicada en Nature, comete un 6% menos de errores que los mejores métodos clásicos (redes tensoriales) y un 30% menos que el algoritmo estándar del sector, medido sobre datos reales del procesador Sycamore. Su sucesor, presentado en diciembre de 2025, ya decodifica en tiempo real y es órdenes de magnitud más rápido en los códigos más prometedores.

Y NO ES SOLO GOOGLE. IBM afirma haber demostrado la decodificación en tiempo real de sus códigos qLDPC —una familia de corrección de errores que necesita menos qubits— en menos de 480 nanosegundos: diez veces más rápido que los enfoques previos y un año antes de lo que marcaba su propia hoja de ruta. NVIDIA ha convertido esta tendencia en infraestructura: su interconexión NVQLink enchufa procesadores cuánticos a GPUs para que la decodificación corra en hardware de IA, y Quantinuum ya la emplea con un decodificador que reacciona en 67 microsegundos, 32 veces por debajo del límite que exige su máquina Helios. Una revisión reciente en Nature Communications confirma el patrón: la IA ya interviene en toda la cadena cuántica, de la calibración de qubits al diseño de circuitos y de experimentos. Esta dirección de la convergencia no es hype: es ingeniería publicada y medida.

LO QUE LA CUÁNTICA PROMETE A LA IA (Y AÚN NO CUMPLE). El «quantum machine learning» (QML) —usar circuitos cuánticos para aprender de datos— choca hoy con tres muros. Primero, los «barren plateaus» o mesetas estériles: al crecer el circuito, la señal de entrenamiento se desvanece y el modelo deja de aprender. Segundo, un resultado demoledor de Los Álamos: los modelos QML conocidos que esquivan esas mesetas resultan ser simulables en un ordenador clásico. Es decir: justo donde se puede entrenar, desaparece la ventaja cuántica. Tercero, el coste de cargar datos: convertir datos clásicos (texto, imágenes) en estados cuánticos es tan caro que a menudo devora cualquier ganancia posterior. La conclusión honesta: hoy no existe ventaja práctica demostrada de la cuántica en machine learning. Donde sí hay esperanza fundada es en datos que ya nacen cuánticos —moléculas, materiales—, no en sustituir a los modelos actuales.

EL HARDWARE, SIN MARKETING. El chip Willow de Google (105 qubits físicos) demostró en 2024 lo que el sector perseguía desde 1995: al agrandar el qubit lógico, la tasa de error baja en lugar de subir, el hito conocido como «below threshold». En octubre de 2025, Google publicó en Nature la primera «ventaja cuántica verificable»: su algoritmo Quantum Echoes corrió 13.000 veces más rápido que el mejor método clásico en un superordenador puntero, con un resultado repetible y comprobable —justo la crítica que tumbó récords anteriores—. IBM mantiene la hoja de ruta más concreta del sector: procesador Nighthawk de 120 qubits ya presentado, el módulo Kookaburra con memoria corregida en 2026 y Starling en 2029, con unos 200 qubits lógicos sobre ~10.000 físicos y 100 millones de puertas ejecutables, según la compañía. Microsoft es el caso a vigilar con lupa: sus chips «topológicos» Majorana prometen qubits intrínsecamente estables, pero buena parte de la comunidad física —según recogen Science y Science News— no da por demostrado que exista siquiera un qubit topológico funcional, y la compañía ya tuvo que retirar en el pasado un resultado clave sobre Majoranas. Traducción: seguimos en la era NISQ (máquinas ruidosas de escala intermedia, útiles sobre todo para experimentos), pero la transición a la era tolerante a fallos ya tiene fechas creíbles. Y la IA es parte del motivo.

EL DINERO YA HA VOTADO. El capital riesgo invirtió 4.900 millones de dólares en cuántica en 2025, más del doble del récord anterior, según PitchBook. En 2026 lo privado se enfría —unos 1.200 millones en lo que va de año, según Crunchbase—, pero el mercado público toma el relevo: 5.700 millones de dólares en liquidez solo en el primer trimestre, la compra de Oxford Ionics por IonQ por 1.080 millones, PsiQuantum valorada en 10.500 millones tras captar 1.500 en mayo y Quantinuum camino de cotizar cerca de los 13.000 millones. El matiz importa: todo esto es una fracción diminuta de lo que mueve la IA, donde un solo contrato de computación puede superar la inversión cuántica de un año entero. La cuántica no es «la nueva IA»: es una apuesta de década. Quien entre esperando retornos de 18 meses estará financiando el próximo invierno cuántico.

NUESTRA LECTURA Y EL HORIZONTE. La convergencia es real, pero su motor está en la fontanería, no en la magia. Se repite el patrón que ya vimos en los agentes de IA: el valor migra a quien integra, y que NVIDIA se coloque como capa clásica de todo ordenador cuántico es la jugada más reveladora del año. La asimetría actual es, además, una buena noticia disfrazada: si la IA acelera la corrección de errores, acorta el camino hacia la máquina tolerante a fallos, que es la única cuántica que de verdad importa. A corto plazo mantenemos las alertas: afirmaciones contestadas que deben verificarse, QML sobrevendido y valoraciones que descuentan una perfección que no existe. A largo plazo, el premio justifica la paciencia: un ordenador cuántico corregido por IA que simule la nitrogenasa —la enzima que fija el nitrógeno y de la que dependen los fertilizantes—, nuevos superconductores o fármacos diseñados molécula a molécula. Ese es el bucle completo: la IA construye la cuántica, la cuántica genera datos de la naturaleza que la IA no puede obtener de otro modo, y ambas empujan hacia el horizonte que defendemos aquí: erradicar enfermedades y ampliar la abundancia. El volante ya gira. Solo hay que leer bien en qué fase estamos.