El 15 de octubre de 2026, hora de Beijing, el Instituto de Investigación de Microsoft publicó las especificaciones técnicas y el código del marco de corrección de sesgos probabilísticos PBC para mejorar los pronósticos del tiempo subestacionales entre dos y seis semanas. La fecha de publicación indicada en la página de Microsoft es el 14 de octubre a las 08:31:59 hora universal coordinada (UTC), y The Verge también incluyó esta novedad en su flujo de información autorizada durante las últimas 24 horas. PBC no es un nuevo modelo que reemplace completamente los modelos meteorológicos actuales, sino un conjunto de métodos posteriores: lee las predicciones de los sistemas existentes y corrige los sesgos sistemáticos repetibles.

Brecha en pronósticos entre dos y seis semanas

Según Microsoft, los modelos físicos tradicionales y los modelos basados en inteligencia artificial más recientes tienen un buen desempeño hasta aproximadamente diez días, pero al entrar en el periodo de dos a seis semanas, la acumulación de errores y las complejas interacciones entre el sistema global de la Tierra y los fenómenos locales del clima disminuyen la confiabilidad. La siembra y fertilización agrícolas, gestión de incendios forestales, programación de recursos hídricos y energéticos, así como preparación ante eventos climáticos extremos requieren una anticipación más larga; estos son escenarios de aplicación para pronósticos subestacionales, no beneficios cuantificables ya obtenidos por PBC. Los materiales públicos tampoco afirman que cada día, región o variable dentro del periodo de dos a seis semanas pueda alcanzar el mismo nivel de precisión.

PBC primero examina las predicciones históricas de un modelo inferior, aprende en qué lugares tiende a cometer errores y luego transforma la predicción determinística original en una distribución probabilística corregida, manteniendo las señales predictivas útiles del modelo original. El repositorio público indica que este marco puede recibir salidas de modelos dinámicos, modelos basados en IA o sistemas híbridos. Ajusta los resultados probabilísticos sin modificar la estructura completa de los modelos inferiores ni eliminar la incertidumbre inherente al sistema meteorológico. El investigador principal senior del Instituto de Investigación de Microsoft, Lester Mackey, resume el proceso como aprender primero los patrones de error y luego proporcionar una salida subestacional corregida.

Mecanismo de corrección y artículo publicado

El artículo relacionado se titula «Advancing subseasonal forecasting with machine learning» y fue publicado en Nature, con DOI 10.1038/s41586-026-11126-x. El equipo de investigación ha publicado el código de PBC y los metadatos de citación del artículo en GitHub, bajo licencia MIT. Los metadatos del artículo indican que hay 13 autores, y el repositorio proporciona ejemplos de generación de pronósticos para diferentes plazos de anticipación. En esta ocasión no se ha accedido al artículo completo a través de los registros o autorizaciones institucionales de Nature, por lo tanto solo se utilizan las informaciones públicas divulgadas por Microsoft y el repositorio público, sin incluir el texto completo del artículo que no fue leído.

Microsoft afirma que PBC mejoró el 98% de los objetivos de precipitación, el 92% de los objetivos de temperatura y el 91% de los objetivos de presión atmosférica en el modelo ECMWF subestacional con corrección de sesgos; estas cifras representan la proporción de objetivos mejorados, no un aumento del porcentaje de precisión. Microsoft también afirma que PBC duplicó la precisión del Sistema de Pronóstico basado en IA de ECMWF. Todas estas cifras provienen de una descripción general de los resultados de investigación proporcionada por Microsoft; el sitio público no incluye detalles completos de cálculo en un solo lugar ni ofrece conclusiones de auditoría independiente que permitan la replicación independiente.

Indicadores de competencia y casos de tormentas

ECMWF inició la competición en tiempo real AI Weather Quest en agosto de 2025. El equipo MicroEnsemble, compuesto por Microsoft y colaboradores externos, aplicó PBC a modelos dinámicos de ECMWF y modelos híbridos PoET, creando un sistema denominado MicroDuet para participar. Microsoft afirma que MicroDuet obtuvo el primer lugar en cada variable meteorológica y plazo de anticipación durante la primera temporada de tres meses, superando a los sistemas de 34 equipos participantes y sistemas de seis centros operativos principales; estos son los resultados bajo el criterio de competencia.

Microsoft también afirma que MicroDuet mantuvo la mayor precisión en pronósticos en tiempo real durante todo un año y anticipó dos tormentas invernales que afectaron a Estados Unidos a 19 a 26 días antes de su ocurrencia en principios de 2026. Las explicaciones públicas incluyen casos ilustrativos como nevadas en Norteamérica, olas de frío y la tormenta Winter Storm Fern, pero no prometen que todas las tormentas puedan ser capturadas con el mismo margen de anticipación. El plazo de anticipación de casos individuales, los resultados competitivos y las evaluaciones específicas de variables no son intercambiables; cada uno se conserva bajo su propio criterio. No se proporciona información sobre la cantidad total de casos fallidos.

Evaluación en Kenia y límites del producto

En el este de África, el Servicio Meteorológico de Kenia está trabajando con Rhiza Research, el Climate Hazards Center de la Universidad de California en Santa Bárbara y investigadores del Instituto Tecnológico de Karlsruhe (Alemania) para probar y evaluar PBC. El método actual consiste en identificar probabilidades extremas de lluvias para proporcionar entradas a las actualizaciones semanales de los organismos meteorológicos; los técnicos locales continúan interpretando y publicando los resultados. El meteorólogo principal del servicio, Phillip Okello, mencionó que el siguiente paso es mejorar la precisión en pronósticos de lluvias intensas y períodos de sequía. Microsoft no ha divulgado el aumento de producción agrícola ni las pérdidas evitadas por desastres climáticos.

Microsoft afirma que el modelo S2S subestacional a estacional de Microsoft Weather puede proporcionar orientación probabilística semanal durante hasta seis semanas, ya está en funcionamiento en tiempo real, pero solo se ofrece bajo vista previa privada a ciertos clientes. Los materiales públicos no indican cuándo o si PBC entrará completamente en Windows, Bing, Copilot, Edge y MSN; tampoco revelan los costos de entrenamiento y ejecución, precios comerciales, alcance total de implementación, listas de clientes ni resultados de auditorías independientes. En este momento, lo que se puede confirmar es la investigación, el código abierto, el rendimiento en competencias y pruebas limitadas, no un servicio formal para todos los usuarios.