La inteligencia artificial (IA) ya está cambiando cómo trabajamos, investigamos y nos relacionamos con la tecnología. La computación cuántica, por su parte, avanza todavía en fase de prototipo, pero promete un salto de varios órdenes de magnitud en capacidad de cálculo. Cuando ambas se crucen de verdad, el impacto puede ser tan profundo como difícil de imaginar.
Josep Curto, profesor de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya (UOC) y experto en inteligencia de negocios y macrodatos, propone una imagen muy gráfica: la IA como una gran chef, y la computación cuántica como una despensa nueva llena de ingredientes que antes no existían. Juntas, podrían ensayar millones de “recetas” a la vez para diseñar fármacos y materiales, encontrar rutas óptimas en segundos o entrenar modelos complejos en horas y no en semanas.
La cara brillante de esta alianza tecnológica es muy potente. Pero, como advierte el propio Curto, también hay riesgos muy serios que será necesario gestionar con anticipación y con algo más que entusiasmo tecnológico.
Las grandes ventajas de unir IA y computación cuántica
Aunque las tecnologías cuánticas todavía no están maduras para un uso masivo, la IA sí se encuentra en plena expansión. Imaginar lo que ocurrirá cuando ambas se combinen no es ciencia ficción gratuita, sino un ejercicio de planificación.
Curto plantea tres grandes escenarios donde la “IA cuántica” podría marcar la diferencia.
1. Entrenamientos y cálculos que pasan de semanas a horas
En el primer escenario, los ordenadores cuánticos actuarían como aceleradores extremos para tareas muy costosas de la IA actual. Muchos algoritmos de machine learning dependen de operaciones matemáticas intensivas, como buscar patrones en bases de datos gigantes o invertir matrices enormes.
Los algoritmos cuánticos están diseñados precisamente para abordar este tipo de problemas de forma más eficiente. ¿El resultado? Modelos de IA complejos que hoy necesitan semanas de entrenamiento podrían ajustarse en cuestión de horas, permitiendo:
- Iterar más rápido sobre nuevas arquitecturas de modelos.
- Probar más combinaciones de parámetros y estrategias de entrenamiento.
- Desarrollar asistentes de IA mucho más especializados y finos, adaptados a sectores concretos (sanidad, finanzas, energía, logística…).
En la práctica, esto podría acelerar la innovación en casi cualquier industria que dependa de datos.
2. Simular la naturaleza “átomo por átomo”
El segundo escenario es el terreno donde la computación cuántica muestra su mayor promesa: la simulación de sistemas físicos y químicos a una escala imposible para los ordenadores clásicos.
Los ordenadores cuánticos trabajan según las mismas leyes que gobiernan moléculas, materiales y reacciones químicas. En lugar de aproximar el comportamiento de un material, pueden representarlo de forma mucho más fiel. Si a eso se le suma la capacidad de la IA para encontrar patrones, ajustar modelos y proponer nuevas variantes, el efecto puede ser enorme:
- Descubrimiento de fármacos: identificar moléculas prometedoras, optimizarlas y predecir mejor sus efectos secundarios antes de las pruebas clínicas.
- Nuevos materiales avanzados: aleaciones más ligeras y resistentes, materiales superconductores, recubrimientos ultrarresistentes.
- Baterías de alta eficiencia: optimización de electrolitos y materiales de cátodo y ánodo, clave para el coche eléctrico y el almacenamiento de energía renovable.
Hoy, muchos de estos avances se basan en ensayo y error costoso. La combinación de IA y computación cuántica podría convertir ese proceso en algo mucho más dirigido y rápido.
3. Algoritmos de IA radicalmente nuevos
El tercer escenario va un paso más allá: no se trata solo de acelerar la IA actual, sino de crear nuevos tipos de algoritmos.
El quantum machine learning (QML) explora cómo utilizar cúbits —las unidades básicas de información cuántica— para almacenar y manipular datos de múltiples formas a la vez. En lugar de probar combinaciones de forma secuencial, un algoritmo cuántico puede explorar un espacio de posibilidades muy amplio en paralelo, lo que en física se describe como un “espacio de Hilbert” de altísima dimensión.
Eso puede traducirse en:
- Mayor capacidad para encontrar patrones ocultos en datos muy ruidosos.
- Mejor detección de correlaciones complejas en conjuntos de datos gigantes, como genomas completos o datos financieros de alta frecuencia.
- Modelos más potentes para predecir el comportamiento de sistemas complejos, desde mercados energéticos hasta redes de transporte.
Si estas promesas se cumplen, el impacto social será profundo: desde diagnósticos médicos más precisos hasta redes de transporte más eficientes y menos contaminantes.
La cara oscura: riesgos de seguridad, desigualdad y poder
Como ocurre con la IA, la computación cuántica es una tecnología claramente dual: sus ventajas se pueden transformar en armas si caen en manos equivocadas o se despliegan sin reglas claras. Curto advierte de tres riesgos especialmente sensibles.
1. El posible colapso de la criptografía actual
Buena parte de la seguridad de internet se basa en la criptografía de clave pública, como los sistemas RSA y ECC. Estos métodos permiten que:
- Las compras por internet sean seguras.
- Las transacciones bancarias viajen cifradas.
- Las VPN protejan el tráfico corporativo.
- Las comunicaciones gubernamentales se mantengan confidenciales.
El problema es que los ordenadores cuánticos suficientemente potentes podrían ejecutar el algoritmo de Shor, capaz de romper muchos de estos sistemas en un tiempo razonable. Esto implica un escenario delicado: si no se adoptan a tiempo algoritmos de criptografía poscuántica, cualquier dato cifrado hoy podría descifrarse en el futuro.
No se trata solo de contraseñas: hablamos de historiales médicos, secretos industriales, información diplomática y militar. El riesgo no es teórico; muchos atacantes ya podrían estar almacenando datos cifrados ahora mismo con la expectativa de descifrarlos cuando dispongan de capacidades cuánticas.
2. Más desigualdad digital y geopolítica
La tecnología cuántica no es barata ni sencilla. Requiere:
- Laboratorios altamente especializados.
- Equipos de criogenia capaces de operar a temperaturas cercanas al cero absoluto.
- Personal científico de altísima cualificación.
Hoy solo un puñado de países —como Estados Unidos y China— y grandes corporaciones tecnológicas, entre ellas IBM y Google, disponen de los recursos necesarios para liderar esta carrera.
Esto abre la puerta a un monopolio de la capacidad de cálculo exponencial:
- Las empresas y países con acceso a IA cuántica podrán optimizar cadenas de suministro, diseñar materiales y desarrollar fármacos a un ritmo inalcanzable para el resto.
- La brecha económica podría ampliarse, tal y como advierten estudios de organismos como la OCDE, generando una nueva capa de desigualdad digital.
- El poder geopolítico podría redistribuirse en función del acceso a infraestructura cuántica, complicando la cooperación científica y la transferencia de tecnología.
3. Ataques más sofisticados contra sistemas de IA críticos
El tercer riesgo se sitúa en la intersección entre seguridad y IA. Si los defensores siguen usando sistemas de IA clásicos, pero los atacantes pueden entrenar modelos con ayuda cuántica, el equilibrio se rompe.
Con acceso a quantum machine learning, un atacante podría:
- Encontrar vulnerabilidades en modelos de IA mucho más rápido.
- Practicar ingeniería inversa para extraer datos sensibles del entrenamiento.
- Diseñar ataques de evasión que engañen a sistemas defensivos basados en IA (detector de fraude bancario, sistemas de vigilancia, reconocimiento facial, etc.).
Esto es especialmente preocupante en infraestructuras críticas: redes eléctricas, gestión del tráfico aéreo, sistemas financieros o sanitarios. Muchos de ellos ya dependen de modelos de IA; frente a un adversario cuántico malintencionado, sus defensas actuales podrían quedarse cortas.
Qué se puede hacer: mitigación y gobernanza responsable
Ante este panorama, la respuesta no pasa por frenar la investigación, sino por adelantarse con medidas concretas y marcos de gobernanza sólidos.
Migrar a criptografía resistente a la cuántica
Una recomendación clave es establecer un calendario claro para abandonar los algoritmos de cifrado vulnerables (RSA/ECC) y sustituirlos por estándares de criptografía poscuántica (PQC).
Esto implica que administraciones públicas y grandes empresas:
- Identifiquen los repositorios de datos sensibles de “larga vida”: archivos médicos, datos militares, documentación de propiedad intelectual, etc.
- Re-cifren esa información con algoritmos poscuánticos estandarizados, como los seleccionados por el Instituto Nacional de Estándares y Tecnología (NIST) de Estados Unidos.
- Impulsen normas y requisitos sectoriales para evitar que sistemas críticos sigan basándose en cifrados que podrían quedar obsoletos de la noche a la mañana.
Transparencia, acceso y cooperación internacional
El profesor Curto también defiende la necesidad de marcos regulatorios similares a la Ley de IA europea (EU AI Act), pero adaptados a la realidad cuántica.
Algunas medidas posibles:
- Exigir transparencia sobre el uso de IA cuántica en sistemas de alto riesgo.
- Crear consorcios abiertos y plataformas compartidas de simulación y quantum machine learning para universidades, startups y pymes.
- Tratar el hardware cuántico avanzado como un bien de doble uso (civil y militar), con controles a la exportación hacia países con historiales problemáticos en ciberseguridad y derechos humanos.
La idea es democratizar, en la medida de lo posible, el acceso a la tecnología, evitando que quede concentrada en muy pocas manos.
En qué punto real está la carrera cuántica
Todo esto plantea una pregunta obvia: si los ordenadores cuánticos todavía son prototipos, ¿no se está exagerando?
Curto es claro: no estamos aún en la era de los ordenadores cuánticos universales y tolerantes a fallos. Los sistemas actuales de IBM, Google o IonQ trabajan con cúbits ruidosos que pierden su estado cuántico con facilidad. Esto limita la profundidad de cálculo y su utilidad práctica.
Sin embargo, la carrera ya está en marcha en varios frentes:
- Geopolítico: los países compiten por atraer talento y construir ecosistemas académicos e industriales en torno a estas tecnologías, como ya ocurrió con la IA hace unos años.
- Tecnológico: se están usando técnicas de machine learning para mitigar el ruido, afinar la arquitectura de cúbits y optimizar la disposición de criostatos y otros componentes de hardware.
- Aplicado: se exploran subrutinas cuánticas que puedan integrarse en flujos de trabajo de IA clásica, como optimizaciones concretas o simulaciones específicas.
Los expertos citados por Curto apuntan a un horizonte de entre 10 y 15 años para que la IA cuántica deje de ser un prototipo prometedor y pase a ser una realidad operativa.
Una ventana de oportunidad para decidir qué futuro se quiere
Si algo deja claro el debate sobre IA y computación cuántica es que la tecnología no es neutral. Puede acelerar la cura del alzhéimer o facilitar ataques devastadores contra infraestructuras críticas; puede ayudar a mitigar el cambio climático u ofrecer nuevas armas financieras a actores sin escrúpulos.
La buena noticia es que la ventana de oportunidad para hacer las cosas bien sigue abierta. La sociedad, las instituciones y las empresas pueden utilizar estos años para:
- Actualizar infraestructuras de seguridad digital.
- Formar talento capaz de entender y gobernar estas tecnologías.
- Debatir, con rigor y sin alarmismo, qué usos se consideran aceptables y cuáles no.
Como concluye el profesor de la UOC, la sociedad necesita llegar a acuerdos para el uso responsable tanto de las tecnologías actuales como de las emergentes. Con la IA cuántica no se trata solo de lo que será posible, sino de lo que se decidirá hacer con ese poder.
Preguntas frecuentes sobre IA y computación cuántica
¿Qué beneficios concretos puede aportar la combinación de IA y computación cuántica en medicina?
La IA cuántica podría acelerar el descubrimiento de fármacos simulando moléculas y reacciones químicas con mucha mayor precisión, reduciendo las fases de ensayo y error. También podría ayudar a analizar datos genómicos masivos para diseñar tratamientos más personalizados y predecir mejor la respuesta de cada paciente.
¿Cómo puede afectar la computación cuántica a la seguridad del comercio electrónico y la banca online?
Cuando los ordenadores cuánticos sean lo bastante potentes, podrán romper buena parte de la criptografía de clave pública que protege hoy las transacciones (como RSA y ECC). Si no se migran a tiempo a algoritmos poscuánticos, los atacantes podrán descifrar datos que están siendo almacenados hoy, con riesgo para la banca, el comercio electrónico y la información confidencial de empresas y gobiernos.
¿Por qué se habla de desigualdad geopolítica en torno a la IA cuántica?
Desarrollar y operar ordenadores cuánticos avanzados requiere inversiones enormes y equipos científicos muy especializados. Por eso, solo unos pocos países y grandes corporaciones están en la primera línea. Quien controle esa capacidad de cálculo podrá optimizar procesos, innovar y tomar decisiones estratégicas más rápido, lo que puede ampliar la brecha económica y de poder con respecto al resto.
¿Qué pueden hacer hoy las empresas y administraciones para prepararse para la llegada de la IA cuántica?
Algunas medidas clave son: inventariar sistemas y datos sensibles que dependan de criptografía vulnerable, planificar una migración gradual a estándares de criptografía poscuántica, formar equipos en riesgos cuánticos y participar en iniciativas de cooperación internacional para compartir conocimiento, herramientas y buenas prácticas sobre computación cuántica e IA.
Fuentes:
– Universitat Oberta de Catalunya (UOC), declaraciones de Josep Curto sobre IA y computación cuántica. Ventajas y desventajas entre la IA y la computación cuántica
– Estudios y posicionamientos de la OCDE sobre desigualdad digital y tecnologías emergentes.
– Documentación pública sobre estándares de criptografía poscuántica del NIST (EE. UU.).
