La fiebre del oro

Abre LinkedIn, TechCrunch o cualquier medio de negocios ahora mismo. Es casi imposible pasar cinco minutos sin chocar con un titular que promete que la supremacía cuántica está a la vuelta de la esquina. Nos hablan de Qubits, de superposición, de entrelazamiento y de cómo la fusión de estas físicas con la inteligencia artificial va a desbloquear soluciones a problemas que hoy consideramos imposibles.

Y no me malinterpretes, la ciencia detrás de esto es real. La promesa de simular moléculas para nuevos fármacos en segundos o romper la encriptación actual es matemáticamente fascinante y, eventualmente, cierta.

Sin embargo, estamos sufriendo una disonancia cognitiva brutal en el mundo empresarial. Vivimos una nueva «fiebre del oro» tecnológica donde las corporaciones se pelean por anunciar pilotos y pruebas de concepto con las herramientas más futuristas del mercado, mientras olvidan convenientemente que sus cimientos operativos siguen anclados en el pasado.

La realidad es que estamos obsesionados con comprar el coche de fórmula 1, la computación cuántica, pero ni siquiera nos hemos molestado en asfaltar la carretera por la que tiene que correr, nuestra estructura de datos. Nos hemos enamorado del motor y nos hemos olvidado del combustible. Y como veremos a continuación, un motor cuántico sin combustible de calidad no es una ventaja competitiva; es solo un pisapapeles extremadamente caro.

El síndrome del PowerPoint innovador

Existe un ritual casi sagrado en las empresas, la presentación del plan estratégico tecnológico. En estas sesiones, los CTOs y directivos sienten la presión inmensa de demostrar que la empresa está en la cresta de la ola. Hace unos años, la diapositiva obligatoria era Blockchain o el Metaverso; hoy, si no tienes una caja en tu diagrama de flujo que diga Quantum AI Solutions, parece que tu departamento de IT vive en la edad de piedra.

El problema es que estas tecnologías se suelen añadir a la estrategia como quien añade perejil a un plato, para decorar, no para alimentar.

Se venden proyectos de computación cuántica al consejo de administración prometiendo optimizaciones logísticas sin precedentes o segmentaciones de clientes en tiempo real. En el PowerPoint, todo compila: flechas verdes hacia arriba, reducción de costes y disrupción de mercado. Es el escenario perfecto.

Sin embargo, cuando bajas de la planta noble a las trincheras de ingeniería, la realidad es desoladora. Mientras el directivo vende la idea de usar qubits para resolver problemas de optimización combinatoria, el equipo técnico está luchando porque las bases de datos de dos departamentos distintos no se hablan, o porque el CRM tiene miles de entradas duplicadas.

Estamos ante una epidemia de tecnología en busca del problema. Se compra la solución porque queda bien en la presentación y en la nota de prensa, desviando recursos críticos y atención de los problemas reales, aburridos y nada glamurosos que están lastrando la rentabilidad de la compañía día tras día.

La verdad incómoda, tus datos no están listos para la física cuántica

Hay un malentendido fundamental sobre qué es realmente la computación cuántica. Muchos directivos la imaginan como una caja negra mágica a la que puedes arrojar un vertedero de datos desordenados y, gracias a la mística de los qubits, la máquina ordenará el caos y escupirá sabiduría. Nada más lejos de la realidad.

La computación cuántica es, en esencia, un multiplicador de potencia de cálculo. Es capaz de evaluar millones de posibilidades simultáneamente, sí. Pero opera bajo reglas matemáticas estrictas. Si aplicamos este multiplicador a una base de datos sucia, no obtenemos una solución limpia; obtenemos el error amplificado.

En el mundo de la informática clásica existe el principio de «Garbage In, Garbage Out». Con la llegada de estas nuevas tecnologías, estamos evolucionando hacia el «Garbage In, Quantum Garbage Out».

Si tus datos actuales tienen inconsistencias, huecos temporales o errores de etiquetado, un algoritmo cuántico no tiene el sentido común para corregirlos.

Si alimentamos un sistema de este calibre con información defectuosa, lo único que lograremos es llegar a una conclusión equivocada mucho más rápido, y a un coste computacional muchísimo más alto, que con un ordenador convencional. La tecnología no arregla la falta de gobernanza de datos; de hecho, la castiga con severidad.

El caso práctico, el caos del forecast de demanda

Para entender la magnitud del absurdo, bajemos a un ejemplo que afecta a la cuenta de resultados de cualquier empresa de retail o manufactura, la previsión de la demanda.

La promesa de la IA cuántica aquí es seductora: «Nuestros algoritmos analizarán millones de variables correlacionadas en tiempo real para predecir el stock exacto que necesitas, reduciendo tu inventario al mínimo sin perder ventas». Suena fantástico.

Pero cuando abres el capó de la empresa promedio, no encuentras un motor listo para ser optimizado; encuentras un caos absoluto.

Muchas compañías hoy en día son incapaces de explicar matemáticamente su propio pasado. Si les preguntas por qué hubo un pico de ventas hace tres meses o una caída repentina la semana pasada, no tienen una respuesta basada en datos, sino en intuiciones. No tienen los datos estructurados para aislar los componentes básicos que producen las fluctuaciones en su modelo de demanda:

1. Estacionalidad real vs. tendencia: ¿La subida es porque es Navidad o porque el producto se está volviendo más popular?
2. Impacto de promociones: ¿Vendimos más por el producto en sí, o porque marketing inyectó presupuesto en una campaña agresiva? Sin datos de atribución limpios, el modelo está ciego.
3. Censura de datos por roturas de stock: Este es el clásico error. Si un día vendiste cero unidades, ¿fue porque nadie quería comprar o porque el estante estaba vacío? Si tu sistema no registra el histórico de disponibilidad junto con el de ventas, estás alimentando a la IA con mentiras, diciéndole que la demanda fue cero cuando en realidad fue insatisfecha.

Antes de pensar en cúbits y estados cuánticos, necesitamos resolver problemas de ingeniería de datos básica. Necesitamos limpiar históricos, etiquetar eventos pasados y estructurar la información para que un modelo simple, incluso una regresión lineal clásica, pueda entender qué pasó.

Pedirle a una IA cuántica que haga un forecast preciso sobre estos cimientos rotos es inútil. La máquina procesará los números, sí, pero no podrá diferenciar entre una falta de demanda y una falta de producto si el dato no existe.

Velocidad vs. entendimiento

Llegados a este punto, la analogía es inevitable. Implementar tecnología cuántica hoy para resolver problemas de negocio donde los datos base son deficientes es el equivalente corporativo de comprar un Ferrari de fórmula 1 para conducir por un camino de cabras lleno de baches y barro.

El Ferrari es una máquina de ingeniería perfecta, diseñada para la velocidad pura y el rendimiento máximo. Pero si lo metes en ese camino, no solo no llegarás antes a tu destino, sino que destrozarás el coche.

La computación cuántica ofrece velocidad de cálculo y capacidad de optimización, pero lo que la mayoría de las empresas necesitan desesperadamente hoy es entendimiento y contexto.

• Donde la cuántica gana: Si tu problema es puramente matemático y las reglas están claras, como simular la interacción atómica para descubrir un nuevo material para baterías o romper una clave criptográfica, la cuántica es el rey. Ahí la dificultad es la fuerza bruta del cálculo.
• Donde la cuántica pierde: Si tu problema es de negocio, como entender por qué tus clientes prefieren el producto A sobre el B, la dificultad no es de cálculo, es de semántica y calidad.

Un ordenador cuántico puede probar mil millones de combinaciones de rutas de reparto en un segundo. Pero si la dirección de entrega en tu base de datos está mal escrita o no tienes actualizado si la carretera está cortada por obras, la máquina te dará la ruta óptima hacia un error.

No confundamos la complejidad computacional, que requiere potencia, con la complejidad del caos organizacional, que requiere orden. Acelerar un proceso defectuoso no lo arregla; solo hace que el desastre ocurra a una velocidad vertiginosa.

La hoja de ruta

Entonces, ¿significa esto que debemos ignorar la computación cuántica? En absoluto. Significa que debemos respetar el orden de los factores, porque aquí sí alteran el producto.

Para los líderes tecnológicos que quieran aportar valor real y no solo titulares vacíos, la hoja de ruta debe basarse en una especie de pirámide de Maslow de los datos. No puedes aspirar a la autorrealización (IA cuántica) si no tienes cubiertas las necesidades fisiológicas básicas (integridad de los datos).

Aquí está el orden lógico de inversión:

1. Gobernanza y calidad del dato: Antes de contratar físicos cuánticos, contrata ingenieros de datos. Asegura que tus silos se hablen, que tu histórico esté limpio y que tengas una única fuente de verdad. Esto es el 80% del trabajo y, aunque es la parte más aburrida y menos glamurosa, es la única que garantiza el éxito futuro.
2. Analítica descriptiva sólida: ¿Eres capaz de visualizar qué pasó ayer con total precisión? Si tu BI todavía depende de Excels manuales que se rompen cada cierre de mes, olvida la IA.
3. Modelos predictivos clásicos: Exprime al máximo el Machine Learning convencional. Las redes neuronales actuales y los modelos estadísticos avanzados son herramientas potentísimas que, alimentadas con buenos datos, pueden resolver el 99% de los problemas de negocio actuales, incluido ese forecast complejo.
4. Computación de alto rendimiento / cuántica: Solo cuando hayas topado con el techo técnico de la computación clásica, cuando tus modelos estén perfectamente definidos pero tarden demasiado en ejecutarse por pura complejidad combinatoria, entonces, y solo entonces, es el momento de mirar hacia la cuántica.

La innovación real no es saltarse pasos; es construir cimientos tan sólidos que puedan soportar el peso de las tecnologías del futuro. Experimentemos con lo cuántico en el laboratorio, sí, pero en el negocio, invirtamos primero en la higiene y gobernanza de nuestros datos.

La inteligencia artificial cuántica llegará. Cambiará la medicina, revolucionará la ciencia de materiales y transformará la criptografía. Es un futuro brillante y necesario. Pero el futuro no se construye sobre diapositivas de PowerPoint ni sobre bases de datos rotas.

Como tecnólogos y líderes de negocio, tenemos la responsabilidad de no dejarnos cegar por el brillo de lo nuevo. Nuestra prioridad hoy no debería ser buscar la supremacía cuántica, sino lograr la supremacía de la realidad: tener empresas que entiendan sus propios datos, que puedan explicar sus modelos de negocio y que tomen decisiones basadas en información de calidad, no en intuiciones o en el hype del momento.

Limpia tus datos, estructura tu negocio y domina lo clásico. Cuando llegue el momento de dar el salto cuántico, estarás preparado. Hasta entonces, por favor, dejemos de intentar ir a comprar el pan en un cohete espacial.