Google lleva IA a genómica, clima y crisis globales

Google presenta AlphaGenome Atlas: el mapa de los 9.000 millones de mutaciones del ADN humano

Google DeepMind publicó AlphaGenome Atlas, una base de datos abierta que contiene predicciones del efecto biológico de cada una de las 9.000 millones de variantes posibles de una sola letra del genoma humano. El modelo AlphaGenome que ya existía desde 2025 requería escribir código para acceder a sus predicciones; ahora DeepMind precomputó todos los cálculos —un total de 1 petabyte de datos, 30 veces más grande que la base de AlphaFold, según Scientific American— y los expone a través de una interfaz web y una API.

Lo que cambia para los investigadores es la fricción: en lugar de pedir predicciones una por una, pueden buscar cualquier variante en un navegador, recibir un puntaje único llamado AVI (AlphaGenome Variant Impact) que ordena cuán probablemente esa mutación causa enfermedad, y profundizar en los mecanismos moleculares concretos. El equipo del Broad Institute (MIT y Harvard) ya lo usó para priorizar una variante no codificante como causa probable de una epilepsia infantil severa en un caso no resuelto; investigadores de la University of Exeter analizaron datos de más de 54.000 personas del UK Biobank y encontraron 22% más asociaciones genéticas que con métodos estándar, según reporta Office Chai.

El atlas se entrenó sobre AlphaMissense, otro modelo de DeepMind que predice mutaciones en las regiones codificantes (el 2% del genoma que fabrica proteínas), y lo extiende al 98% restante: el "materia oscura" del ADN que regula cuándo y cómo se activan los genes. Precisamente ahí se esconden muchas asociaciones con cáncer y enfermedades raras, y donde los métodos tradicionales eran más lentos. El acceso es gratuito para uso académico no comercial; una versión comercial llegará después a Google Cloud.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

WeatherNext 3: pronósticos por hora con datos satelitales en vivo

Google también presentó WeatherNext 3, su modelo de clima más preciso. La diferencia clave respecto a modelos anteriores es que ingiere observaciones satelitales en tiempo real en lugar de esperar reanálisis globales actualizados cada seis horas. Eso le permite generar un pronóstico global cada hora y resolver variables de superficie (temperatura, humedad) a 5 km de resolución, cinco veces más fino que la versión anterior (WeatherNext 2, de noviembre de 2025), según reporta Gizmodo.

Las cifras que la compañía destaca son concretas: 50% más precisión en pronósticos de precipitación con uno o más días de anticipación (medido contra observaciones satelitales IMERG), y primer puesto en el benchmark independiente Operational WeatherBench de Brightband. Ars Technica subraya que WeatherNext 3 agrega además un modelo entrenado con estimaciones satelitales de precipitación, lo que ofrece múltiples salidas para lluvia.

La implicación práctica importa para regiones históricamente mal servidas por supercomputadores, como partes de América Latina, África y Asia-Pacífico: allí los pronósticos de alta resolución eran caros o inexistentes. El modelo también añade variables específicas para energía renovable (viento a 100 m, nubosidad, radiación solar), pensado para operadores eólicos y solares. Ya se está integrando en Google Search, Gemini, Maps, la API de Weather de Maps Platform y Earth Engine desde el jueves del anuncio, según Gizmodo.

Predicción planetaria: 83% de los focos de ébola identificados antes de tiempo

La nota de Google agrupa Earth AI Planetary Prediction Engine (PPE), un sistema que combina datos de salud global, seguridad alimentaria y socioeconomía para anticipar crisis. Sus números concretos: identificó 83% de los focos emergentes del brote de ébola en curso en la República Democrática del Congo por adelantado, superando a los sistemas de previsión actuales; en Nigeria duplicó la precisión del pronóstico de seguridad alimentaria a nivel de distrito local; y en EEUU superó a modelos tradicionales al identificar comunidades vulnerables a través de 21 indicadores de salud del CDC.

En paralelo, los modelos de predicción de desastres continúan expandiéndose. En 2025 las predicciones de monzón llegaron a 38 millones de agricultores en India, y las alertas de Flood Hub cubren 2.000 millones de personas en más de 150 países, ahora con inundaciones ribereñas e instantáneas. Los incendios siguen un patrón similar: en 2025 se generaron más de 520 alertas de crisis en Google Search que llegaron a 75 millones de usuarios en el mundo.

Lenguajes, salud y economía: la capa transversal

Sobre el resto, la entrada agrega cifras que vale la pena conocer para dimensionar el alcance: AlphaFold es usado por 4 millones de investigadores en 190 países; un estudio en el Reino Unido con el Imperial College y el NHS detectó 25% de los cánceres de intervalo (los que aparecen entre mamografías) que antes se pasaban por alto sobre 175.000 mujeres; el modelo de retinopatía diabética ya apoyó 1,15 millones de tamizajes con un plan de expansión a 6 millones en la próxima década.

En accesibilidad lingüística, Google Translate y el reconocimiento de voz soportan cerca de 300 idiomas hablados por 7.000 millones de personas (86% de la población mundial); los usuarios traducen 1 billón de palabras al mes (mil millones, según reporte del blog original). En paralelo, Google presentó el AI & Economy ATLAS, una experiencia interactiva y abierta para entender cómo la gente usa IA en el trabajo y la vida diaria, y reporta más de US$1.000 millones en programas de capacitación que han llegado a 100 millones de personas.

¿Qué significa esto para tu startup?

Aunque estos sistemas están pensados para investigación académica y operaciones a escala planetaria, el patrón que muestran es el que más te interesa como founder: las plataformas grandes están abriendo datos precomputados y APIs con baja fricencia, no modelos que tengas que entrenar.

Acciones concretas:

Si trabajas en biotech, salud digital o diagnóstico: explora AlphaGenome Atlas vía API o web para añadir señales genómicas a tus pipelines. El acceso académico es gratuito hoy, según Scientific American; evalúa integrarlo en productos de priorización de variantes para clínicos o en herramientas de rare disease genetics antes de que la versión comercial cambie la economics.
Si tu producto depende de clima, logística, agricultura o energía renovable: revisa si WeatherNext 3 en Earth Engine, BigQuery o la Weather API de Maps Platform cubre un caso de uso que hoy resuelves con datos caros o con baja resolución. La resolución de 5 km y los pronósticos horarios son especialmente útiles para insurtech agro, route planning de última milla, optimización de inventarios y day-ahead trading de energía.
Si estás en LATAM y trabajas con comunidades vulnerables, seguridad alimentaria o riesgo sanitario: sigue de cerca el Planetary Prediction Engine y los programas de Google.org. Cada vez más grants y APIs de estas plataformas se abren a ONGs y startups, no solo a gobiernos.
Como referencia general: invierte tiempo en el AI & Economy ATLAS que Google lanzó. Es un buen termómetro de qué tareas la gente está externalizando a IA, lo que te indica dónde está madurando la demanda.

La apuesta estratégica de Google sigue un hilo claro: convertir investigación científica de frontera en infraestructura reutilizable con la menor fricción posible —exactamente el patrón OpenAI, Anthropic y AWS aplican con sus modelos de IA. Founders que entiendan cómo consumir esa infraestructura antes que sus competidores van a tener una ventana de meses, no años.