Cómo elegir tu primer caso de uso cuántico

El primer caso de uso cuántico de tu empresa debería ser un problema que ya resuelves con métodos clásicos, con una estructura que los algoritmos cuánticos aprovechan, lo bastante pequeño para correr en las máquinas actuales y donde una respuesta mejor cambie una decisión real. Pocos problemas pasan los cuatro filtros. En 2026, lo más frecuente es terminar el ejercicio con dos candidatos para vigilar y la decisión de esperar con el resto, y eso está bien.

Esta guía es para quien recibió en la empresa el encargo de “buscar algo que hacer con cuántica”: líderes de innovación, analítica u operaciones. Te da una forma de puntuar candidatos, una prueba que descarta la mayoría y las señales de que conviene esperar.

¿Qué problemas tienen forma cuántica?

Los algoritmos cuánticos ayudan con tres familias de problemas, y casi todos los casos de uso serios de la computación cuántica caen en alguna. Si tu candidato no encaja en ninguna, no sigas.

La primera es la simulación de la naturaleza: moléculas, catalizadores, baterías, materiales, cualquier cosa donde el comportamiento de los electrones decide la respuesta. Es el uso que los físicos imaginaron desde el principio, porque un computador cuántico es en sí mismo un sistema cuántico. Tiene el mejor fundamento y también la espera más larga, porque la química que le importa a la industria necesita máquinas con corrección de errores.

La segunda es la optimización combinatoria: rutas, turnos, asignación de recursos, armado de portafolios. Es la que más entusiasma en las empresas y también la que merece más desconfianza. Los solvers clásicos (Gurobi, CPLEX, heurísticas de código abierto) son muy buenos, y ningún método cuántico ha mostrado todavía una ventaja clara y confirmada por terceros sobre ellos en instancias industriales reales.

La tercera es el muestreo y algunas tareas de machine learning, incluidos los métodos de Montecarlo en finanzas. Los resultados son mixtos y dependen mucho de cómo se arma la comparación clásica.

El Quantum Technology Monitor 2025 de McKinsey señala a química, ciencias de la vida, finanzas y movilidad como los sectores con más por ganar. Cuadra con las tres familias: química y farmacéutica para simulación, logística y movilidad para optimización, finanzas para muestreo y optimización.

Cómo puntuar tus casos de uso cuánticos

Califica cada candidato de 0 a 2 en los seis criterios de la tabla. Importa menos el total que la conversación que obliga a tener: la mayoría falla en una fila, y casi siempre es la del método clásico de referencia.

Un candidato necesita al menos 1 en todas las filas y 2 en referencia clásica y dueño. La trampa más común es un 2 en forma con un 0 en referencia: parece un problema cuántico, pero nunca vas a saber si la cuántica ayudó.

¿Por qué la comparación clásica lo decide todo?

Porque toda afirmación de ventaja cuántica es una comparación, y vale lo que valga el lado clásico. Si no sabes cómo rinde hoy tu método, un piloto cuántico solo puede producir un número que nadie sabe interpretar.

Dos casos recientes lo muestran. En marzo de 2025 D-Wave publicó en Science que su computador de recocido cuántico había superado a los clásicos en una simulación útil de materiales magnéticos. A los pocos días, investigadores de la EPFL, en Suiza, argumentaron que métodos clásicos de redes de tensores podían resolver esos mismos problemas, según reportó HPCwire. En septiembre de 2025 HSBC e IBM anunciaron hasta un 34 % de mejora al predecir si una orden de compra de bonos se ejecutaría, usando procesadores IBM Heron sobre cerca de 1,1 millones de solicitudes. Ese mismo día Scott Aaronson criticó el estudio en su blog: al simular clásicamente el cálculo cuántico sin ruido, la ventaja desaparecía, lo que sugiere que la mejora venía del ruido del hardware y no de algo que un computador clásico no pudiera hacer.

Ninguno de los dos trabajos es inútil. Lo que muestran es que la comparación clásica es donde se gana o se pierde un resultado. IBM parece estar de acuerdo: en noviembre de 2025 lanzó con Algorithmiq, el Flatiron Institute y BlueQubit un rastreador abierto de ventaja cuántica, donde cualquiera puede enfrentar una afirmación con su mejor método clásico. Si haces un piloto, ponle la misma vara. En ¿sirve ya la computación cuántica? revisamos más casos.

¿Conviene empezar por algoritmos de inspiración cuántica?

Muchas veces sí. Los métodos de inspiración cuántica son algoritmos clásicos que toman matemáticas de la física cuántica, sobre todo redes de tensores, y corren en servidores o GPU comunes. Se pueden llevar a producción este mismo año y le dan a tu equipo práctica con las ideas que va a necesitar en un proyecto cuántico de verdad.

El ejemplo comercial más visible en español es Multiverse Computing, la empresa de San Sebastián que levantó 189 millones de euros en junio de 2025 para CompactifAI, un producto que comprime modelos de lenguaje con redes de tensores. No usa hardware cuántico. Salió de gente que piensa en términos cuánticos.

Empezar por ahí también te protege del problema de la referencia. Si el método de inspiración cuántica le gana a tu solver actual, tienes algo que usar ya. Si no, tienes una referencia mucho más fuerte para cualquier piloto cuántico posterior.

¿Cuándo es mejor esperar?

Más a menudo de lo que te dirá un proveedor. Probablemente te conviene esperar si se cumple alguna de estas condiciones:

• No puedes decir, con números, qué tan bien funciona tu método actual.
• Tu cuello de botella real son los datos, la integración o el equipo, no el algoritmo.
• Los únicos candidatos son problemas de optimización enormes que solo tienen sentido con miles de variables.
• Nadie del negocio se comprometió a actuar si el resultado es bueno.
• La razón principal del proyecto es salir en prensa.

Esperar no es desentenderse. Elige dos o tres hitos públicos (una ventaja verificada en el rastreador de IBM, una máquina con corrección de errores que se pueda alquilar, un resultado publicado en tu propio sector) y deja acordado qué harás cuando ocurra cada uno. En hacia dónde va el hardware cuántico están los que tienen fecha.

La excepción es la seguridad. La criptografía poscuántica no es un caso de uso que se pueda aplazar: responde a una amenaza, no a una oportunidad, y ya tiene fechas regulatorias. Va en un plan aparte.

¿Cómo es un primer proyecto cuántico sensato?

Pequeño, con plazo fijo y diseñado para que un resultado negativo también cuente como éxito. La meta es una referencia medida y un equipo que aprendió, no un sistema en producción.

1. Inventario. Lista entre diez y veinte problemas candidatos con las personas que los manejan. Todavía no filtres.
2. Puntuación. Usa la tabla de arriba. La mayoría se cae aquí, casi siempre por referencia clásica o por tamaño.
3. Referencia. Para los uno o dos que sobrevivan, mide el mejor método clásico que puedas correr, incluido uno de inspiración cuántica.
4. Criterio de éxito por escrito. Antes de programar, acuerden qué resultado justificaría un siguiente paso y cuál cerraría el tema por un año.
5. Piloto. Usa acceso en la nube a hardware real y a simuladores, con una versión reducida del problema.
6. Decisión. Seguir, archivar con una señal de reactivación o parar. Las tres son salidas válidas.

En la región hay referencias útiles. Quantum-South, una startup uruguaya fundada en 2019 en la Universidad de Montevideo, probó desde mayo de 2022 con IAG Cargo la optimización de carga aérea: un problema con forma clara de optimización, una referencia medible y un dueño al que le importaba la respuesta. Kipu Quantum, con operaciones en Perú y Alemania, firmó una alianza con NTT DATA para llevar estas técnicas a la industria latinoamericana. Ese es el perfil de proyecto que buscas, sea cual sea el resultado final.

¿Dónde suelen estar los mejores candidatos en América Latina?

En pocos lugares. Las mineras y las empresas de energía en Chile, Perú o Colombia tienen preguntas de química y materiales (catalizadores, baterías, corrosión, procesamiento de minerales) que son problemas reales de simulación. Los operadores logísticos de México o Brasil tienen problemas de rutas y programación con buenos datos y solvers clásicos fuertes. Las farmacéuticas y agroquímicas tienen preguntas moleculares, aunque casi siempre las trabajan con socios de investigación.

En todos estos casos falta tiempo para que el hardware cuántico supere a los métodos clásicos a escala industrial. Lo que se gana empezando temprano es la referencia, el equipo y una señal clara de cuándo invertir más. Las páginas de minería y materiales y logística y transporte entran en el detalle por sector.

De la lista de ideas a una decisión

Si ya tienes una lista de ideas y quieres saber cuál, si alguna, merece un piloto, eso es lo que hacemos en el descubrimiento de casos de uso cuánticos: puntuamos los candidatos con tu equipo, construimos la referencia clásica y te decimos sin rodeos cuándo la respuesta es esperar. Si un candidato sobrevive, el paso siguiente es una prueba de concepto cuántica híbrida con criterios de éxito acordados desde el principio.