Una guía para que un directorio peruano distinga la señal del ruido en la intersección de las dos tecnologías del momento

En la sala de un directorio limeño, un proveedor proyecta su última lámina: “inteligencia artificial potenciada por computación cuántica”. La promesa es deslumbrante y el vocabulario, impecable. Un director levanta la mano y formula la única pregunta que de verdad importa: “¿esto funciona hoy, o me están vendiendo el futuro?”. El salón queda en silencio. Esa pregunta —no el folleto— es el punto de partida de este artículo.

Cada vez que se cruzan dos tecnologías de moda, el mercado fabrica una promesa de sinergia mágica, y con la inteligencia artificial y la computación cuántica ocurre hoy en su forma más intensa. En un artículo anterior argumenté que la cuántica es una promesa lejana con un riesgo presente; la IA, en cambio, ya transforma operaciones todos los días. Cuando un directorio escucha que ambas se potencian, la pregunta correcta no es “¿qué tan revolucionario será?”, sino “¿qué parte de esto es real hoy y qué parte es un folleto de ventas?”. Este artículo intenta ofrecer ese filtro: separar la oportunidad genuina de la promesa inflada, sin perder de vista una amenaza que la convergencia sí agrava.

Dos tecnologías que conviene no confundir

La inteligencia artificial aprende patrones a partir de datos: reconoce imágenes, predice demanda, redacta textos. Funciona hoy, sobre computadoras convencionales, y su adopción empresarial ya está en marcha. La computación cuántica, en cambio, no “aprende”: explota propiedades de la física —superposición y entrelazamiento— para resolver cierta clase estrecha de problemas que las máquinas clásicas no abordan bien, y aún no alcanza madurez comercial. Son, por tanto, tecnologías de naturaleza y calendario distintos.

De esa diferencia nace la confusión. Decir que “la cuántica acelerará la IA” mezcla una herramienta disponible con una que aún no existe a escala útil. La intersección real es más sutil y corre en dos direcciones opuestas, con grados de madurez casi inversos: la IA ya ayuda a construir mejores computadoras cuánticas, mientras que el uso de la cuántica para potenciar la IA sigue siendo, en su mayor parte, una aspiración de laboratorio. Distinguir esas dos direcciones es la clave de todo el análisis.

La oportunidad real: la IA que ayuda a construir la cuántica

El mayor obstáculo de la computación cuántica no es construir qubits, sino mantenerlos estables: son extraordinariamente frágiles y acumulan errores con facilidad. Corregir esos errores en tiempo real es la condición que separa los prototipos actuales de una máquina útil. Y es justamente ahí donde la inteligencia artificial ha aportado un avance concreto y verificable.

En noviembre de 2024, los equipos de Google DeepMind y Google Quantum AI presentaron en la revista Nature un sistema llamado AlphaQubit: un decodificador basado en redes neuronales que identifica los errores de un procesador cuántico con una precisión superior a la de los métodos previos —un 6 % mejor que las técnicas de redes tensoriales y un 30 % mejor que el emparejamiento correlacionado— y fue entrenado con datos de sistemas de hasta 241 qubits (Google DeepMind y Google Quantum AI, 2024). No es una promesa: es un componente que ya mejora el desempeño del hardware existente. La IA, en este caso, no compite con la cuántica; la hace posible. Esta es la cara madura de la convergencia, y la que un directorio puede tomar como referencia de lo que significa “progreso real” en este campo: resultados medibles y revisados por pares, no titulares.

La promesa en construcción: la cuántica al servicio de la IA

La dirección inversa —usar computadoras cuánticas para potenciar la IA, lo que se conoce como quantum machine learning— es donde se concentra el entusiasmo y, también, el ruido. La promesa es seductora: entrenar modelos más rápido, explorar espacios de soluciones imposibles para una máquina clásica. La realidad es más sobria. No existe aún una ventaja cuántica general y demostrada para las tareas de aprendizaje automático de relevancia práctica; buena parte de la literatura debate incluso si “vencer” a lo clásico es el objetivo correcto (Schuld & Killoran, 2022).

El directorio debe sumar a ese escepticismo una señal de alerta sobre cómo se comunica el campo. Varios anuncios resonantes han sido cuestionados por exagerados —desde afirmaciones de simulaciones que tomarían “un millón de años” a una computadora clásica hasta chips presentados con reclamos que la comunidad científica disputó—, y una parte de la industria sostiene su valoración vendiendo pruebas de concepto y expectativas de futuro más que aplicaciones comercialmente útiles (Observer Research Foundation [ORF], 2025). Nada de esto significa que el quantum machine learning sea humo; significa que su horizonte útil se mide en años y que conviene tratar cada anuncio con la misma exigencia de evidencia que se aplicaría a cualquier inversión.

La amenaza compuesta: cuando la IA y la cuántica se combinan en contra

Si las oportunidades corren en dos direcciones, el riesgo se multiplica cuando ambas tecnologías operan juntas del lado del atacante. En el artículo anterior describí la estrategia de “cosechar hoy, descifrar después”: un adversario almacena hoy datos cifrados que aún no puede leer, esperando que el hardware cuántico madure (Cybersecurity and Infrastructure Security Agency [CISA], 2022). La inteligencia artificial agrava esa amenaza por el extremo de la cosecha: permite filtrar, priorizar y clasificar a escala qué información interceptada vale la pena guardar para descifrarla en el futuro. La cuántica amenaza el descifrado; la IA optimiza el botín.

Hay un segundo riesgo, más estratégico que técnico: la concentración de poder. Dominar simultáneamente la IA y la cuántica exige capital, talento e infraestructura al alcance de muy pocos —un puñado de gigantes tecnológicos y Estados—. Para una empresa peruana, esto plantea una dependencia estructural: las capacidades más avanzadas en ambos frentes se rentarán a proveedores extranjeros, lo que vuelve la soberanía tecnológica y la diversificación de proveedores un tema de directorio, no de área técnica. La respuesta defensiva, en cambio, no admite espera: la migración hacia la criptografía post-cuántica estandarizada en 2024 debe iniciarse hoy (National Institute of Standards and Technology [NIST], 2024).

La convergencia, sector por sector

Para un directorio peruano, la pregunta práctica es dónde aterriza todo esto en su industria. La siguiente tabla separa, por sector, lo que la IA ya permite hacer hoy de aquello que la cuántica podría habilitar en el futuro —con el recordatorio de que esa segunda columna describe horizontes de años, no de trimestres. La regla general se repite: la herramienta lista para usar es la IA; la cuántica es vigilancia, no despliegue.

Conviene leer la tabla con disciplina: la columna de la izquierda contiene decisiones de inversión que un directorio puede evaluar este año; la de la derecha, temas de vigilancia tecnológica. El caso de la agroindustria ilustra bien ese horizonte: descifrar el mecanismo natural de fijación del nitrógeno —fuera del alcance de las computadoras clásicas, pero potencialmente accesible a las cuánticas con corrección de errores (Reiher et al., 2017)— permitiría producir fertilizantes mucho menos intensivos en energía que el actual proceso Haber-Bosch. Es una promesa enorme y, a la vez, lejana. Confundir las columnas —invertir hoy en la promesa o ignorar lo que la IA ya permite— es el error que esta separación busca evitar.

El directorio peruano: dos agendas que ya convergen

El directivo peruano no llega a este tema en blanco. Por un lado, la inteligencia artificial ya forma parte de su agenda de gobierno, entre la adopción acelerada, el fenómeno del shadow AI y un marco regulatorio en construcción. Por otro, el sistema financiero ya encendió alertas sobre la amenaza cuántica: una de las mayores entidades bancarias del país y el gremio bancario peruano coinciden en que las estrategias de seguridad deben reformularse ante su avance (iupana, 2025), y la Superintendencia de Banca, Seguros y AFP propuso en 2025 un comité nacional de ciberseguridad financiera (El Comercio, 2025).

Lo que este artículo añade es que esas dos agendas —la de la IA y la de la cuántica— no son independientes: convergen en la mesa del directorio. La IA es la palanca de productividad de hoy; la cuántica, el riesgo de seguridad que se prepara para mañana; y juntas, una amenaza compuesta que ningún comité puede gestionar por separado. El directorio que trate ambos temas como conversaciones aisladas perderá de vista justamente el punto donde se cruzan.

Tres errores frecuentes del directorio

“Es una sola revolución tecnológica”. Tratar la IA y la cuántica como un mismo fenómeno lleva a aplicarles el mismo calendario y la misma urgencia. Son distintas: una está lista, la otra no. Mezclarlas produce decisiones mal calibradas en ambos frentes.

“Esperaré a que el panorama se aclare”. Suena prudente, pero ignora que las dos agendas avanzan a ritmos opuestos. Esperar para adoptar IA es ceder productividad hoy; esperar para preparar la defensa criptográfica es exponerse a la cosecha de datos que ya ocurre. La espera no es neutral.

“Es un asunto de los técnicos”. Distinguir la oportunidad real de la promesa exagerada, decidir cuánto invertir y en qué frente, y gestionar la dependencia de proveedores extranjeros son decisiones de estrategia y riesgo. El área técnica informa; el directorio discierne.

Cómo distinguir la señal del ruido

Frente a cualquier anuncio que prometa unir IA y cuántica, un directorio puede aplicar cinco preguntas de discernimiento antes de invertir o de alarmarse:

1.     ¿Es hoy o es horizonte? Distinguir si la aplicación usa IA disponible o cuántica todavía inmadura. La primera se evalúa como inversión; la segunda, como vigilancia.

2.     ¿Hay evidencia revisada o solo un titular? Exigir resultados medibles y verificables —como los publicados en revistas científicas— frente a comunicados de prensa y demostraciones sin contraste independiente.

3.     ¿Quién se beneficia del anuncio? Un proveedor que vende pruebas de concepto tiene incentivos para inflar expectativas. La fuente del entusiasmo importa.

4.     ¿Qué problema nuestro resolvería? Anclar toda promesa en un problema concreto del negocio. Si no hay problema claro, no hay caso de inversión.

5.     ¿Qué exige hoy, aunque la promesa sea lejana? Aun si la oportunidad es futura, la amenaza es presente: el inventario criptográfico y la migración post-cuántica no esperan.

Una hoja de ruta para el directorio

Discernir no basta; hay que actuar en consecuencia. La siguiente hoja de ruta ordena esa acción por horizontes, fiel a la lógica del artículo: lo que se captura hoy, lo que se defiende hoy y lo que apenas se vigila.

Una hoja de ruta sin dueño es una lista de buenos propósitos. La pregunta de gobierno —quién, en el directorio, asume estas tecnologías— admite tres respuestas habituales: el Comité de Riesgos, si el énfasis está en la amenaza; el Comité de Auditoría, si se la integra con el control interno y el cumplimiento; o un comité ad hoc, cuando la organización decide darle visibilidad propia. Lo que no funciona es dejarla sin asignar: el riesgo que no es de nadie termina siendo de todos cuando ya es tarde.

Una referencia internacional

Reflexiones finales

La intersección entre inteligencia artificial y computación cuántica no es una sola historia, sino tres que conviene no mezclar: una oportunidad real —la IA que ya ayuda a construir mejores máquinas cuánticas—, una promesa todavía en construcción —la cuántica al servicio de la IA— y una amenaza compuesta que la combinación de ambas agrava. El valor que un directorio puede aportar no es técnico: es de discernimiento. Saber cuál de las tres historias tiene delante en cada anuncio, cada propuesta de inversión y cada alerta de riesgo es, en sí mismo, una ventaja competitiva en un terreno diseñado para deslumbrar.

Como ocurre con la convergencia entre los mundos IT y OT o con el doble filo de la propia inteligencia artificial, temas que he abordado antes en esta serie, la pregunta de fondo vuelve a ser de gobierno: quién, en el directorio, asume la tarea de separar la señal del ruido antes de que lo haga el mercado por nosotros. Para abrir esa conversación, sugiero cinco preguntas:

1.     De nuestras iniciativas actuales con “IA” o “cuántica”, ¿cuáles se apoyan en tecnología disponible hoy y cuáles en promesas de futuro?

2.     ¿Exigimos evidencia verificable antes de invertir en un proveedor que promete capacidades cuántico-IA?

3.     ¿Hemos conectado nuestra agenda de adopción de IA con nuestra agenda de defensa criptográfica, o las tratamos por separado?

4.     ¿Qué tan dependientes somos de unos pocos proveedores extranjeros para nuestras capacidades más avanzadas, y cómo lo gestionamos?

5.     ¿Quién en el directorio es responsable de discernir la señal del ruido en estas tecnologías?

Nota del autor

Escribo no como físico ni como científico de datos —no soy ninguna de las dos cosas— sino como un directivo que ha aprendido a desconfiar de las sinergias prometidas entre tecnologías de moda.

He visto suficientes ciclos de entusiasmo —la cadena de bloques fue uno— como para sospechar de toda promesa que llega envuelta en superlativos. Este artículo nace de esa cautela: no de negar el potencial de la IA y la cuántica, que es enorme, sino de insistir en que el primer trabajo de un directorio frente a ellas es distinguir lo real de lo vendido. La conversación que sigue —cómo organizar esa vigilancia sin frenar la adopción de lo que ya funciona— queda para una próxima entrega.

Referencias

Cybersecurity and Infrastructure Security Agency. (2022). Prepare for a new cryptographic standard to protect against future quantum-based threats. CISA. https://www.cisa.gov

El Comercio. (2025, 20 de mayo). SBS propone comité nacional para fortalecer la ciberseguridad financiera. El Comercio. https://elcomercio.pe

Google DeepMind, & Google Quantum AI. (2024). Learning high-accuracy error decoding for quantum processors [AlphaQubit]. Nature, 635, 834–840. https://doi.org/10.1038/s41586-024-08148-8

iupana. (2025, 7 de julio). La nueva era computacional despierta alertas en el sistema financiero peruano. iupana. https://iupana.com

National Institute of Standards and Technology. (2024). Post-quantum cryptography standards: FIPS 203, FIPS 204 and FIPS 205. U.S. Department of Commerce. https://csrc.nist.gov

Observer Research Foundation. (2025). Quantum computing: Separating hype from reality. ORF. https://www.orfonline.org

Reiher, M., Wiebe, N., Svore, K. M., Wecker, D., & Troyer, M. (2017). Elucidating reaction mechanisms on quantum computers. Proceedings of the National Academy of Sciences, 114(29), 7555–7560. https://doi.org/10.1073/pnas.1619152114

Schuld, M., & Killoran, N. (2022). Is quantum advantage the right goal for quantum machine learning? PRX Quantum, 3, 030101. https://doi.org/10.1103/PRXQuantum.3.030101