La llegada antes de lo previsto de la computación cuántica, según Aram Harrow

Un investigador con mirada crítica pero optimista

Aram Harrow, investigador del MIT y coautor del influyente algoritmo HHL (2008), pasó un año en el Instituto de Ciencias Matemáticas (ICMAT) en Madrid y dialogó sobre el estado actual de la computación cuántica. Tras 25 años trabajando en el campo, reconoce que sus predicciones anteriores fueron demasiado conservadoras: solía decir que faltaban entre 10 y 15 años para ver máquinas cuánticas relevantes, pero ahora cree que dispositivos con miles de cúbits podrían aparecer antes de ese horizonte.

Del optimismo contenido al escenario de “llegada temprana”

Harrow distingue entre tener prototipos de qubits y alcanzar el punto en que un ordenador cuántico haga algo que un clásico no pueda reproducir con los recursos disponibles: ese es el umbral que marcaría el inicio de un impacto real. Ya existen máquinas cuánticas pequeñas y, según él, el progreso en calidad de los cúbits y en corrección de errores ha mejorado —aunque sin titulares ruidosos— lo suficiente como para que el ritmo de avance sorprenda a quienes esperaban una década más.

Él compara este avance con una suerte de Ley de Moore cuántica, citando la idea informal de que la calidad del cúbit mejora año a año. Lo esencial en su evaluación es la combinación de dos frentes: reducir el ruido (mejorar la fidelidad del cúbit) e integrar más cúbits en un sistema manejable. Ambos deben avanzar en paralelo para que la escalabilidad sea real.

¿Hubo ya un “día cuántico”? No como con ChatGPT

A diferencia de la irrupción de ChatGPT en 2022, que fue un evento mediático instantáneo, Harrow prevé un proceso más gradual en el terreno cuántico. Sí hubo días simbólicos —por ejemplo, cuando Google ejecutó un experimento que ningún ordenador clásico pudo simular en condiciones prácticas—, pero esos hitos no implicaron, por sí solos, un cambio inmediato en aplicaciones industriales o de consumo. Más bien, sirven para confirmar que los principios teóricos funcionan en la práctica y para orientar inversión y desarrollo.

Hardware, software y la lección de la IA

Una idea clave que Harrow comparte es que el desarrollo de algoritmos cuánticos ha ido por delante del hardware, igual que pasó con ciertos algoritmos de IA que se diseñaron décadas atrás y solo funcionaron al escalar datos y potencia de cálculo. En la computación cuántica ocurre algo similar: hay algoritmos y demostraciones teóricas (por ejemplo, simulación de sistemas cuánticos) que parecen prometedores en papel, pero su utilidad práctica depende de construir máquinas que los ejecuten con la suficiente fidelidad.

Esto implica dos lecciones para responsables técnicos y directivos: primero, invertir en investigación de software cuántico no es prematuro; segundo, mantener expectativas realistas sobre qué problemas se resolverán primero.

Aplicaciones con mayor probabilidad de impacto temprano

Harrow destaca dos áreas con probabilidad de impacto relativamente pronto: la simulación de moléculas y materiales, y la capacidad de atacar ciertos esquemas de cifrado. La simulación cuántica puede acelerar descubrimientos en química y ciencia de materiales, ofreciendo rutas más eficientes a nuevos fármacos o materiales con propiedades específicas. En la práctica esto no significa reemplazar por completo los métodos clásicos, sino complementar y ampliar lo que ya es posible.

Sobre criptografía, Harrow advierte que la amenaza a los esquemas tradicionales puede llegar antes de lo que varios esperan, por lo que recomienda no postergar la transición a algoritmos resistentes a la computación cuántica. Aunque el impacto económico inmediato aún puede ser limitado, el riesgo estratégico para infraestructura crítica, bancos y gobiernos es real, por lo que planificar con anticipación es prudente.

¿Qué sentirá el consumidor común?

El impacto directo para los consumidores será probablemente indirecto y gradual: nuevos medicamentos que emergen más rápido, materiales con mejores propiedades o procesos industriales optimizados. Harrow compara la adopción de la computación cuántica con el uso de superordenadores: son herramientas poderosas pero especializadas, no algo que vaya a sustituir el PC de todos los días.

Por eso la computación cuántica es más un habilitador para ciertos sectores (farmacéutico, petroquímico, aeroespacial, financiero en lo relacionado con criptografía y riesgos) que una tecnología de uso masivo en el corto plazo.

Inversión, mercado y expectativas en contraste con la IA

La explosión de la IA atrajo inversión masiva porque casi todas las empresas encontraron formas de aplicar modelos de lenguaje o visión en sus operaciones. Harrow cree que la computación cuántica tendrá un alcance útil más limitado: muchas aplicaciones serán transformadoras, pero para nichos concretos. Eso no resta valor, pero sí cambia el tipo de estrategia de inversión: se trata de apostar por sectores y colaboraciones que puedan aprovechar capacidades cuánticas específicas.

Recomendaciones para América Latina

Para tomadores de decisión y empresas en América Latina, las implicaciones prácticas son claras:

• Actualizar políticas y planes de seguridad y comenzar a evaluar migraciones hacia criptografía post-cuántica donde haya datos sensibles.
• Invertir en formación y centros de investigación aplicados: la región puede beneficiarse de colaboraciones internacionales y acceso en la nube a hardware cuántico sin necesidad de montar fábricas propias.
• Fomentar alianzas público-privadas que permitan pilotos en sectores como salud, energía y materiales.
• No caer ni en la inacción ni en el hype: equilibrar proyectos exploratorios con análisis de costo-beneficio realista.

Hype versus realidad: gestionar expectativas

Harrow concluye con una reflexión sobre la narrativa tecnológica: el entusiasmo exagerado puede ser contraproducente. Es importante reconocer el hito científico que supone la computación cuántica —cambiar el paradigma de cómo la naturaleza resuelve ciertos problemas—, pero también ser pragmáticos respecto a plazos y aplicaciones. Para los líderes en América Latina, la tarea es prepararse ahora, sin esperar un momento único que lo cambie todo, y aprovechar las oportunidades concretas que ya se vislumbran, especialmente en investigación, seguridad y sectores industriales estratégicos.