Hace unos días, hablando con una investigadora de IBM que trabaja en el Barcelona Supercomputing Center, surgió una reflexión que me pareció especialmente honesta. Me contaba que la hoja de ruta de IBM para los próximos años avanza con objetivos muy ambiciosos, pero todavía dentro de un contexto principalmente científico, académico y de supercomputación.
Ella no creía que llegásemos a ver una sustitución de la computación clásica por la cuántica. Su visión era otra: ambas convivirán porque los ordenadores cuánticos estarán ligados a investigaciones y algoritmos muy específicos.
Cuanto más sigo el campo, más convencido estoy de que esa es la pregunta correcta. La computación cuántica puede acabar siendo importantísima sin convertirse jamás en «la nueva computación» que reemplace a la actual.
Puede que nunca tengamos un portátil cuántico. Puede que el 99 % del software del planeta siga ejecutándose sobre procesadores clásicos. Y aun así, si ese 1 % restante permite diseñar nuevos materiales, simular ciertas moléculas o resolver problemas físicos hoy inabordables, el impacto científico podría ser descomunal.
La pregunta equivocada: ¿cuándo sustituirá a los ordenadores clásicos?
Durante años hemos explicado la computación cuántica como si fuera el siguiente escalón inevitable de una evolución lineal:
ordenador clásico → ordenador cuánticoPero la analogía más realista se parece mucho más a esta:
CPU + GPU + QPULa CPU ejecutaría la lógica general y coordinaría el sistema. La GPU abordaría tareas altamente paralelizables, como simulación numérica e inteligencia artificial. La QPU se reservaría para subproblemas concretos capaces de aprovechar fenómenos cuánticos.
Esto no es solo una interpretación personal. En marzo de 2026, IBM publicó una arquitectura de referencia para la supercomputación centrada en lo cuántico que integra expresamente QPU, GPU y CPU mediante redes de alta velocidad, almacenamiento compartido, Qiskit y flujos de trabajo coordinados.
IBM ya no presenta la QPU como la máquina que expulsará al superordenador clásico del centro de datos. La presenta como un nuevo recurso dentro del propio entorno HPC.
💡 Idea clave: el futuro cuántico se parece más a la llegada de la GPU que a la desaparición de la CPU. Añadimos un acelerador especializado para ciertas operaciones, no una arquitectura universalmente superior.
Hay hype, pero debajo hay algo muy serio
Parte del hype nace de una explicación muy extendida sobre la superposición: un ordenador cuántico probaría todas las soluciones simultáneamente y después se quedaría con la correcta.
Es una descripción atractiva, pero tremendamente engañosa.
Un registro de n qubits puede describirse mediante un estado dentro de un espacio de dimensión 2n. Sin embargo, no podemos leer esos 2n valores al terminar. Al medir obtenemos un resultado según una distribución de probabilidades.
La auténtica potencia de un algoritmo cuántico consiste en manipular amplitudes e interferencias para aumentar la probabilidad de obtener la información buscada y cancelar resultados que no interesan. Diseñar esa interferencia es la parte extraordinariamente difícil.
Y aquí aparece la limitación que los titulares suelen esconder: no todos los problemas poseen una estructura que un algoritmo cuántico pueda explotar.
No existe una transformación automática como esta:
algoritmo clásico → versión cuántica → un millón de veces más rápidoPara una enorme cantidad de tareas, una QPU no aportará ninguna ventaja. En algunos casos sería directamente absurdo utilizarla. Imaginemos ejecutar esto en un frigorífico de dilución a 15 milikelvin:
SELECT * FROM clientes WHERE id = 5821;La computación cuántica no es una CPU muy rápida y muy fría. Es otra forma de computación.
Donde sí puede haber un antes y un después
La candidata más natural es la simulación de sistemas cuánticos. La lógica es casi poética: llevamos décadas intentando representar sistemas cuánticos mediante máquinas clásicas, pero la información necesaria para describir con exactitud muchos de esos estados crece de forma exponencial.
Un ordenador cuántico, en cambio, es él mismo un sistema cuántico.
Por eso química cuántica, ciencia de materiales, superconductividad, catalizadores, baterías, moléculas e interacciones electrónicas aparecen constantemente entre las aplicaciones más prometedoras. IBM ya ha publicado flujos híbridos aplicados a proteínas, moléculas y sistemas de muchos cuerpos, aunque eso no significa que todas esas demostraciones posean todavía una ventaja práctica sobre la mejor alternativa clásica.
Aquí también conviene rebajar las promesas. Un análisis publicado en Nature Communications estudió la evidencia de una ventaja cuántica exponencial genérica para el cálculo del estado fundamental en química cuántica y no encontró razones suficientes para asumir que esa ventaja exista de forma general.
Podrían existir ventajas exponenciales para problemas específicos, o mejoras polinómicas muy importantes para otros, sin que la química entera se vuelva mágicamente exponencialmente más rápida. El matiz importa porque una ventaja polinómica también puede transformar una disciplina, pero es una promesa muy distinta.
💡 Matiz técnico: «polinómico» no significa irrelevante. Reducir un problema de escala cúbica a cuadrática puede marcar una diferencia enorme en sistemas grandes. El error consiste en presentar cualquier mejora cuántica como exponencial antes de demostrarla.
Optimización: la zona con más cejas levantadas
Logística, rutas, planificación, carteras financieras, cadenas de suministro y asignación de recursos forman parte de casi todas las presentaciones comerciales sobre computación cuántica.
En teoría existen algoritmos y formulaciones donde puede aparecer una mejora. En la práctica, demostrar que una QPU supera al mejor algoritmo clásico, con el mismo problema, la misma calidad de solución y todos los costes incluidos, sigue siendo extraordinariamente difícil.
Además ocurre algo fascinante: cada avance cuántico estimula nuevos métodos clásicos para alcanzarlo. El rival de un algoritmo cuántico de 2030 no será el mejor algoritmo clásico que tenemos hoy.
En junio de 2026, Nature Computational Science destacaba precisamente la necesidad de establecer bancos de pruebas estandarizados para comparar rigurosamente métodos cuánticos y clásicos en optimización combinatoria. Si todavía estamos construyendo el terreno común para medir la utilidad, conviene desconfiar de quien ya vende la revolución como un resultado cerrado.
Cuando leo que la computación cuántica transformará inmediatamente toda la logística mundial, mi ceja derecha empieza a elevarse por su cuenta.
Inteligencia artificial cuántica: interesante, pero muy lejos del relato comercial
El Quantum Machine Learning es un campo de investigación legítimo y contiene algoritmos matemáticamente muy interesantes. Eso no implica que una QPU vaya a sustituir masivamente a las GPU ni que el próximo gran modelo de lenguaje se entrene miles de veces más rápido.
En aprendizaje automático aparece un problema fundamental: los datos suelen ser clásicos. Para que un algoritmo cuántico trabaje con ellos, primero hay que codificarlos en estados cuánticos. Si necesitamos cargar terabytes de información, el tiempo de preparación puede consumir la supuesta ventaja antes de empezar el cálculo.
Después aparece el problema inverso: extraer el resultado mediante medidas. Un algoritmo puede manejar una representación de enorme dimensionalidad sin permitirnos recuperar todos sus componentes de forma eficiente.
También debemos contar con el ruido. Un trabajo de Nature Communications publicado en mayo de 2026 muestra cómo el ruido puede eliminar ventajas exponenciales conocidas en modelos idealizados de aprendizaje cuántico.
Mi posición no es que QML no vaya a servir. Es que entre un resultado teórico prometedor y entrenar «GPT-15» con una QPU hay aproximadamente tres galaxias de distancia.
Criptografía: aquí la amenaza sí es matemática
La aplicación con consecuencias más claras no es la inteligencia artificial ni la optimización. Es la criptografía.
El algoritmo de Shor cambia la complejidad de la factorización de enteros y del logaritmo discreto. Un ordenador cuántico tolerante a fallos suficientemente grande podría comprometer sistemas basados en esos problemas, entre ellos RSA, Diffie-Hellman y la criptografía de curva elíptica.
Los algoritmos simétricos se encuentran en una situación diferente. Grover proporciona, en el modelo ideal, una aceleración cuadrática para la búsqueda exhaustiva. Por eso AES-256 conserva un margen de seguridad considerablemente mayor frente a un atacante cuántico que las construcciones asimétricas vulnerables a Shor.
Los sistemas actuales están todavía muy lejos de ejecutar Shor a escala criptográficamente relevante. Sin embargo, existe el riesgo denominado harvest now, decrypt later: capturar hoy información cifrada para descifrarla cuando exista hardware suficiente.
Por esa razón, la migración ya ha comenzado. NIST publicó en 2024 los estándares poscuánticos ML-KEM, ML-DSA y SLH-DSA, y actualmente recomienda iniciar la transición hacia algoritmos resistentes. Si te interesa profundizar en esta parte, en el blog ya hablamos de criptografía cuántica y sus aplicaciones.
💡 Tip técnico: prepararse para la era poscuántica no consiste solo en cambiar una biblioteca. El primer paso es elaborar un inventario criptográfico: localizar certificados, protocolos, firmas, claves, dispositivos y datos cuya confidencialidad deba mantenerse durante muchos años.
La hoja de ruta de IBM confirma el modelo híbrido
La hoja de ruta de IBM, actualizada en marzo de 2026, fija objetivos concretos, aunque la propia compañía advierte que representan intenciones sujetas a cambios.
- 2026: demostrar los primeros ejemplos de ventaja cuántica combinando hardware cuántico y HPC.
- 2028: introducir aceleradores de flujos cuántico-clásicos y bibliotecas computacionales.
- 2029: poner Starling a disposición de clientes como un sistema tolerante a fallos con 200 qubits y capacidad para ejecutar 100 millones de puertas.
- 2033 o después: escalar hasta Blue Jay, con hasta 2.000 qubits y circuitos de 1.000 millones de puertas.
Lo importante no son únicamente las cifras. IBM habla expresamente de flujos quantum + HPC. No pretende eliminar la infraestructura clásica, sino insertar la QPU dentro de ella.
El 19 de agosto de 2026, IBM anunció además la conexión de sus dos primeros módulos criogénicos escalables. El sistema alcanzó temperaturas inferiores a 15 milikelvin y está diseñado para enlazar cientos de chips. Es un avance de ingeniería muy relevante y también un magnífico recordatorio de que una QPU no será un sustituto cotidiano de un servidor convencional.
Ventaja cuántica no significa utilidad práctica
El 30 de julio de 2026, IBM y la Universidad de Chicago anunciaron una demostración de ventaja cuántica verificable especialmente significativa.
El equipo ejecutó 70 qubits lógicos, 2.415 operaciones lógicas de dos qubits y 468 puertas T. La computación terminó en unos 15 minutos, mientras que los principales métodos clásicos de simulación analizados requerían tiempos prohibitivos. Además, la codificación permitió detectar errores y obtener tasas de error lógico diez veces menores que las tasas físicas.
Es un resultado importante porque aborda uno de los problemas históricos de las demostraciones de ventaja: si el cálculo queda fuera del alcance clásico, ¿cómo verificamos que el ordenador cuántico lo ha realizado correctamente?
Pero la prueba resolvía un problema estructurado de muestreo de circuitos. No diseñó un medicamento, no descubrió una batería y no optimizó una red logística.
Conviene separar tres escalones:
- Ventaja cuántica: la máquina ejecuta una tarea fuera del alcance práctico de los métodos clásicos considerados.
- Utilidad cuántica: el cálculo aporta información relevante para un problema científico o industrial.
- Ventaja práctica: la solución cuántica supera al mejor flujo clásico al incluir precisión, tiempo, energía, preparación de datos, verificación y coste total.
El experimento de IBM supone un avance claro en el primer escalón y en la capacidad de verificarlo. El tercero sigue siendo el momento decisivo.
💡 Tip técnico: ante cualquier anuncio de ventaja cuántica, pregunta cinco cosas: qué problema se resolvió, contra qué método clásico se comparó, qué precisión se exigió, qué costes se incluyeron y si el resultado tiene utilidad fuera del propio benchmark.
El escenario que considero más probable
Dentro de 15 o 20 años podríamos encontrarnos con una arquitectura parecida a esta:
Aplicación científica
│
▼
Orquestador HPC
│
┌─────┼──────────┐
▼ ▼ ▼
CPU GPU QPU
│ │ │
lógica IA y química
datos simulación cuántica
└─────┴────┬─────┘
▼
resultadoEl científico quizá ni siquiera necesite saber qué parte se ha ejecutado en la QPU. Igual que hoy usamos una biblioteca de aprendizaje automático sin pensar en cada operación realizada por los núcleos CUDA, podríamos llamar a una función de alto nivel y dejar que el runtime distribuya el trabajo.
simulate_molecule(...)El orquestador decidiría qué Hamiltoniano enviar a la QPU, qué operaciones numéricas ejecutar en la GPU y qué tareas de control y preparación mantener en la CPU.
Una editorial de Nature Biotechnology publicada en julio de 2026 llega a una conclusión muy similar: las primeras ventajas útiles en biotecnología probablemente surgirán de plataformas híbridas cuántico-clásicas, no de máquinas completamente cuánticas trabajando de forma independiente.
Entonces, ¿revolución o hype?
Las dos cosas, pero en planos distintos.
Hay más hype del que justifican las aplicaciones actuales. Se exageran las aceleraciones, se confunde el número de qubits físicos con capacidad útil, se omiten los costes de carga y lectura de datos y se presentan benchmarks cuidadosamente elegidos como si ya fueran productos comerciales.
Pero que exista hype alrededor de una tecnología no significa que la tecnología sea humo.
La computación cuántica podría no reemplazar jamás a la clásica. Puede que nunca alojemos una web en una QPU. Puede que no tengamos un «MacBook Quantum». Sin embargo, si permite modelar correctamente unos pocos sistemas físicos, descubrir determinados materiales o ejecutar alguna clase de algoritmo que hoy requeriría millones de años, su impacto será inmenso.
Mi conclusión puede resumirse en una frase:
La computación cuántica probablemente no será la sucesora de la computación clásica. Será un nuevo tipo de acelerador para problemas que la computación clásica no sabe resolver.
Precisamente por eso, la visión que me trasladó aquella investigadora de IBM me parece mucho más creíble que casi toda la narrativa comercial que ha rodeado a lo cuántico durante la última década.
Deja una respuesta