La IA de Google que no escribe: predice tus ventas de mañana

No toda la IA que importa habla. Google Research ha publicado TimesFM-3, la nueva versión de su modelo de predicción de series temporales: le das el historial de ventas de tu heladería, el tráfico de tu web o la demanda de tu almacén, y te dice qué esperar mañana, la semana que viene o el trimestre próximo. Sin escribir una línea, sin chatbot y con un tamaño que hace sonrojar a los modelos de lenguaje: 330 millones de parámetros, unas mil veces menos que un modelo de frontera.

Qué hace y por qué es distinto

Los modelos de predicción de series temporales existen desde hace décadas (los bancos y las eléctricas viven de ellos), pero tenían un peaje: cada problema exigía su propio modelo, entrenado a medida por alguien que supiera hacerlo. La familia TimesFM aplicó la receta de los LLM a este mundo: un solo modelo fundacional, entrenado con series de todos los sectores, que funciona sobre datos que no ha visto nunca. Es la misma idea del zero-shot que hizo útiles a los chatbots, aplicada a números en lugar de palabras.

La versión 3 añade lo que faltaba para el uso real. Hasta ahora el modelo miraba una sola serie en el vacío; ahora puede combinar variables relacionadas (si sube la venta de cucuruchos, algo dirá de la de tarrinas), factores históricos y, sobre todo, el futuro que ya se conoce: promociones planificadas, festivos, el pronóstico del tiempo. Y en lugar de una cifra seca, devuelve nueve valores por cada instante predicho, del escenario pesimista al optimista. Esa horquilla no es indecisión: es honestidad estadística, y es lo que separa una predicción útil de una bola de cristal.

Para qué sirve (y para qué no)

Google dice que la familia TimesFM se usa ya en comercio, finanzas, industria y sanidad, y la integración con BigQuery (donde la versión anterior ya funciona con un simple comando SQL) pondrá esto al alcance de cualquier empresa con sus datos en la nube de Google, sin contratar a un científico de datos. Los pesos son abiertos: también puedes descargarlo y ejecutarlo en tu propia máquina, que para datos de negocio sensibles no es detalle menor.

Lo que no es: una bola de cristal para la bolsa ni un oráculo. Un modelo de predicción extrapola patrones; no sabe que tu competidor abre local el mes que viene ni que una pandemia cerrará el país. Cuanto más se parezca el futuro al pasado, mejor funciona; cuando el mundo se rompe, se rompe con él. Sus propios autores lo dicen con las nueve horquillas: la respuesta correcta a "¿cuánto venderé?" es siempre un rango, no un número.

La lectura sin humo

Mientras los focos apuntan a los chatbots gigantes y sus dramas existenciales, la IA que más dinero mueve en las empresas sigue siendo esta: la aburrida, la pequeña, la que predice cuántos yogures pedir para no tirar ni la mitad ni quedarse corta. TimesFM-3 tiene mil veces menos parámetros que un modelo de frontera y resuelve un problema por el que las empresas llevan décadas pagando de verdad. Es un buen recordatorio de la regla de esta casa: el tamaño del modelo no mide su utilidad, y las noticias de IA más rentables rara vez son las más ruidosas. Si tienes un negocio con historial de ventas y una cuenta de Google Cloud, esto te afecta más que cualquier benchmark de la semana.

Fuentes: The Decoder · Google Research · 12 septiembre 2026