La computación cuántica lleva años protagonizando titulares. Y con razón: lo que hoy se demuestra en laboratorio habría parecido ciencia ficción hace poco. Pero hay un matiz importante para cualquier empresa que quiera entender “cuándo” y “cómo” esto puede aportar valor real: entre lo cuántico “curioso” y lo cuántico rentable hay varios saltos técnicos y de validación que no se pueden ignorar.
Un paper reciente de Eisert y Preskill lo resume con una idea potente: el camino hacia la “ventaja cuántica” útil está lleno de brechas (“gaps”). No es un botón de ON/OFF, es una carretera con obstáculos muy concretos.
A continuación, los 4 problemas principales y cómo prepararnos desde ya con sentido empresarial.
1) El problema de los errores: de “apañarlos” a corregirlos de verdad
Los ordenadores cuánticos actuales cometen errores con facilidad. Para hacerlos útiles hoy, se usan técnicas de mitigación de errores: repetir ejecuciones, calibrar, estimar el ruido y “compensar” estadísticamente.
Esto puede funcionar para experimentos o circuitos relativamente acotados, pero tiene un límite claro: cuando el cálculo crece, el coste de compensar errores se dispara. Es decir, se puede “estirar” el rendimiento, pero no es una solución que escale indefinidamente.
Qué significa para empresa: mientras la fiabilidad dependa de “parches”, será difícil industrializar resultados con garantías (repetibles, auditables y comparables).
Cómo prepararnos:
- En pilotos, exigir métricas de estabilidad y repetibilidad (no solo “sale una demo”).
- Valorar casos donde el beneficio venga de aprendizaje/posicionamiento, no de ROI inmediato.
2) El problema del escalado: pasar de hitos a tolerancia a fallos “industrial”
Una cosa es proteger un pequeño conjunto de qubits o demostrar una mejora puntual. Otra muy distinta es construir un sistema tolerante a fallos (fault-tolerant) capaz de ejecutar aplicaciones grandes sin colapsar por el ruido.
Para eso hace falta corrección de errores a gran escala, más qubits, arquitecturas robustas y, además, un componente clave: mucho procesamiento clásico en tiempo real para detectar y corregir errores (decodificación). Ese “motor clásico” también puede convertirse en cuello de botella.
Qué significa para empresa: el salto de “prototipo” a “producción” será más parecido a un escalado industrial (coste, integración, tiempos) que a una actualización de software.
Cómo prepararnos:
- Seguir la evolución de hardware y corrección de errores con un radar realista.
- Priorizar partners y proveedores que hablen con claridad de recursos, limitaciones y roadmap.
3) El problema de los algoritmos: de heurísticas prometedoras a resultados demostrables
En torno a lo cuántico hay muchas promesas en optimización, IA, logística o finanzas. El paper insiste en algo básico: para que una aplicación sea seria, debe pasar de “parece que funciona” a “podemos demostrar valor”.
Eso implica:
- recursos cuantificados (qué se necesita y cuándo será viable),
- una explicación razonable de por qué lo clásico lo tiene más difícil,
- y que el resultado sea útil por sí mismo, no “útil porque es cuántico”.
Qué significa para empresa: muchas propuestas son todavía exploratorias. Si no puedes medir recursos, comparar con alternativas clásicas y validar el resultado, lo más probable es que estés pagando incertidumbre.
Cómo prepararnos:
- Diseñar pilotos con comparativa clásica obligatoria (baseline) y métricas claras.
- Elegir casos donde el “output” sea verificable (no una caja negra).
4) El problema de la ventaja creíble: que no sea un “golpe de suerte”
Incluso si un experimento cuántico parece superior, queda una pregunta incómoda: ¿la ventaja es sostenible o es cuestión de tiempo que lo clásico lo alcance con una mejora metodológica?
Esto es especialmente relevante en simulación cuántica, uno de los campos más prometedores para utilidad temprana. Puede generar valor primero en ciencia y tecnología, pero la ventaja debe ser robusta frente a mejoras clásicas (que avanzan muy rápido).
Qué significa para empresa: al principio, lo cuántico puede aportar más como ventaja estratégica (aprendizaje, acceso a ecosistemas, capacidades) que como ventaja financiera inmediata. La rentabilidad llegará cuando la ventaja sea estable y repetible.
Cómo prepararnos:
- Enmarcar iniciativas cuánticas como “exploración con criterio” (no como transformación inmediata).
- Seleccionar casos con impacto potencial alto y con camino claro hacia validación.
Entonces… ¿qué hacemos hoy en una empresa?
Una estrategia sensata en 2026 no es “comprar cuántica”, sino prepararse para capturar valor cuando madure:
- Radar tecnológico: seguir avances en corrección de errores, escalado y casos de uso verificables.
- Capacidades internas: formación básica para dirección y equipos técnicos (lenguaje común, criterios de evaluación).
- Pilotos pequeños, medibles y comparables: con baseline clásico, métricas y criterio de éxito/fracaso.
- Ecosistema: partnerships con proveedores/centros que comuniquen con claridad limitaciones y roadmap.
La clave es esta: menos hype, más criterios. Lo cuántico llegará a ser rentable, pero no por magia; por cerrar estas brechas una a una.
Fuente:
J. Eisert & J. Preskill, Mind the gaps: The fraught road to quantum advantage, arXiv:2510.19928. https://arxiv.org/pdf/2510.19928
Los efectos de la pandemia han cambiado el presente y el futuro de la sociedad. El comportamiento, la forma en Leer más
No tengo claro que mi marca necesite vender online, mi producto no se puede vender por internet, ¿una tienda online? Leer más
La pandemia ha hecho que la formación online, también llamada e-learning, haya sufrido un “boom” considerable en los últimos meses. Leer más
Parece lejano el tiempo en el que nos reuníamos en las empresas presencialmente todas las semanas, o visitabamos algún cliente, Leer más
