–¿A qué se dedica?

–A mí siempre me interesó mejorar la calidad de la predicción meteorológica a distintos plazos. Creo que ése es el tema que aglutina mis diversas investigaciones a lo largo de muchos años.

–¿La predicción del clima?

–Sí, claro. Lo que hay que reconocer es que hay límites en la predicción del tiempo.

–¿Cuál es el límite?

–Ahora, alrededor de dos semanas.

–O sea que se puede saber con cierta probabilidad razonable qué es lo que va a ocurrir dentro de dos semanas.

–Exactamente. Está en ese orden de magnitud. Depende, de todos modos, de qué variable meteorológica quiera pronosticar. Si quiero pronosticar lluvia para dentro de dos semanas, el pronóstico me va a salir muy mal. La lluvia es la variable más difícil; las temperaturas son bastante más nobles como variables a pronosticar. Pero el límite sigue estando en las dos semanas.

–Hay algo interesante en la predicción. La predicción se da hoy en día en términos probabilísticos: se dice, por ejemplo, que mañana habrá un 80 por ciento de probabilidades de lluvia. Es difícil entender qué quiere decir eso.

–Sí, y hay una encuesta muy interesante que se hizo en Estados Unidos por parte de un grupo de sociólogos. La idea era tratar de ver qué entendía la gente cuando le daban un pronóstico en términos probabilísticos. Algunos tomaban la predicción como determinística: va a llover. Otros pensaban que existía la posibilidad de que lloviera en su zona y no en otra. Hay un problema comunicacional importante. Ahora bien: ¿por qué se hace así? Nosotros, al dar un pronóstico, tenemos que reconocer que hay un grado importante de incertidumbre en los pronósticos. Una de las maneras de admitir esa incertidumbre es decir con qué probabilidad va a ocurrir el fenómeno. Esa probabilidad indica que yo, la pronosticadora, no estoy 100 por ciento segura de lo que va a pasar.

–Si usted dice “mañana habrá un 50 por ciento de probabilidades de lluvia”, lo que está diciendo es que si hubiera 100 días de mañana, en 50 llovería y en 50 no. Pero no hay 100 días de mañana. Entonces... ¿cómo puedo tomar decisiones triviales como agarrar un paraguas en base a esas probabilidades?

–Ese es todo un terreno muy interesante de la articulación de nuestra disciplina con otras. Para que le quede claro lo que significa que hay un 50 por ciento de probabilidades de que llueva, le cuento cómo se hace el trabajo. Yo, lo que voy a hacer, es correr muchas realizaciones de un pronóstico para el día de mañana. Corro 100 realizaciones: si 50 me dicen que mañana llueve y 50 me dicen que mañana no llueve, de ahí saco que hay un 50 por ciento de probabilidades de que llueva. Justamente el ejemplo del 50 por ciento es complicado, porque es justo la mitad. Mucha gente piensa, por eso, que es pura cuestión de azar. Pero no es así. Si yo le digo que mañana hay un 50 por ciento de probabilidad de lluvia, no es lo mismo que cualquier otro día. Porque en Buenos Aires no todos los días hay un 50 por ciento de probabilidades de que llueva. No es un lugar en el que llueve día por medio. El objetivo que perseguimos nosotros es dar un pronóstico que sea más acertado que el de la climatología. Ese es el primer desafío que tiene alguien que hace un pronóstico: posicionarse por encima de la climatología, porque la climatología ya se la conoce. En Buenos Aires, por ejemplo, 3 de cada 20 días llueve. Ese es un hecho con el que contamos, es una estadística: no podemos quedarnos con eso. Con nuestros modelos de pronóstico y nuestro conocimiento del funcionamiento del sistema tenemos que dar probabilidades más exactas y más elaboradas que las de la estadística.

–¿Cómo puedo tomar una decisión en función de eso? Es como jugar a la ruleta...

–Bueno, en parte sí. De hecho, existe algo que se llama Weather Roulette...

–Ruleta del clima... ¿qué es eso?

–Es una de las estrategias que usan, por ejemplo, en el centro europeo de predicción a corto y mediano plazo para demostrarle a la gente que, si esto fuera un problema de chances, el que apuesta al pronóstico, gana.

–¿Y qué quiere decir apostar al pronóstico, si el pronóstico es 70 por ciento de probabilidades de lluvia? ¿Suspendo un acto al aire libre o no?

–Ahí hay otro elemento, que es la relación costo-beneficio. Ahí usted debería medir cuál es el costo económico de suspenderlo, por ejemplo, y cuál es el costo de no suspenderlo. Pongamos otro ejemplo: yo soy arquitecto y tengo que hacer hormigonar una casa. Pero anuncian un 70 por ciento de probabilidad de lluvias. Bueno, me tengo que poner a hacer cuentas: hay un costo por parar la operación ya prevista, hay un costo por realizarla y que llueva, y hay otro costo de realizarla y que el pronóstico se haya equivocado. Todos esos costos se pueden poner en juego en un algoritmo que va a terminar determinando qué tiene que hacer cuando hay 70 por ciento de probabilidades de lluvia. Pero si fuera en abstracto, sí, le convendría suspenderlo. Puede ser que esa vez puntual le salga mal y que no llueva. Pero, a la larga, apostar al pronóstico conduce a decisiones acertadas.

–O sea que si yo, durante 100 veces, apuesto a no hacerle caso al pronóstico que anuncia que va a llover con un 70 por ciento de probabilidades, es esperable que 70 veces las cosas me salgan mal.

–Exactamente. Si usted siempre le hace caso al pronóstico, termina ganando. El punto es que si usted es un individuo que toma sus propias decisiones y que no está especialmente preocupado en minimizar los riesgos, no se va a ver favorecido por el pronóstico. La idea es que hay que ser constante. Esta cuestión de la ruleta del tiempo funciona si la persona, a rajatabla, hace lo que le indica el pronóstico (siempre y cuando traspase el umbral del 70 por ciento la probabilidad de que algo suceda). En ese contexto está demostrado que se obtienen beneficios si se toman decisiones acordes con ese pronóstico.

–El concepto de probabilidad es muy complicado...

–Sí, lo es.

–Ahora cuénteme un poco de su trabajo puntual.

–Yo trabajo sobre los modelos de pronóstico numérico, que son modelos muy complejos donde se expresa toda la física que expresa el comportamiento de la atmósfera. Esta física podría entenderse desde las leyes de Newton, las leyes de la termodinámica, etc.: son ecuaciones que se resuelven. El pronóstico, entendido como lo trabajamos nosotros, es un problema donde hay condiciones iniciales (que deben ser bien conocidas), hay leyes físicas que gobiernan el sistema, y nosotros tenemos que poner en correlación ambas cosas para prever un estado futuro.

–¿Y usted qué hace?

–Trato de mejorar esos modelos, para que esa física que se representa sea cada vez más parecida a la física observada en la atmósfera; y también trabajo en mejorar el conocimiento del estado inicial del sistema. Para hacer una buena predicción hay que, primero, hacer un buen diagnóstico. Si no podemos diagnosticar el estado del sistema en el inicio, o lo diagnosticamos de manera deficiente, el pronóstico va a ser deficiente. En las charlas al público en general suelo poner el ejemplo del médico: uno va al médico con dolor de panza. Eso es algo sumamente inespecífico: es necesario precisar la causa. Solamente cuando el médico sabe la causa, puede pronosticar cuánto tiempo va a durar el malestar y cómo tratarlo. El pronóstico es totalmente dependiente del diagnóstico...

–Eso si pensamos de manera determinista. Pero si la atmósfera es un sistema caótico...

–Es un sistema caótico, pero no totalmente caótico.

–Bueno, el caos es determinista también, el problema es que una pequeñísima variación de-sencadena un desastre.

–Claro. Esa pequeñísima variación hace que, en el transcurso de dos semanas, haya dos estados atmosféricos absolutamente diferentes. Entonces hay que plantear estrategias distintas para plazos diferentes. El problema es bastante determinístico en el corto plazo.

–¿Cuánto es el corto plazo?

–Digamos que tres o cuatro días. Esta ilusión de querer tener la mejor descripción posible del estado inicial no es vana, porque hay muchas aplicaciones imprescindibles para la sociedad que son muy sensibles a lo que pueda pronosticarse a tres o cuatro días. En cambio, hay otras aplicaciones que no son tan dependientes de la condición inicial como, por ejemplo, el pronóstico climático. Es dependiente, pero no tan dependiente: es una rama del problema que dejó de ser determinística para ser probabilística. Depende dónde uno se pare, cómo va a pensar el problema.