La computación cuántica ya no pertenece sólo a laboratorios universitarios. Empresas como IBM, Google, Microsoft, Quantinuum o IonQ ya trabajan en procesadores, herramientas de desarrollo y servicios cloud para experimentar con algoritmos cuánticos. Aun así, conviene aterrizar expectativas: la mayoría de aplicaciones empresariales siguen en fase de investigación, prueba de concepto o estimación de recursos.
La idea principal es sencilla de expresar, aunque difícil de construir: usar propiedades de la mecánica cuántica para resolver ciertos problemas de una forma distinta a la de un ordenador clásico.
Esto no significa que un ordenador cuántico vaya a sustituir a los servidores, los portátiles o los sistemas cloud actuales. Su campo natural está en problemas muy concretos, como simulación de moléculas, optimización, criptografía, materiales o ciertos modelos matemáticos.
Para quien se está formando en tecnología, la computación cuántica abre una vía profesional interesante porque combina física, matemáticas, programación, cloud, ciberseguridad e inteligencia artificial. Todavía no es un mercado masivo, pero sí está creando una demanda especializada de perfiles capaces de entender tanto el fundamento técnico como sus límites reales.
Qué es la computación cuántica
Un ordenador clásico trabaja con bits, que toman valores 0 o 1. Un ordenador cuántico trabaja con qubits, unidades de información que representan estados cuánticos descritos mediante amplitudes. Antes de medirse, un qubit puede estar en una superposición de estados; al medirlo, se obtiene un resultado clásico.
Esa diferencia permite diseñar algoritmos que aprovechan fenómenos como superposición, entrelazamiento e interferencia. La superposición permite describir un qubit mediante una combinación de estados. El entrelazamiento conecta el comportamiento de varios qubits de una forma que no tiene equivalente directo en correlaciones clásicas simples. La interferencia se utiliza para aumentar la probabilidad de obtener resultados útiles y reducir la de resultados que no interesan.
Esto no convierte al ordenador cuántico en una máquina “más rápida para todo”. En muchos casos, un sistema clásico seguirá siendo más barato, estable y práctico. La ventaja cuántica aparece cuando existe un algoritmo adecuado, un problema bien planteado y hardware con suficiente calidad para ejecutarlo.
Por qué es tan difícil construir ordenadores cuánticos
El principal problema está en los errores. Los qubits son muy sensibles al ruido, a la temperatura, a las vibraciones y a pequeñas interferencias del entorno. Esa fragilidad provoca pérdida de información y resultados incorrectos.
Por eso la investigación actual no se centra solo en fabricar más qubits. También se trabaja en qubits lógicos, corrección de errores, decodificadores en tiempo real y arquitecturas capaces de escalar sin que el ruido destruya el cálculo.
Google publicó en Nature resultados con su generación de procesadores Willow, incluyendo memorias de código de superficie que operaron por debajo del umbral de corrección de errores. El trabajo incluyó un código de distancia 5 con decodificación en tiempo real y un código de distancia 7 sobre un procesador superconductor de 105 qubits. Es un avance técnico relevante para construir sistemas más fiables, pero no equivale todavía a disponer de un ordenador cuántico tolerante a fallos de uso general.
IBM también ha puesto el foco en la tolerancia a fallos. Su hoja de ruta sitúa Starling en 2029, con el objetivo de alcanzar 200 qubits lógicos y ejecutar 100 millones de puertas cuánticas. Conviene leerlo como una hoja de ruta tecnológica, no como una capacidad empresarial ya disponible hoy.
Qué aplicaciones puede tener
La aplicación más intuitiva está en la simulación de sistemas cuánticos. Moléculas, materiales y reacciones químicas obedecen leyes cuánticas. Simularlos con ordenadores clásicos puede resultar muy complejo cuando aumenta el tamaño del sistema. Un ordenador cuántico bien diseñado podría ayudar a estudiar nuevos materiales, catalizadores, baterías o procesos químicos.
También existe interés en optimización. Muchas empresas tienen problemas donde hay que elegir la mejor combinación entre millones de posibilidades: rutas logísticas, asignación de recursos, planificación de energía, carteras financieras o diseño industrial. La computación cuántica podría aportar mejoras en casos concretos, aunque hoy muchos enfoques siguen compitiendo con algoritmos clásicos muy optimizados.
La criptografía es otro campo afectado. El algoritmo de Shor, si se ejecutara en un ordenador cuántico suficientemente grande y tolerante a fallos, podría comprometer esquemas de criptografía de clave pública basados en factorización o logaritmos discretos, como RSA, Diffie-Hellman y criptografía de curva elíptica. Ese escenario todavía requiere máquinas mucho más avanzadas que las disponibles hoy, pero la preparación ya ha empezado.
En agosto de 2024, NIST publicó los tres primeros estándares de criptografía poscuántica: FIPS 203, basado en ML-KEM, para mecanismos de encapsulado de claves; FIPS 204, basado en ML-DSA, para firmas digitales; y FIPS 205, basado en SLH-DSA, también para firmas digitales.
También hay proyectos en machine learning cuántico, búsqueda, finanzas, seguridad y ciencia de datos. En todos estos casos hay que separar investigación prometedora de adopción real. Una prueba de concepto puede demostrar que un enfoque funciona en pequeño, pero eso no significa que esté listo para producción ni que supere a los métodos clásicos en coste, escala o fiabilidad.
Qué relación tiene con cloud computing
La mayoría de personas que empiezan en computación cuántica no tienen acceso físico a un procesador cuántico. Acceden mediante plataformas cloud, simuladores y entornos gestionados. Esto ha acercado la tecnología a perfiles que vienen de software, ciencia de datos o arquitectura cloud.
Azure Quantum, IBM Quantum y otros entornos permiten ejecutar circuitos, probar algoritmos y estimar recursos. Microsoft, por ejemplo, mantiene un estimador de recursos pensado para calcular qubits físicos y lógicos, tiempos de ejecución y otros requisitos necesarios para ejecutar programas cuánticos en un ordenador tolerante a fallos. Es una herramienta de estimación, no una prueba de ejecución real en hardware tolerante a fallos.
Este punto conecta la computación cuántica con habilidades ya presentes en muchas empresas: programación, automatización, APIs, cloud, seguridad, monitorización y gestión de recursos. Un perfil técnico no necesita empezar fabricando hardware cuántico para trabajar en este campo. Puede aportar desde software, integración, investigación aplicada o análisis de casos de uso.
Qué papel juega la criptografía poscuántica
La criptografía poscuántica no consiste en usar ordenadores cuánticos para cifrar. Consiste en diseñar e implementar algoritmos clásicos resistentes a ataques de futuros ordenadores cuánticos. Tampoco debe confundirse con la distribución cuántica de claves, o QKD, que es otra línea tecnológica diferente.
Esta diferencia es importante para empresas, administraciones y equipos de ciberseguridad. El cambio no se hace de un día para otro. Primero hay que inventariar sistemas, certificados, protocolos, dependencias, librerías y datos que deben protegerse durante muchos años. Después se planifica una migración gradual hacia algoritmos aprobados y esquemas híbridos cuando proceda.
La publicación de estándares por parte de NIST marca una referencia práctica para proveedores y organizaciones. FIPS 203 está orientado a mecanismos de encapsulado de claves, mientras que FIPS 204 y FIPS 205 se centran en firmas digitales.
Para perfiles de ciberseguridad, este campo ya tiene trabajo tangible: auditoría criptográfica, gestión de certificados, actualización de librerías, compatibilidad de protocolos y evaluación de riesgos. Aquí la computación cuántica afecta al presente aunque los ordenadores cuánticos tolerantes a fallos aún estén en desarrollo.
Qué habilidades hacen falta para trabajar en computación cuántica
El punto de entrada depende del rol. Un perfil de investigación necesitará una base fuerte en álgebra lineal, probabilidad, mecánica cuántica y teoría de la computación. Un perfil de software puede empezar por circuitos cuánticos, Python, Qiskit, Cirq, PennyLane o herramientas similares.
También hay espacio para perfiles de cloud y DevOps. Los entornos cuánticos se consumen muchas veces como servicios cloud, con colas de ejecución, simuladores, APIs, control de versiones y experimentos reproducibles. Saber documentar pruebas, medir resultados y comparar ejecuciones tiene mucho valor.
En empresas, el perfil más útil suele combinar base técnica y criterio aplicado. Hace falta entender cuándo tiene sentido explorar computación cuántica y cuándo basta con un algoritmo clásico. Esa capacidad evita proyectos caros, poco medibles o basados en expectativas poco realistas.
Roles profesionales relacionados
1. Quantum software developer
Diseña circuitos y algoritmos cuánticos usando frameworks específicos. Suele trabajar con simuladores, procesadores accesibles por cloud y librerías de programación cuántica. Necesita saber traducir un problema matemático en operaciones que pueda ejecutar una máquina cuántica.
2. Quantum algorithm researcher
Investiga algoritmos nuevos o adapta algoritmos existentes a casos concretos. Este perfil requiere más carga matemática. Trabaja cerca de universidades, centros de investigación o equipos avanzados de I+D.
3. Quantum hardware engineer
Participa en el diseño, control y mejora de procesadores cuánticos. Puede trabajar con superconductores, iones atrapados, fotónica, átomos neutros u otras tecnologías. Aquí pesan mucho la física experimental, la electrónica, la criogenia y el control de sistemas.
4. Quantum cloud / platform engineer
Integra servicios cuánticos dentro de entornos cloud y plataformas de experimentación. Puede preparar pipelines, gestionar accesos, automatizar pruebas, conectar simuladores con herramientas de análisis y documentar experimentos reproducibles. Es un perfil cercano a cloud computing, DevOps y arquitectura de plataformas.
5. Post-quantum cryptography specialist
Evalúa sistemas criptográficos actuales y planifica la transición hacia algoritmos resistentes a ataques cuánticos. Este rol puede crecer en banca, seguros, administraciones públicas, telecomunicaciones y empresas con información sensible a largo plazo.
6. Quantum data scientist
Explora el uso de algoritmos cuánticos o híbridos en problemas de datos, optimización y machine learning. Necesita una base sólida en estadística, programación y evaluación experimental. Su trabajo depende mucho de comparar resultados frente a métodos clásicos.
Errores frecuentes al hablar de computación cuántica
El primero es pensar que más qubits significa automáticamente más capacidad útil. La calidad de los qubits, la conectividad, las puertas, la tasa de error y la corrección importan tanto como la cantidad. Un dispositivo con muchos qubits ruidosos puede ser menos útil que otro más pequeño y mejor controlado.
El segundo es asumir que la computación cuántica romperá toda la criptografía de forma inmediata. El riesgo existe para ciertos algoritmos, especialmente de clave pública, cuando haya máquinas tolerantes a fallos suficientemente grandes. La respuesta sensata es preparar migraciones poscuánticas, no actuar como si el problema ya estuviera resuelto por los atacantes.
El tercero es buscar aplicaciones empresariales sin una métrica clara. Un proyecto cuántico debe definir qué problema intenta mejorar, contra qué algoritmo clásico se compara, qué recursos necesita y qué resultado sería suficiente para continuar.
El cuarto es olvidar el papel del software clásico. Los sistemas cuánticos trabajan con control clásico, preprocesamiento, posprocesamiento, cloud, compiladores, estimadores y herramientas de análisis. La parte cuántica es solo una pieza del sistema completo.
Cómo empezar si te interesa este campo
El primer paso es reforzar matemáticas básicas: vectores, matrices, números complejos, probabilidad y optimización. Después conviene aprender los conceptos fundamentales de qubits, puertas, circuitos, medición y entrelazamiento.
A partir de ahí, puedes usar simuladores para ejecutar circuitos pequeños. No hace falta acceder desde el primer día a hardware real. De hecho, los simuladores ayudan a entender mejor qué ocurre antes de enfrentarse al ruido de una máquina física.
También merece la pena estudiar criptografía poscuántica desde una perspectiva práctica. Es uno de los campos donde las empresas pueden empezar a trabajar ya, con inventarios, pruebas de compatibilidad y planificación de migración.
Para quienes vienen de cloud, datos o inteligencia artificial, la vía más razonable es conectar conocimientos actuales con herramientas cuánticas. Un perfil cloud puede aprender acceso a servicios cuánticos. Un perfil data puede probar modelos híbridos. Un perfil de ciberseguridad puede centrarse en estándares poscuánticos.
Preguntas frecuentes sobre computación cuántica
¿Qué diferencia hay entre un bit y un qubit?
El bit clásico representa 0 o 1. El qubit representa un estado cuántico descrito por amplitudes, que puede estar en superposición hasta que se mide. Esa propiedad permite construir algoritmos distintos a los clásicos.
¿La computación cuántica sustituirá a la computación clásica?
No en términos generales. Lo más probable es que funcione como tecnología especializada para ciertos problemas. Los sistemas clásicos seguirán siendo necesarios para la mayoría de tareas empresariales.
¿Qué sectores pueden aprovecharla antes?
Química, materiales, farmacéutica, energía, finanzas, logística y ciberseguridad están entre los sectores que más la investigan. La adopción dependerá de casos de uso concretos y de hardware más fiable.
¿Hace falta saber física para empezar?
Depende del rol. Para investigación o hardware, sí. Para software, cloud o criptografía poscuántica, puedes empezar con matemáticas, programación y fundamentos de computación cuántica.
¿Tiene sentido formarse ahora?
Sí, siempre que se haga con expectativas realistas. La tecnología aún está madurando, pero ya existe demanda especializada de perfiles que entiendan algoritmos, cloud, seguridad y evaluación técnica.
El siguiente paso
Aprender computación cuántica exige algo más que conocer conceptos llamativos. Hace falta entender algoritmos, límites del hardware, corrección de errores, cloud y criptografía poscuántica. Para perfiles tecnológicos, puede ser una especialización útil si se combina con bases sólidas en programming, data, cybersecurity o arquitectura cloud.
