Cuántica: generar valor de negocio de forma segura, eficiente y escalable

En un entorno donde los datos crecen de forma exponencial y las regulaciones de privacidad son cada vez más estrictas, las empresas se enfrentan a un reto constante: ¿cómo extraer valor de los datos y, al mismo tiempo, proteger su seguridad y confidencialidad? 

En muchos sectores, gran parte del valor de los datos proviene de su capacidad para mejorar la toma de decisiones, ya sea anticipando comportamientos, optimizando operaciones o priorizando riesgos. Para aprovechar este potencial, las organizaciones recurren cada vez más a técnicas de inteligencia artificial y machine learning para abordar distintos tipos de problemas, entre los cuales destacan los llamados problemas de clasificación. 

Los problemas de clasificación consisten en aprender, a partir de datos previamente etiquetados, una función capaz de asignar correctamente nuevas observaciones a una de varias categorías posibles. Resolver este tipo de problemas de manera eficiente es fundamental, ya que permite prever y automatizar numerosas situaciones: anticipar la pérdida de clientes, detectar fraudes, segmentar mercados, recomendar productos o servicios personalizados u optimizar la asignación de recursos, entre muchos otros casos. 

Para abordar estos retos, dos tecnologías emergentes están adquiriendo un papel especialmente relevante. Por un lado, el aprendizaje federado permite aprovechar una mayor cantidad de datos de forma descentralizada, entrenando modelos colaborativos sin necesidad de centralizar la información ni comprometer la privacidad de cada organización. Esto abre la puerta a nuevas formas de colaboración y al uso de datos que antes no podían combinarse por restricciones legales o de seguridad. 

Por otro lado, la computación cuántica representa un salto tecnológico destinado a desarrollar modelos más eficientes y potentes, capaces de ofrecer ventajas tanto en precisión como en tiempo de entrenamiento y consumo energético. Esta tecnología permite abordar tareas de optimización y clasificación que resultan especialmente difíciles para los ordenadores clásicos, ampliando el alcance de lo que es posible con inteligencia artificial avanzada. Combinadas, ambas tecnologías ofrecen un marco sólido para generar valor de forma segura, eficiente y escalable. 

En octubre presentamos en la 28th European Conference on Artificial Intelligence (ECAI 2025), celebrada en Bolonia, un artículo en el que exploramos precisamente esta intersección: la aplicación del Aprendizaje Federado Cuántico para la optimización de problemas de clasificación que no pueden ser abordados con ordenadores clásicos. En nuestro trabajo demostramos que es posible entrenar modelos cuánticos de manera federada y que estos modelos superan a sus equivalentes no federados, manteniendo las garantías de privacidad inherentes a esta arquitectura. El mensaje es claro: colaborar sin exponer datos y sin renunciar al rendimiento ya es una realidad tecnológica. 

En Strategic Platform hemos apostado por investigar tecnologías que no solo sean innovadoras, sino también realistas y aplicables a casos de uso actuales. Por ello, además de realizar simulaciones, hemos ejecutado los experimentos en hardware cuántico real a través del ordenador cuántico situado en el Barcelona Supercomputing Center (BSC), al que nos han dado acceso tras la aprobación de nuestra propuesta de investigación, obteniendo resultados sólidos y muy prometedores. Esto demuestra que no hablamos de un enfoque teórico, sino de una línea de trabajo que ya puede empezar a explorarse con el hardware cuántico disponible hoy. 

Para nuestros clientes, estos avances abren nuevas oportunidades: modelos más potentes, colaboración segura entre organizaciones y una hoja de ruta clara hacia soluciones cuánticas adoptables de forma gradual y práctica. En Strategic Platform continuaremos investigando y acercando estas tecnologías al mercado, con el objetivo de que las empresas puedan beneficiarse de ellas desde ahora y prepararse para el escenario tecnológico del futuro.