Según Google Research, un equipo de científicos del laboratorio de Google ha desarrollado TimesFM-3, un modelo de series temporales avanzado que permite realizar pronósticos multivariados con alta precisión en una sola pasada de cálculo. Este avance supera significativamente a otros modelos existentes en múltiples pruebas de rendimiento. Hasta la versión TimesFM-2.5, publicada en septiembre de 2025, los modelos de Google estaban limitados a predicciones univariadas, es decir, que únicamente analizaban la historia de una sola serie temporal. Sin embargo, en la práctica, la mayoría de los escenarios reales involucran múltiples variables que influyen simultáneamente en el futuro de una serie. Por ejemplo, para predecir las ventas de helados en una cadena retail, no basta con observar el historial de ventas pasadas. Se deben incluir datos como las ventas de otros productos asociados, el tráfico de personas en las tiendas y eventos futuros como clima, promociones o festivales.
TimesFM-3, la versión actualizada, posee 330 millones de parámetros y ha sido entrenado sobre un conjunto de datos que incluye más de 1 trillón de puntos temporales, tanto reales como sintéticos. Su diseño permite hacer predicciones en tiempo real sin necesidad de ajustar el modelo específicamente para cada tarea. Gracias a su capacidad de generalización cero, el sistema puede manejar escenarios complejos de múltiples series temporales sin intervenciones adicionales. Esto incluye la posibilidad de predecir simultáneamente varias líneas de producto relacionadas, como diferentes marcas de helados, así como ofrecer tanto pronósticos puntuales como cuantiles, lo cual mejora la comprensión del rango de posibles resultados.
El desarrollo de modelos como este representa un avance clave en la inteligencia artificial aplicada a datos dinámicos. Para los usuarios del Perú, esto significa que empresas del sector de comercio, logística, salud o energía podrían integrar herramientas más precisas para anticipar demandas, gestionar inventarios o planificar recursos. En un contexto donde las fluctuaciones económicas y las condiciones climáticas impactan directamente el comportamiento de consumo, el acceso a modelos que interpretan múltiples variables en tiempo real puede transformar la toma de decisiones. Por ejemplo, un comercio que utilice esta tecnología podría anticipar mejor las demandas de productos en temporada, optimizando así sus operaciones y reduciendo costos por inventarios excesivos. Aunque aún no se ha aplicado directamente en el mercado peruano, la tecnología está disponible para integración en plataformas empresariales, lo que abre puertas a innovaciones en sectores clave del país.