¿Cuándo necesitará mi industria capacidad cuántica?

"¿Cuándo va a necesitar esto mi industria?" es la pregunta de timing más común que un equipo de estrategia hace sobre computación cuántica, y está construida sobre un error de unidad. Las industrias no adoptan capacidad cuántica. Las clases de problema cruzan — o no cruzan. Una aseguradora, un operador logístico y una química no son tres puntos de una misma curva de adopción: son portafolios de clases de problema distintas, cada una con su propio reloj, y la mayoría de esos relojes no ha arrancado.

Este post es un marco para leer los relojes por tu cuenta — con señales públicas, sin comprarle el marketing a nadie. No predice ninguna fecha, porque a agosto de 2026 no existe base medida para una, fuera de una sola clase.

¿Por qué "industria" es la unidad equivocada de timing?

El Quantum Technology Monitor 2026 de McKinsey (abril 2026) cuenta 300+ empresas trabajando activamente con tecnología cuántica, un tercio gastando más de $10M al año, con químicos, ciencias de la vida, logística y finanzas a la cabeza. Léelo con cuidado: eso mide gasto en anticipación, no llegada. El mismo reporte proyecta $1,3–2,7 billones (trillions) de valor económico a 2035 — una proyección, producida por una firma cuyos clientes compran proyecciones.

La unidad que sí tiene reloj es la clase de problema: optimización de portafolios, estructura molecular, ruteo de vehículos, factorización de enteros. El timing de tu industria es el timing de las clases que posees, ponderado por lo que valen para ti. Dos empresas de la misma industria pueden enfrentar relojes distintos; dos de industrias distintas pueden enfrentar el mismo.

¿Qué dicen los roadmaps de los vendors — y cómo debe leerlos un decisor?

Tres vendors mayores publicaron metas de tolerancia a fallos con fecha. Los números, de fuentes primarias:

Reglas de lectura. Primera: un roadmap es una meta de ingeniería publicada por la parte que se beneficia de que la crean. Trata cada fecha como la cota optimista, igual que lees la métrica de benchmark de un vendor. Segunda: ninguna de estas fechas de tolerancia a fallos venció todavía, así que esta generación de promesas tiene un historial de exactamente cero — en ambas direcciones. Tercera: la señal interesante no es ninguna fecha individual sino la convergencia. Tres vendors con tres arquitecturas distintas, publicando de forma independiente entre septiembre 2024 y junio 2025, pusieron la tolerancia a fallos universal en la ventana 2029–2033. La convergencia no es evidencia de factibilidad — los roadmaps pueden responderse entre sí — pero define la ventana que la propia industria reclama, que es la ventana correcta contra la cual medir su cumplimiento.

¿Qué clase ya tiene el reloj corriendo? La criptografía — y no está esperando al hardware

Una clase es la excepción al "sin fechas": factorización de enteros y logaritmos discretos, es decir, la clase que rompe RSA y la criptografía de curva elíptica. Su reloj corre sobre dos mecanismos que no dependen de cuándo llegue de verdad un computador cuántico criptográficamente relevante (CRQC).

Primero, el regulador ya se movió. NIST IR 8547 (borrador público inicial, noviembre 2024) agenda los algoritmos de seguridad 112-bit — la clase de RSA-2048 — para deprecación después de 2030 y prohíbe la criptografía vulnerable-a-cuántico después de 2035. Si tus sistemas deben cumplir estándares federales de EE.UU., tu plazo de migración existe hoy, cumpla o no cumpla su fecha algún vendor.

Segundo, el ataque tiene componente retroactivo. El dato robado cifrado hoy se rompe el día que exista un CRQC ("harvest now, decrypt later"). La desigualdad de Mosca (IACR ePrint 2015/1075) enuncia la condición: si tu tiempo de migración X más la vida útil requerida del secreto Y excede el tiempo Z hasta un CRQC, ya llegaste tarde. Z es genuinamente incierto — en el Quantum Threat Timeline Report 2025 del Global Risk Institute (publicado marzo 2026), la mitad de los 26 expertos encuestados puso la probabilidad de un CRQC dentro de 10 años en ~50% o más — pero para secretos de vida larga, valores plausibles de X+Y superan incluso los valores escépticos de Z.

Mientras tanto, el costo en papel del ataque sigue cayendo: la estimación de recursos estándar para factorizar RSA-2048 pasó de ~20M de qubits ruidosos (Gidney y Ekerå, arXiv:1905.09749, 2019) a menos de 1M (Gidney, arXiv:2505.15917, 2025) — una reducción de ~20× en seis años, por mejoras algorítmicas solamente, antes de construir hardware alguno. Esa línea de tendencia, no ningún roadmap individual, es el número a vigilar.

¿Y la simulación, la optimización y el machine learning?

Las otras tres clases no tienen regulador ni cruce medido. Su estado honesto, con evidencia:

La simulación molecular tiene el caso teórico más fuerte — simular lo cuántico con hardware cuántico — pero su cruce existe hoy solo como estimaciones de recursos sobre máquinas no construidas. Una estimación de julio 2026 (Sun et al., arXiv:2607.16116) pone una simulación de Ising 1D de ~100 sitios en ~2 horas sobre ~3,7×10⁵ qubits físicos, contra ~100 años clásicos: una máquina de papel ganándole a una real. Estimado, no medido.

La optimización — la clase que la mayoría de las industrias realmente posee — no tiene cruce medido en ningún lugar que conozcamos. Nuestra propia serie sellada es un dato chico: en 20 corridas selladas de optimización de portafolios (V-0012, n=12/16/20), CP-SAT llegó al óptimo probado 20/20 mientras QAOA p=2 quedó 25–48% lejos — con el lado cuántico simulado sin ruido, es decir, con su mejor caso. Sin señal, sin cruce observado. Y hay una razón estructural para la paciencia: Babbush et al. (PRX Quantum 2, 010103, 2021) muestran que las aceleraciones cuadráticas — el mejor caso típico de esta clase — no rinden ventaja en las primeras máquinas tolerantes a fallos. Para esta clase, "la tolerancia a fallos llega 2029–2033" no implica "tu problema se acelera 2029–2033".

El machine learning cuántico es el cuento aleccionador: su reloj se movió hacia atrás. Entre 2018 y 2020, la dequantización igualó los claims estelares de aceleración exponencial con algoritmos clásicos bajo acceso a datos equivalente. Una clase puede perder madurez aparente cuando el baseline clásico mejora — el timing no es monótono.

¿Qué puede monitorear un decisor sin comprarle el marketing a nadie?

Cinco señales, todas públicas, todas gratis:

1. Qubits lógicos demostrados, no anunciados. Cuenta demostraciones en papers revisados o preprints; los comunicados van adelante y atrás de la realidad en ambas direcciones. Cuando venza un hito fechado de la tabla de arriba, verifica la entrega — desde 2029 esta generación de roadmaps por fin adquiere historial.
2. La tendencia de estimación de recursos de tu clase. La de criptografía cayó ~20× en seis años en papel. Si pasa lo mismo con la subrutina clave de tu clase, tu reloj se acelera; si las estimaciones se estancan, no.
3. Benchmarks de misma instancia contra el baseline clásico más fuerte. Un claim de cruce solo cuenta si ambos lados corrieron la misma instancia bajo las mismas reglas — un baseline débil mueve el cruce por construcción, no por física.
4. Relojes regulatorios. Hoy solo la criptografía tiene uno. Si un regulador de tu sector publica un requisito fechado, la pregunta de timing de esa clase queda respondida por ti.
5. El precio de chequear. Las dos primeras compuertas de un pipeline barato de feasibility — baseline clásico fuerte, simulación sin ruido — cuestan aproximadamente $0. Monitorear es casi gratis; la capacidad prematura no.

La regla de decisión que se desprende: necesitas capacidad cuántica cuando el cruce de tu clase de problema esté medido, no estimado — y necesitas un plan de migración en el momento en que un regulador o la vida útil de tus datos le ponga plazo a tu clase, cosa que en criptografía ya ocurrió. Todo lo demás es monitoreo, y el monitoreo es barato.

Qué no sabemos

• Si algún vendor cumplirá su fecha de tolerancia a fallos. Ninguna meta 2029–2033 venció; esta generación de roadmaps no tiene historial de entrega todavía, en ninguna dirección.
• Si la convergencia 2029–2033 es evidencia independiente o reflexiva — roadmaps publicados en la misma ventana pueden responderse entre sí.
• Cuánto peso aguanta una encuesta de 26 expertos. Los números del GRI son la mejor elicitación pública que conocemos, y aun así una muestra chica y auto-seleccionada.
• Si las aceleraciones polinomiales sobrevivientes en optimización superarán alguna vez el sobrecosto de factor constante de la corrección de errores a tamaños comercialmente relevantes. No existe medición end-to-end.
• Cómo secuencian de verdad las empresas sus decisiones de adopción. Ninguna encuesta pública que encontráramos mide el proceso de decisión, solo el gasto.
• Nuestra propia evidencia medida cubre una clase chica de optimización (V-0012, n≤20, simulación sin ruido). Rosetta no tiene mediciones en criptografía, simulación molecular ni QML, y no las reclama.

Rosetta Q publica veredictos con datos crudos reproducibles. Esto es contenido educativo, no un claim de producto.