La estabilización de la cadena de suministro de hardware cuántico apunta a principios de la década de 2030 como el marco temporal en el que esta tecnología podría estar preparada para su uso en entornos de producción. Este horizonte representa una de las grandes transformaciones tecnológicas venideras, ofreciendo la capacidad de abordar problemas demasiado complejos para la informática tradicional y de entrenar modelos de forma más eficiente requiriendo una menor cantidad de datos.
Para evaluar el grado de preparación del mercado, la firma de software SAS ha realizado una encuesta global a más de 500 directivos de diversos sectores. Los resultados obtenidos indican que el interés por la IA cuántica sigue en aumento, aunque las empresas avanzan con prudencia. Mientras que en el pasado año el alto coste de implantación suponía el mayor obstáculo, los datos correspondientes a 2026 muestran que la principal barrera de adopción es ahora la incertidumbre sobre los usos prácticos reales de la tecnología. Otros factores que frenan su despliegue en las empresas incluyen la falta de profesionales formados, el desconocimiento general de la materia, la disponibilidad limitada de herramientas y la ausencia de directrices regulatorias o procedimentales claras.
Este cambio en las preocupaciones corporativas pone de manifiesto que las organizaciones están priorizando la identificación de problemas concretos que puedan resolverse de manera rentable, responsable y segura. Los responsables de las áreas de tecnología exigen tener garantías metodológicas de que obtendrán casos de uso valiosos que resuelvan retos reales antes de comprometer grandes partidas presupuestarias.
Para dar respuesta a esta necesidad de certidumbre, la industria tecnológica está impulsando enfoques híbridos que combinan la computación clásica con la cuántica. Esta metodología complementaria consiste en asignar a cada sistema lo que mejor sabe procesar: se delegan los procesos consolidados a la informática tradicional, y se reserva el procesamiento cuántico para tareas de alta complejidad, optimización o simulación.
Una aplicación práctica de este modelo es el trabajo conjunto que están desarrollando Scotiabank y SAS en el ámbito de la gestión del riesgo financiero. Mediante el uso de datos anónimos de clientes, ambas entidades comparan modelos tradicionales de evaluación en sus plataformas analíticas frente a técnicas cuánticas, logrando identificar en qué escenarios resulta más eficiente la computación clásica y en cuáles la IA cuántica aporta un valor diferencial.
Patrick Xhonneux, Senior Vice President de Marketing para SAS, afirma:“Aunque el interés sigue siendo alto, los líderes empresariales actúan con prudencia. No quieren realizar grandes inversiones sin tener claro que obtendrán casos de uso valiosos y que, realmente, podrán resolver problemas y retos. Es por eso por lo que desde SAS trabajamos para democratizar el acceso a esta tecnología, identificando casos de uso reales y ayudando a que los clientes puedan servirse de las ventajas de la cuántica en el futuro”.
Por su parte, Amy Stout, Head of Quantum Product Strategy en SAS, explica: “Esta encuesta confirma lo que los expertos ya anticipaban y estaban viendo en el mercado. Los líderes quieren explorar la computación cuántica, pero siguen encontrándose con algunos puntos de resistencia, y por este motivo, queremos ofrecer un espacio práctico para aprender, innovar y buscar retorno real en casos de uso empresariales”.
Con el objetivo de facilitar esta exploración al resto del tejido empresarial y democratizar su acceso, SAS ha lanzado un nuevo entorno práctico denominado SAS Quantum Lab. Esta plataforma está diseñada para que las organizaciones puedan aprender, experimentar y validar ideas de negocio relacionadas con la IA cuántica, proporcionando un espacio de trabajo útil tanto para las compañías que ya disponen de expertos técnicos en la materia, como para aquellas que necesitan acercar estas herramientas a perfiles puramente de negocio en busca de un retorno real de la inversión.
Según los datos recopilados en el informe, el sector corporativo muestra un interés particular por aplicar estas nuevas capacidades de cálculo a áreas específicas de alto impacto, entre las que destacan la detección de fraude financiero, la optimización de las redes de telecomunicaciones móviles, el descubrimiento de nuevos fármacos, la gestión logística, la predicción del comportamiento de los consumidores y el entrenamiento de grandes modelos de lenguaje.
