A NOAA colocou modelos globais de previsão do tempo baseados em inteligência artificial na rotina operacional dos Estados Unidos. O anúncio, feito em dezembro de 2025, não diz que uma IA passou a emitir alertas sozinha. Ele acrescenta novas orientações aos meteorologistas, inclusive uma combinação entre previsões aprendidas com dados e modelos físicos. Há um limite importante no próprio comunicado: a primeira versão melhora a previsão de trajetória de ciclones em alguns testes, mas ainda perde desempenho ao estimar sua intensidade.
O que a NOAA colocou em operação
A publicação oficial da NOAA apresenta três componentes. O AIGFS é uma previsão global individual produzida com IA. O AIGEFS é um conjunto de 31 previsões que procura representar diferentes desfechos possíveis. O HGEFS combina esse conjunto com as 31 previsões do GEFS tradicional, formando um sistema híbrido de 62 membros. Eles não são três aplicativos de consumo para dizer se choverá na sua rua, mas insumos de previsão para profissionais e outros sistemas.
O contraste técnico importa. Modelos numéricos tradicionais partem das condições observadas e resolvem equações físicas para estimar a evolução da atmosfera. Modelos de IA aprendem relações em dados históricos e usam as condições iniciais para prever estados futuros. As duas rotas podem errar de modos diferentes. Combinar resultados amplia o leque de cenários a examinar, mas não transforma uma divergência entre modelos em certeza.
Quando isso aconteceu
O anúncio original foi publicado pela NOAA em 17 de dezembro de 2025 e recebeu uma atualização em 17 de fevereiro de 2026, com perguntas e respostas sobre previsão de furacões. Esta matéria, publicada em outubro de 2026, recupera o marco operacional e seus limites, não anuncia um lançamento ocorrido hoje. O Project EAGLE havia sido descrito meses antes como ambiente experimental para acelerar o desenvolvimento e a avaliação de modelos de IA. A passagem de pesquisa para operação é o fato central daquele anúncio de dezembro.
O que os números realmente dizem
Segundo a NOAA, uma previsão de 16 dias com o AIGFS usa cerca de 0,3% dos recursos computacionais empregados pelo GFS operacional e termina em aproximadamente 40 minutos. A agência também informou que os primeiros resultados do AIGEFS apontavam ganho de 18 a 24 horas de habilidade de previsão frente ao GEFS em determinadas avaliações. Esses são resultados apresentados pelo próprio operador, com modelos, métricas e período de teste específicos. Não significam que toda previsão local ficou mais precisa, nem que o custo total da infraestrutura meteorológica caiu na mesma proporção.
O comunicado é explícito sobre falhas a corrigir. A versão inicial do AIGFS mostrou degradação na estimativa da intensidade de ciclones tropicais, mesmo quando a trajetória apresentou melhora em horizontes mais longos. A NOAA também aponta trabalho pendente para representar melhor a dispersão dos cenários do AIGEFS e melhorar a intensidade de furacões no HGEFS. Para quem lê um mapa de risco, trajetória e intensidade são perguntas distintas; acertar uma delas não autoriza ignorar a outra.
O papel do conjunto híbrido
Um conjunto, ou ensemble, não produz uma só resposta. Ele reúne previsões que podem variar, oferecendo aos meteorologistas uma maneira de examinar incerteza. No HGEFS, a NOAA combinou 31 membros de um sistema físico e 31 do sistema de IA. A agência informa que, em seus testes iniciais, essa mistura superou os conjuntos isolados em grande parte das métricas principais. Ainda não é correto vender o resultado como vitória universal: a própria NOAA identifica casos e variáveis que precisam de aperfeiçoamento.
O resultado prático não é delegar alertas a uma máquina. Previsores precisam confrontar modelos com observações, entender eventos raros e comunicar o risco em termos que permitam ação. A NOAA apresenta os novos sistemas como orientação para meteorologistas e responsáveis por decisões; um cenário chamativo não é, por si só, a previsão oficial. Para o público, a fonte de decisão continua sendo o serviço meteorológico responsável pelo aviso, não uma captura avulsa de um modelo.
Por que isso ainda importa
A previsão do tempo é um caso concreto em que o custo de inferência e o tempo de entrega fazem diferença. Rodadas mais rápidas podem permitir mais cenários e dar tempo para analisá-los. Mas velocidade só vira utilidade se o produto representar a incerteza, manter qualidade nas variáveis críticas e chegar a quem decide com contexto. A NOAA expõe esse equilíbrio ao publicar tanto os ganhos relatados quanto os pontos fracos de cada componente.
Para avaliar os próximos passos, procure verificações por estação e região, não apenas uma média global. Pergunte se as melhorias se repetem em eventos extremos, como foi medida a intensidade de ciclones e o que acontece quando previsões físicas e de IA discordam. O caso de algas nocivas analisadas com IA mostra outra relação entre modelo e observação: o resultado automatizado ajuda a priorizar, mas não substitui a evidência de campo. Já o teste de seleção de imagens por satélite emprega IA em uma etapa diferente, antes da captura. Nenhum desses sistemas comprova o desempenho dos modelos meteorológicos da NOAA.
O que é fato, análise e limite desta matéria
São fatos documentados pela NOAA a existência dos três sistemas, a data do anúncio, a composição dos conjuntos e os resultados e limitações relatados em seus testes. Nossa análise é que a combinação híbrida pode ser mais útil do que tratar IA e física como rivais, desde que a verificação continue por fenômeno e por horizonte de previsão. Não executamos os modelos, não reproduzimos métricas e não inferimos desempenho para o Brasil a partir de resultados dos Estados Unidos.
A imagem dentro do texto vem do mapa creditado à NOAA/National Weather Service na publicação original. A orientação de reutilização da NOAA permite uso informativo de material produzido pela agência com crédito e sem sugerir endosso, ressalvando conteúdo de terceiros. A capa é uma ilustração editorial original, não uma saída do AIGFS, do AIGEFS ou do HGEFS.