Este capítulo presenta una revisión documental de tipo cualitativo que analiza de forma crítica la convergencia entre la inteligencia artificial y la computación cuántica en el marco de la empresa digital contemporánea. A través de un análisis temático de literatura especializada publicada entre 2015 y 2025, la investigación examina la transición de los algoritmos deterministas clásicos hacia modelos de inteligencia artificial cuántica, destacando el uso de circuitos cuánticos variacionales y algoritmos híbridos para superar las limitaciones de la computación tradicional. El estudio sistematiza hallazgos en sectores estratégicos como la salud, la logística y la manufactura, evaluando casos reales mediante la escala de nivel de madurez tecnológica (TRL) e impacto potencial. Finalmente, el documento concluye que esta sinergia no solo representa un salto en la potencia de cálculo, sino que exige una reconfiguración de las competencias organizacionales, liderazgos multidisciplinarios y marcos éticos para gestionar la toma de decisiones en entornos de alta complejidad e incertidumbre.
Este capítulo presenta una revisión documental de tipo cualitativo que analiza de forma crítica la convergencia entre la inteligencia artificial y la computación cuántica en el marco de la empresa digital contemporánea. A través de un análisis temático de literatura especializada publicada entre 2015 y 2025, la investigación examina la transición de los algoritmos deterministas clásicos hacia modelos de inteligencia artificial cuántica, destacando el uso de circuitos cuánticos variacionales y algoritmos híbridos para superar las limitaciones de la computación tradicional. El estudio sistematiza hallazgos en sectores estratégicos como la salud, la logística y la manufactura, evaluando casos reales mediante la escala de nivel de madurez tecnológica (TRL) e impacto potencial. Finalmente, el documento concluye que esta sinergia no solo representa un salto en la potencia de cálculo, sino que exige una reconfiguración de las competencias organizacionales, liderazgos multidisciplinarios y marcos éticos para gestionar la toma de decisiones en entornos de alta complejidad e incertidumbre.
Este documento desarrolla un análisis integral y profundamente técnico sobre la convergencia entre la computación cuántica y la inteligencia artificial, examinando los fundamentos físicos, algorítmicos y computacionales que están dando forma a un nuevo paradigma tecnológico. El texto expone de manera rigurosa los conceptos esenciales de qubits, superposición, entrelazamiento, algoritmos cuánticos de referencia y la evolución hacia la era NISQ, junto con una explicación detallada del aprendizaje automático moderno, sus limitaciones y la motivación para buscar aceleración cuántica. A partir de ese marco, se presenta un estudio completo de la inteligencia artificial cuántica (QAI), incluyendo arquitecturas híbridas, modelos nativos cuánticos, algoritmos variacionales, kernels cuánticos, aprendizaje supervisado y no supervisado cuántico, refuerzo cuántico, métodos generativos y optimización combinatoria mediante QAOA y recocido cuántico. El documento analiza aplicaciones sectoriales reales en salud, finanzas, energía, transporte, defensa y seguridad, así como estudios y casos documentados en laboratorios líderes como Google, IBM, RIKEN, NASA, USRA y múltiples startups especializadas. Profundiza en cómo la IA clásica potencia el desarrollo cuántico por medio de calibración autónoma, mitigación y corrección de errores, optimización experimental y descubrimiento automático de algoritmos. Finalmente, se abordan los desafíos técnicos, computacionales, éticos y teóricos que enfrenta la IA cuántica, incluyendo limitaciones del hardware NISQ, carga y extracción de datos, barren plateaus, ausencia de ventaja cuántica práctica demostrada y vacíos normativos emergentes. Dirigido a investigadores, ingenieros, decisores estratégicos y profesionales en ciencia de datos, computación cuántica, IA, ciberseguridad y prospectiva tecnológica que buscan comprender el estado del arte y las implicaciones geopolíticas y científicas de esta convergencia en rápido crecimiento.
La computación cuántica, que surge a finales del siglo XX, constituye un paradigma revolucionario que desafía los límites de la computación clásica. Basada en qubits capaces de existir en superposición y entrelazamiento, aprovecha las leyes cuánticas para procesar información de forma exponencialmente más eficiente. Este avance promete transformar sectores estratégicos: en criptografía; el algoritmo de Shor amenaza con romper sistemas de seguridad actuales, mientras que el algoritmo de Grover optimiza búsquedas en inteligencia artificial. Además, su potencial abarca la simulación molecular para diseñar materialesinnovadores y la resolución de problemas de optimización compleja. No obstante, persisten los retos técnicos crítico, la escalabilidad de los sistemas, la corrección de errores y la decoherencia cuántica, las cuales todas estas exigen avances en ingeniería y teoría. Estos obstáculos se entrelazan con dilemas éticos, como la vulnerabilidad de datos y la brecha tecnológica global. Para América Latina, esto representa una oportunidad dual: adoptar la tecnología de manera proactiva podría posicionarla en la vanguardia científica, siempre que se priorice la formación de talento humano, la inversión en infraestructura y marcos regulatorios robustos. La integración de la computación cuántica en agendas regionales requiere colaboración multidisciplinaria; donde las estrategias, como laboratorios de investigación conjuntos, alianzas público-privadas y programas educativos enfocados en mecánica cuántica, son esenciales. En un horizonte marcado por la incertidumbre, equilibrar innovación con responsabilidad ética será la clave para que dicha tecnología no solo redefina la gestión del conocimiento, sino que también contribuya a un futuro equitativo. Su éxito dependerá de cómo la sociedad global y en particular regiones en desarrollo naveguen los desafíos técnicos y sociales inherentes a esta nueva era cuántica.
Esta línea de investigación aborda el estudio y desarrollo de la Computación Cuántica desde una perspectiva integral de Ingeniería de Software, enmarcada en el tránsito actual desde la era NISQ hacia la era de tolerancia a fallos temprana. El proyecto se centra en seis ejes estratégicos: metodologías para el ciclo de vida del software cuántico (QSE), seguridad y coexistencia de sistemas criptográficos híbridos y blockchain, educación superior en programación cuántica, algoritmos variacionales híbridos, arquitecturas para laboratorios remotos y la experimentación directa con hardware de Resonancia Magnética Nuclear (RMN). A través de la colaboración interuniversitaria y la integración de hardware real (como el procesador SpinQ Triangulum), se busca no solo la producción científica de impacto —con resultados ya publicados en foros internacionales como Springer CCIS—, sino también la formación de recursos humanos capaces de enfrentar la "amenaza” cuántica y de aprovechar las oportunidades de la utilidad cuántica en optimización y simulación. Esta línea de investigación combina el rigor teórico con la validación experimental, para desarrollar las competencias necesarias y hacer frente a los desafíos que plantea la próxima revolución computacional.
La computación cuántica es un paradigma de computación basado en las propiedades de la mecánica cuántica. Su unidad básica de información es el qubit, que permite estar en una superposición de múltiples estados. Esta propiedad, entre otras, permite la representación y manipulación de información de maneras que presentan potenciales ventajas respecto de otros tipos de computación. Sin embargo los ordenadores cuánticos actuales están limitados por la cantidad de ruido que sufren sus qubits. Los algoritmos cuánticos variacionales son una familia de arquitecturas de algoritmos cuánticos que surgen como una oportunidad en esta situación ya que debido a sus propiedades son capaces de alcanzar buenos resultados a pesar del ruido. La efectividad de esta aproximación depende de diversos factores como la tarea a resolver, el circuito cuántico utilizado, la optimización clásica, etc. que deben ser adaptados en cada situación. El objetivo de este proyecto es comprender y estudiar esta familia de arquitecturas desde sus fundamentos teóricos, y posteriormente realizar simulaciones que pongan en práctica estos conceptos. Para ello en la primera sección se definen los principios teóricos de la computación cuántica, para luego definir la arquitectura común entre los algoritmos variacionales y finalmente concretar en tres implementaciones relevantes, que después de exponerse serán implementadas con herramientas software de simulación de computación cuántica.
El presente trabajo de integración curricular tiene como objetivo analizar y comparar el desempeño de un algoritmo de búsqueda clásico y de un cuántico, en específico el algoritmo de Grover, con el fin de analizar y contrastar la ventaja computacional teórica y asintótica que proporciona la computación cuántica frente a los algoritmos clásicos, considerando las limitaciones del hardware cuántico actual. Se analizan las bases teóricas de estos dos enfoques, su complejidad temporal y su comportamiento frente a conjuntos de datos de tamaño distinto. La metodología que se emplea es la simulación de ambos algoritmos, es experimental, ya que permite observar y realizar comparaciones de tiempo y eficiencia para la localización de un elemento objetivo. En el caso del algoritmo cuántico, se implementa el algoritmo de Grover mediante simuladores cuánticos, analizando el impacto del número de qubits y de las iteraciones en los resultados obtenidos. Los resultados muestran que para la búsqueda clásica la complejidad de tiempo es O(n) en cambio en el caso del algoritmo de Grover esta se reduce a O(√n) siendo una mejora interesante que se centra en un n grande. A pesar de esto, existen limitaciones en la implementación de ordenadores cuánticos en la actualidad. Por último, se concluyó que el algoritmo de Grover es una alternativa bastante interesante para resolver problemas de búsqueda no estructurada y se muestra el potencial de la computación cuántica como una tecnología emergente con aplicaciones en la ingeniería.
La computación cuántica es un nuevo paradigma de computación que se presenta como un sistema basado en la máquina de Turing en el que se emplean fenómenos físicos fundamentales, como el entrelazamiento cuántico, la superposición cuántica o el teleportación cuántica (enlaces EPR), para transportar y/o transformar los datos. Al ser una máquina de Turing fundamental, el computador cuántico presenta los siguientes elementos esenciales para la construcción de circuitos: 1) el qubit como elemento mínimo de transmisión de información y 2) las puertas cuánticas como elementos mínimos de transformación de información. Con estos elementos podemos teóricamente generar cualquier algoritmo, al igual que lo puede hacer un computador clásico basado en la máquina de Turing, y así la atención se centra en ver que ejecuciones en computación cuántica poseen ventajas respecto a la computación clásica. Hasta la formulación del algoritmo de Shor, la ventaja en la ejecución de los algoritmos cuánticos frente a los algoritmos clásicos no se percibía claramente, lo que convertía a la computación cuántica en una mera anécdota en la historia de la computación. Fueron la superposición y el entrelazamiento cuánticos en la ejecución de ciertos procesos, lo que mostró el gran potencial de este paradigma, aumentando el interés de empresas privadas por las tecnologías cuánticas. En la actualidad nos encontramos en el amanecer de la computación cuántica y así, de forma similar a los enormes ordenadores de válvulas de vacío de los 70, los computadores cuánticos son difíciles de encontrar, pero, a diferencia de los 70, Internet y la conectividad humana actual permiten que una enorme comunidad volcada en la computación cuántica avance a pasos agigantados. Cientos de miles de usuarios colaboran en pos del conocimiento, ejecutando numerosos algoritmos en un pequeño número de computadores que requieren de una temperatura extremadamente baja (aproximadamente -273ºC) que garantice un funcionamiento fiable. Hoy por hoy, el algoritmo de Shor es solo uno más de los muchos algoritmos de los que se sabe o sospecha que tienen ventaja en entornos cuánticos, convirtiendo el paradigma cuántico en sistemas de computación que sin duda en un futuro cercano jugarán un papel esencial en el desarrollo de la humanidad. Es por ello, que muchos investigadores emplean el paradigma cuántico en la resolución de problemas en una de las áreas de computación más revolucionarias, la Inteligencia Artificial. A pesar de los avances de la Inteligencia Artificial en procesadores clásicos, los investigadores sospechan que el dominio de la superposición cuántica y el entrelazamiento cuántico pueden cambiar todo el panorama y las ideas preconcebidas sobre la Inteligencia Artificial y el Aprendizaje Automático. En este escenario, el presente trabajo comprueba la capacidad de la computación cuántica en un contexto de aprendizaje automático. Para ello, analiza las principales diferencias entre computación clásica y cuántica, describiendo el funcionamiento de esta última. El trabajo se centra en un algoritmo supervisado muy extendido por sus buenos resultados, el Support Vector Machine (SVM), del que se explican los fundamentos para analizar las capacidades y limitaciones del algoritmo en los entornos clásico y cuántico. Se aplica el SVM en un problema de clasificación real, utilizando una base de datos médicos sobre cáncer de mama. Los resultados muestras la superioridad en capacidad de discriminación de la versión cuántica frente a la clásica. Abstract: Quantum computing represents a new paradigm of computing. It is presented as a system based on Turing´s data machine embedded in different physics fundaments than a classical machine. These fundamental phenomena are also known as quantum phenomena, from entanglement and quantum superposition through quantum teleportation (EPR links). As a fundamental Turing machine, the quantum computer presents the essential elements for the construction of circuits: 1) the qubit as the minimum element of information transmission and 2) the quantum gates as element of minimum information transformation. With these elements, we can generate any algorithm, as well as a classic computer based on a Turing machine can do. By supposedly being able to execute any algorithm in a quantum computer, the objective becomes not to see what it is executable, but what executions have advantages over a classical computation. Until Shor's algorithm, scholars did not conceive a high level of advantage in the execution of quantum algorithms against classical ones, leaving the quantum computer as an anecdote in the history of computing. When the advantages of quantum superposition and entanglement in the execution of certain processes were discovered, new possibilities and advantages were opened up to this computing paradigm, increasing the interest of private companies for this type of technology. Today, we are at the dawn of quantum computing, similar to the huge vacuum valve computers of the 70s, quantum computers are hard to find. However, unlike the '70s, the Internet and current human connectivity allows for a huge community dedicated to quantum computing to advance this technology. Hundreds of thousands of users collaborate in the pursuit of knowledge, trying to execute numerous algorithms or processes in these computers. Currently Shor's algorithm is just one of the many algorithms known or suspected to have an advantage in quantum environments, converting the quantum paradigm into a computing model to be taken into account and, with high probability, in the future play an essential role in the development of humanity. That is why many researchers use this innovative way to solve problems in one of the most revolutionary areas of computing, Artificial Intelligence. Despite the advances in Artificial Intelligence in classical processors, researchers suspect that the domain of quantum superposition and entanglement can change the whole landscape and preconceptions about Artificial Intelligence and Machine Learning. In this scenario, the present project tests the capacity of quantum computing in an automatic learning context. Due to this automatic learning context, this project analyses the main differences between classical and quantum computing while describing the operation of the latter. The work focuses on a supervised algorithm quite widespread for its good results, the Support Vector Machine (SVM), explaining its fundaments and analysing the capabilities and limitations of the algorithm in classical and quantum environments. The SVM is applied to a real classification problem, using a medical database on breast cancer. The results show the superiority in discrimination capability.