Google spustil AI, která předpovídá počasí po hodinách. Energetici a logistika dostávají nástroj, na jaký čekali desítky let

Google DeepMind uvedl WeatherNext 3 — model, který počítá předpověď každou hodinu v rozlišení pět kilometrů a učí se přímo ze surových satelitních dat. Pro firmy, jejichž byznys závisí na počasí, to není jen přesnější aplikace na mobilu. Je to nový vstupní údaj do plánování výroby, dopravy i cen energie.

Počasí je jedním z posledních velkých byznysových rizik, které se nedá vyjednat ani pojistit pryč. Rozhoduje o tom, kolik vyrobí větrná farma, jestli kamion dorazí včas, kdy sedláci sklidí a kolik lidí přijde do obchodu. A přesto většina firem dodnes plánuje podle předpovědi, která se aktualizuje jednou za šest hodin a končí u obecného „zítra bude pršet". Google DeepMind právě představil model, který tuhle rovnici mění.

Nový systém se jmenuje WeatherNext 3 a společnost ho označuje za svůj nejpřesnější globální model počasí. Nejde o akademickou kuriozitu — předpověď z něj už teď pohání výsledky ve vyhledávání Google, v Mapách, v asistentovi Gemini i v placeném Weather API pro firmy. Jinými slovy: to, co dřív bylo výzkumným projektem, se během pár dní stalo infrastrukturou, na které mohou stavět tisíce firem.

Co se přesně změnilo

Klíčové číslo je rozlišení. Zatímco předchozí verze počítala předpověď na mřížce 25 kilometrů, WeatherNext 3 pracuje s mřížkou 5 kilometrů — je tedy zhruba pětkrát ostřejší. K tomu přidává druhý zásadní posun: model počítá novou předpověď každou hodinu, ne jednou za šest hodin jako standardní systémy. To dohromady znamená šestkrát častější a pětkrát detailnější obraz toho, co se děje nad konkrétním místem.

• Rozlišení 5 km místo dosavadních 25 km — zhruba pětkrát ostřejší obraz
• Hodinová aktualizace předpovědi místo šestihodinového cyklu
• O 60 % lepší předpověď srážek oproti předchozí verzi
• Předpověď rychlosti větru ve výšce 100 metrů — přesně na úrovni větrných turbín
• Data o oblačnosti a slunečním záření pro odhad výkonu solárních elektráren

Nejzajímavější je ale způsob, jakým se model učí. Tradiční předpovědní systémy — a stejně tak většina dosavadních AI modelů — pracují s takzvanými analýzami, tedy zpracovanými daty, která vydávají národní meteorologické agentury a která se obnovují jen několikrát denně. WeatherNext 3 se místo toho učí přímo ze surových satelitních pozorování v reálném čase. Tím odstraňuje zpoždění zhruba šesti hodin, které svazovalo předpovědi celá desetiletí.

Strojové učení přistupuje k předpovědi počasí tak, že se učí vzorce z obrovského množství dat, aby přiblížilo chaotickou a zašuměnou fyziku, se kterou si tradiční systémy jen těžko efektivně poradí.

Tuhle větu pronesl Ferran Alet, který v DeepMindu vede tým výzkumníků. Popisuje přesně to, proč AI modely počasí v posledních dvou letech začaly předbíhat klasické superpočítačové simulace: nesnaží se počasí spočítat od základů podle rovnic fyziky, ale naučit se ho z historie. A podle nezávislého srovnávacího testu Operational WeatherBench WeatherNext 3 v přímém souboji porazil konkurenční modely od Microsoftu, Nvidie i od Evropského centra pro střednědobé předpovědi — instituce, která desítky let platila za světovou špičku.

Stojí za to zdůraznit, jak zásadní obrat to je. Ještě před pár lety byla předpověď počasí učebnicovým příkladem úlohy, kterou umělá inteligence nezvládne — příliš mnoho proměnných, příliš chaotický systém, příliš velká citlivost na drobné odchylky ve vstupech. Meteorologické superpočítače, které tuhle úlohu řešily, patřily k nejdražším strojům na planetě a jejich provoz spolykal enormní množství elektřiny. AI model, který běží na zlomku téhle infrastruktury a přitom dává lepší výsledky, proto není jen technická vychytávka. Je to ukázka toho, jak rychle se posouvá hranice toho, co dnešní modely dokážou nahradit — a jak náhle se z výzkumu stává provozní realita.

Proč by to měl řešit český podnikatel

Na první pohled zní „přesnější počasí" jako novinka pro meteorology. Ve skutečnosti jde o vstupní data do řady byznysů, kde se dnes plánuje s velkou rezervou právě proto, že předpověď byla hrubá. Nejnázornějším příkladem je energetika. Model nově počítá rychlost větru ve výšce sto metrů — což je zhruba výška, ve které se točí lopatky větrných turbín — a k tomu oblačnost a sluneční záření. To jsou přesně veličiny, ze kterých provozovatelé sítí a majitelé obnovitelných zdrojů odhadují, kolik elektřiny jim zítra přiteče.

V praxi to má tvrdý finanční dopad. Obchodník s elektřinou, který dokáže o hodinu dřív a přesněji odhadnout výpadek větrné výroby, jinak nakupuje na trhu. Provozovatel distribuční sítě, který ví, kdy přesně dorazí bouřka, jinak plánuje údržbu a zálohy. A firma s vlastní fotovoltaikou, která zná přesnější profil zítřejšího slunce, jinak řídí spotřebu a nabíjení baterií. Ve světě, kde se ceny energie na burze mění po hodinách, je hodinová předpověď obchodní výhoda, ne pohodlí.

Podobně je na tom logistika a doprava. Přesnější a jemnější předpověď znamená lepší plánování tras, dodacích oken a údržby. Není náhoda, že aerolinky Ryanair, které nedávno podepsaly víceletou dohodu s Google Cloud, chtějí modely DeepMindu — WeatherNext mezi nimi — využít právě k plánování provozu a údržby flotily. Stejná logika platí pro zemědělství, stavebnictví, pojišťovnictví i pro maloobchod, kde počasí přímo řídí návštěvnost prodejen a poptávku po konkrétním zboží.

Rozdíl mezi mřížkou 25 a 5 kilometrů přitom není žádná kosmetika. Na pětadvacetikilometrové mřížce spadne celý okres do jednoho čtverce se stejnou předpovědí. Na pětikilometrové mřížce už model rozliší, že přeháňka zasáhne jednu část kraje a druhou mine — a to je přesně ta úroveň detailu, kterou potřebuje dispečer plánující rozvoz, stavbyvedoucí rozhodující o betonáži nebo provozovatel jediné konkrétní solární elektrárny. Obecná předpověď „v regionu bude oblačno" se mění na použitelný údaj o konkrétním místě a konkrétní hodině. A právě tahle lokální přesnost je to, co dosud dělilo hezký graf na obrazovce od dat, na kterých se dají stavět rozhodnutí za peníze.

Jak se k tomu firma reálně dostane

Zásadní je, že Google tenhle model nedrží zavřený v laboratoři. Předpovědní data jsou dostupná vývojářům a firmám přes standardní cloudové nástroje — BigQuery, Google Earth Engine a Google Cloud Storage — a přes komerční Weather API v Mapách. To je pro menší firmy důležité: nemusí stavět vlastní meteorologické oddělení ani kupovat drahá data od specializovaných poskytovatelů. Předpověď se stává něčím, co se dá napojit do vlastní aplikace nebo plánovacího systému podobně jako jakékoli jiné cloudové API.

Za tímhle jedním modelem se přitom skrývá širší vzorec, který stojí za pozornost bez ohledu na obor. Velcí hráči jako Google, OpenAI nebo Anthropic přestávají prodávat jen chatboty a začínají dodávat specializované modely pro konkrétní domény — počasí, kybernetickou bezpečnost, vývoj léků, návrh materiálů. A co je klíčové, dodávají je rovnou jako cloudové služby napojitelné přes API. Znamená to, že špičkové AI schopnosti, které ještě nedávno existovaly jen v laboratořích několika firem na světě, se během měsíců stávají běžně dostupným nástrojem za předvídatelnou cenu. Kdo dokáže tenhle posun číst dopředu, získává čas připravit se dřív než konkurence.

Pro české podnikatele z toho plyne konkrétní úvaha. Pokud váš byznys nějak závisí na počasí — a závisí ho víc, než se na první pohled zdá — přestává být přesná předpověď luxusem velkých hráčů. Otázka už nezní „máme na to rozpočet", ale „umíme tato data napojit do rozhodování". A přesně tady vzniká v příštích měsících konkurenční rozdíl mezi firmami, které počasí berou jako pasivní riziko, a těmi, které z něj udělají řízený vstup do plánování.

Praktický takeaway: Projděte si procesy, kde dnes plánujete „s rezervou na počasí" — směny, zásoby, trasy, spotřebu energie, výrobu z obnovitelných zdrojů. Právě tam se hodinová a jemnější předpověď promítne nejrychleji do peněz. Nemusíte hned stavět datový tým; stačí zjistit, jestli váš dodavatel softwaru nebo cloudu umí Google Weather API napojit. AI, která se před pár lety chlubila hraním her a psaním textů, se právě stala provozním nástrojem — a počasí je jen jedna z domén, kde se to začíná lámat.