La dos caras de la irrupción de la IA en el sector renovable

Teniendo esto en cuenta, su potencial es enorme, «siempre que su aplicación se alinee con criterios de sostenibilidad estrictos y equidad social, junto con las bases de datos físicos y su consumo de recursos naturales, los cuales también tienen que estar abastecidos con energía renovable».

Miguel Colomo, responsable de mantenimiento predictivo en Endesa, aporta ejemplos concretos. «La IA está presente en muchos de nuestros procesos. Por ejemplo, nos ayuda en la predicción de producción energética para toma de decisiones en función del recurso eólico, solar e hidráulico que tendremos en nuestras plantas», comienza por destacar.

Noticia Relacionada

La inteligencia artificial blinda el despegue renovable

María José Pérez-Barco

Los algoritmos permiten maximizar el diseño, rendimiento y producción de los parques, algo clave dado el carácter intermitente de estas tecnologías

«En el mantenimiento predictivo –prosigue– para anticipar fallos y reducir paradas no planificadas gracias a modelos basados en datos de sensores». Su utilidad va más allá: «En la clasificación de pérdidas de producción con modelos de clasificación que nos indican las causas asociadas a nuestras pérdidas. En el diagnóstico por imagen, que nos permite automatizar la supervisión de activos y la detección de aves mediante visión por computación o en la automatización de tareas, mediante aplicaciones de IA convencional y generativa». Todo eso, en palabras de Colomo, mejora la eficiencia, reduce costes y aumenta la seguridad en la red.

En Smarkia, una compañía que se dedica a la monitorización y gestión inteligente de datos energéticos, aplican la inteligencia artificial para automatizar y optimizar toda la gestión energética de sus clientes, desde la adquisición del dato hasta la participación en mercados de flexibilidad. Sólo en energía solar, esta empresa gestiona más de 1.500 plantas fotovoltaicas y más 5 GW de capacidad. Gracias a la IA, ayudan a empresas como MN8 Energy (uno de los mayores productores independientes de energía solar de EE. UU.) a mejorar la calidad del dato, reducir costes y operar de forma más eficiente.

«Automatizamos alertas críticas, integramos señales clave (como temperatura o radiación) y ofrecemos una monitorización integral desde un único entorno –explica Marina Salmerón, CMO de Smarkia–. Los resultados de nuestros clientes son inmediatos».

Explica que, por ejemplo, en el sector retail se han alcanzado ahorros del 5% de media por establecimiento y más de 2 millones de euros en optimización de tarifas. «En grandes cadenas hoteleras internacionales se ha conseguido un ROI del 162%, ahorros del 40% en frío industrial y contratos energéticos. Es decir, en términos económicos, de cada euro invertido, nuestro cliente ha generado 1,62 euros de ahorro».

En clientes del sector inmobiliario, asegura que se han conseguido reducciones de hasta el 40% en consumo de calefacción, mientras que en el caso de clientes de industria agroalimentaria, «gracias a la plataforma se han alcanzado ahorros de hasta el 28% en coste de producción de producto final». Y, por destacar solo uno más, «en un grupo líder en el sector ocio y entretenimiento, se ha conseguido un ROI del 545% con un 'payback' menor a un mes. En este caso, por cada euro invertido, el retorno es de 6,45 euros». Además del ahorro energético, Salmerón subraya que la IA «ayuda a nuestros clientes a mejorar la organización operativa, aumentar su capacidad de anticipación, tomar decisiones basadas en datos... es eficiencia real, medible y escalable».

Pero a medida que se despliegan las aplicaciones de la IA en el ámbito energético, también crecen las dudas. «El consumo energético de los centros de datos que alojan sistemas de IA está creciendo más rápido que la capacidad de generar renovables», advierte Rafael Mayo García, responsable de Informática Científica en el Ciemat y coordinador del programa conjunto 'Digitalización para energía' de la alianza europea EERA. «Y eso plantea una paradoja incómoda: para digitalizar la energía, estamos usando cada vez más energía. Este año, la inteligencia artificial podría consumir tanta energía como Finlandia. Algunos informes más pesimistas la equiparan al gasto de todo Japón», indica.

Ismael Morales va más allá. «Los data centers consumirán el 10% de la electricidad global en 2030. La refrigeración de servidores requiere 660.000 millones de litros de agua al año. Y la obsolescencia acelerada generará más de cinco millones de toneladas de residuos electrónicos». A su juicio, esto no puede sostenerse sin criterios estrictos de sostenibilidad.

En este sentido, Endesa ha comenzado a tomar medidas para minimizar el impacto. «Usamos 'edge computing' para evitar el envío masivo de datos a la nube, y elegimos proveedores que certifiquen el uso de energía renovable y eficiencia energética», explica Colomo. Smarkia, por su parte, subraya que su IA no es generativa, como ChatGPT, sino que utiliza algoritmos diseñados para consumir lo mínimo. «Nuestro balance energético es netamente positivo», afirma Salmerón.

En muchas ocasiones, la percepción de que digitalizar implica aumentar el consumo energético es una barrera. «Hay que romper la falsa dicotomía entre tecnología y sostenibilidad», insiste Salmerón. «Lo que vemos en nuestros clientes –dice– es que, aplicada con criterio, la IA no solo compensa su gasto energético, sino que lo multiplica en ahorro».

Sin embargo, no todas las aplicaciones son iguales. La Fundación Renovables alerta de que muchas empresas aún no auditan el impacto socioambiental de sus algoritmos, y que persisten prácticas opacas o centradas solo en la eficiencia económica. «El 90% de las compañías prioriza eficiencia sobre equidad, y solo el 12% realiza auditorías de impacto ambiental de su IA», denuncia Morales. Por eso, proponen una batería de medidas: uso exclusivo de energía renovable, planificación geográfica de centros de datos, auditorías de consumo y huella hídrica, economía circular de los equipos, y transparencia pública de datos de consumo. «Y, sobre todo, que se garantice el acceso justo a estas tecnologías. Porque si no, los colectivos vulnerables quedarán fuera del nuevo modelo energético», advierte.

Aun con sus sombras, la inteligencia artificial es percibida como un pilar para el futuro del sector energético. «Será un habilitador clave para integrar almacenamiento, automatizar decisiones críticas y mejorar la competitividad de las renovables. No es solo una herramienta, en el caso de Endesa es una parte estratégica de nuestra visión de futuro», concluye Colomo.

Desde el CIEMAT, Mayo apunta los próximos hitos del camino: diseñar algoritmos más ligeros, alimentar los sistemas con energía limpia y acercar la computación avanzada a toda la industria, no solo a las grandes empresas. Ismael Morales hace especial hincapié en la perspectiva social: «La IA debe servir a una transición energética justa. No puede sustituir la reducción de consumo ni ampliar las desigualdades. Pero si se aplica con transparencia, equidad y conciencia ecológica, puede ser una aliada formidable».