La inteligencia artificial generativa irrumpe como un catalizador decisivo en la industria energética, al convertir datos dispersos en conocimiento accionable y acelerar la toma de decisiones en entornos cada vez más complejos y regulados.
En esta entrevista con MINERÍA & ENERGÍA, José David Prieto, Head of Utilities y Energía en NTT DATA Perú, y Héctor Pinar, Global Head of Utilities en NTT DATA, analizan cómo esta tecnología está redefiniendo la operación, la eficiencia y la sostenibilidad del sector, así como los desafíos tecnológicos, organizativos y éticos que marcarán su adopción.
¿Cómo está transformando la inteligencia artificial generativa la manera en que las empresas del sector energético operan, innovan y toman decisiones estratégicas?
La IA generativa está cambiando la manera en que las empresas energéticas convierten información en decisiones. Permite capturar conocimiento técnico disperso —procedimientos, históricos de fallos, datos operativos— y ponerlo al servicio de operadores, ingenieros y directivos en tiempo real. Esto reduce drásticamente los tiempos de análisis, acelera la resolución de incidencias y mejora la calidad de las decisiones estratégicas, especialmente en entornos complejos y regulados.
¿Por qué se considera que la IA generativa es un “cambio de juego” para el futuro de la industria energética y de servicios públicos?
No se limita a automatizar procesos, sino que amplifica el conocimiento experto, que es uno de los activos más valiosos del sector. En un contexto de transición energética, electrificación y mayor presión regulatoria, la IA generativa permite reaccionar más rápido, gestionar mejor la incertidumbre y operar sistemas cada vez más distribuidos y complejos. De modo que, se abre la puerta a nuevos modelos operativos y de negocio.
¿Qué procesos clave dentro de la cadena de valor energética se verán más impactados por la adopción de la IA generativa?
El impacto será transversal, pero especialmente relevante en generación y redes, donde la IA generativa apoya la operación, el mantenimiento y la planificación de activos. También tendrá un peso importante en la relación con el cliente, al permitir una atención más personalizada, y en áreas como trading, planificación de red, cumplimiento regulatorio y reporting, donde el volumen de información es enorme y el tiempo de respuesta crítico.
¿De qué manera puede la IA generativa ayudar a mejorar la eficiencia, la seguridad operativa y la sostenibilidad en el sector energético?
En eficiencia, actúa como un copiloto que ayuda a priorizar acciones, automatizar documentación y reducir errores humanos. En seguridad operativa, refuerza el cumplimiento de procedimientos críticos, mejora la transferencia de conocimiento y apoya la detección temprana de riesgos. Desde el punto de vista de la sostenibilidad, facilita una mejor integración de renovables, la reducción de pérdidas y el diseño de programas de eficiencia energética con impacto medible.
¿Qué obstáculos deben superar las empresas energéticas para implementar con éxito la IA generativa y aprovechar su valor a largo plazo?
El reto es tanto tecnológico como ligado a los datos y la organización. Algunos retos son comunes con otras industrias, como problemas de calidad de datos, barreras culturales, requisitos de ciberseguridad o la necesidad de un talento especializado que es escaso. En el caso de las empresas energéticas, esto se suma a que muchas empresas aún tienen silos entre sistemas IT y OT y dificultades para la integración con sistemas críticos existentes. Sin una estrategia clara de casos de uso y gobierno del dato, la captura de valor se complica.
¿Cuáles son los riesgos éticos, de seguridad y de gobernanza que surgen con el uso de la IA generativa en la industria energética, y cómo se pueden mitigar?
Existen riesgos de seguridad, como el acceso indebido a información sensible, y riesgos operativos derivados de respuestas incorrectas o sesgadas. También hay desafíos éticos y de gobernanza, relacionados con la transparencia y la responsabilidad en la toma de decisiones. La mitigación pasa por combinar controles técnicos, gobernanza sólida, validación humana en procesos críticos y una adopción gradual, siempre alineada con el marco regulatorio y los valores de la organización.