Un estudio sobre cómo representar el sector energético en un modelo del mundo y utilizar sus datos y reglas para tomar decisiones.

En este trabajo propuse una arquitectura de IA especializada en energía, organizada alrededor de la representación del sector y de operaciones que puedan revisarse. La pregunta que me llevó a formularla sigue siendo práctica: cómo utilizar datos, contratos y reglas para resolver una decisión energética y explicar cómo se ha llegado al resultado.
Esta reseña recoge mi lectura de aquella propuesta. El preprint original se conserva como publicación independiente y puede consultarse al final del artículo. Para valorar la arquitectura, distingo su formulación de las capacidades que llegue a demostrar una implementación.
Una instalación reúne equipos, consumos, condiciones comerciales y restricciones de operación. Su representación debe permitir identificar a qué corresponde cada dato y qué reglas intervienen en una comparación. Ese es el papel que plantea el Modelo del Mundo Energético (MME).
Representar una regla exige precisar su ámbito y su versión. Si el contrato cambia o falta una condición relevante, hay que revisar el cálculo. La utilidad de esa base depende de la calidad de la información y de lo que se haya conseguido formalizar.
El Modelo del Mundo Energético (MME) reúne entidades, relaciones y reglas del dominio. Los Perfiles Energéticos Tokenizados (PET) proponen organizar los datos energéticos en unidades con identidad y procedencia. El Motor Semántico Determinista (MSD) plantea ejecutar operaciones sobre esa representación mediante procedimientos explícitos.
Son funciones complementarias. Saber qué representa una lectura, controlar quién puede utilizarla y calcular su efecto económico son problemas diferentes. La estructura de un perfil de datos, por sí sola, tampoco demuestra anonimato o privacidad: esas propiedades dependen de cómo se gestione la información y se controle el acceso.
En una comparación de contratos, conservar los mismos datos, reglas y versiones permite repetir el cálculo y estudiar por qué cambia una conclusión. Esa posibilidad de reconstrucción es valiosa cuando hay que revisar una decisión o corregir un error.
También hay que comprobar que el procedimiento sea adecuado. Una fórmula puede repetir un error de unidades, y una regla puede haberse aplicado fuera de su ámbito. El determinismo facilita la revisión; la corrección requiere contrastar datos, reglas y resultados.
El objetivo es que los cálculos y las decisiones puedan reconstruirse y contrastarse con las reglas formalizadas. El alcance de esa garantía depende de los datos, de las reglas incluidas y de las pruebas realizadas.
Para evaluar una implementación pediría casos identificables, versiones, resultados esperados y fallos observados. Examinaría por separado la repetición de los cálculos, la aplicación de restricciones, el control de permisos y la utilidad de las alternativas propuestas.
Una cifra agregada de fiabilidad necesita esa información para ser interpretable. La conformidad se examina frente a reglas concretas y dentro de su ámbito; ni una arquitectura ni un porcentaje aislado permiten extender el resultado a cualquier instalación o regulación.
Mi interés en esta línea de trabajo está en conectar el conocimiento de una actividad con herramientas capaces de resolver sus problemas. Los cálculos conocidos, las previsiones y la interpretación de documentos tienen funciones propias. Evaluar cómo colaboran permite avanzar desde una propuesta de diseño hacia capacidades que puedan comprobarse.
Fundador de TheryOS, empresario y emprendedor en los sectores energético y financiero.