AI agéntica para las operaciones de las empresas eléctricas

La AI agéntica para las operaciones de las empresas eléctricas debería discutirse en lenguaje operativo, no en lenguaje publicitario. Las empresas eléctricas no necesitan un agente de libre funcionamiento que tome decisiones sobre la red. Necesitan flujos de trabajo controlados que ayuden a las personas a reunir evidencias, detectar carencias, preparar borradores y llevar el trabajo con mayor rapidez al revisor adecuado.

Esa distinción es importante. La guía sobre agentes de OpenAI describe los agentes como sistemas que pueden usar herramientas y seguir flujos de trabajo de varios pasos. La guía de diseño de agentes de Anthropic subraya que los sistemas agénticos eficaces suelen empezar con flujos de trabajo sencillos antes de añadir complejidad. La documentación de la plataforma de agentes de Google Cloud apunta en la misma dirección: los agentes resultan útiles cuando operan con herramientas, contexto y orquestación.

Para las empresas eléctricas, los TSO, los DSO y las empresas de generación, la pregunta no es «¿Puede actuar la AI?». La pregunta es: ¿qué partes del trabajo de una empresa eléctrica pueden delegarse de forma segura en un agente acotado mientras los ingenieros y operadores conservan la autoridad?

Qué deberían hacer los agentes en las operaciones de las empresas eléctricas

Los casos de uso iniciales más seguros en las empresas eléctricas son los flujos de trabajo de evidencias y coordinación.

La AI agéntica puede ayudar con:

• Reunir registros aprobados de transformadores, subestaciones, eventos, mantenimiento y planificación.
• Comprobar si las marcas de tiempo, las unidades, los identificadores de activos y las referencias de fuente concuerdan.
• Redactar resúmenes en lenguaje sencillo para su revisión humana.
• Enumerar las evidencias que faltan antes de la interpretación de ingeniería.
• Preparar paquetes de traspaso entre los equipos de operaciones, planificación, protección, fiabilidad, gestión de activos y campo.
• Elaborar borradores de paquetes de trabajo listos para revisión que los ingenieros puedan aprobar, editar, rechazar o escalar.

Son tareas de alto valor porque el trabajo de las empresas eléctricas suele fallar en la capa de traspaso. La evidencia existe, pero está fragmentada entre el SCADA, el historian, los registros de relés, las órdenes de trabajo, las notas de inspección, las hojas de cálculo, las carpetas de ingeniería y los estudios de planificación.

La posición de GridAPM es sencilla: la AI puede reducir la fricción en ese flujo de trabajo de evidencias, pero las decisiones sobre las que se debe informar siguen requiriendo una revisión cualificada.

Qué no deberían hacer los agentes

La AI agéntica no debería comercializarse como un sustituto de la autoridad operativa.

En el contexto de una empresa eléctrica, los agentes no deberían:

• Controlar subestaciones, interruptores, sistemas de protección o equipos de transformación.
• Enviar cuadrillas sin aprobación humana.
• Aprobar acciones de mantenimiento como autoridad final.
• Tratar una evidencia incompleta como una conclusión firme.
• Ocultar el material de origen tras una única puntuación.
• Generar informes finales sin el estado del revisor y una traza de auditoría.

El informe técnico de NERC sobre la AI y el aprendizaje automático en las operaciones del sistema en tiempo real aporta un contexto útil, porque trata la AI como algo que debe considerarse junto con la fiabilidad, las operaciones, la supervisión humana y las restricciones del sistema. El NIST AI Risk Management Framework también ayuda a los equipos a estructurar la gobernanza, el mapeo, la medición y la gestión en torno al riesgo de la AI.

La lección para los compradores de GridAPM es práctica: empezar por flujos de trabajo donde la AI apoye a las personas, no por flujos donde la AI sustituya a la autoridad.

Un patrón seguro de agente para empresas eléctricas

El patrón que se muestra a continuación se aplica al APM de transformadores, a la revisión de eventos, a la planificación de mantenimiento y a la planificación de grandes cargas.

Paso del flujo de trabajo	Rol del agente	Rol humano	Resultado seguro
Recepción de evidencias	Recopilar referencias de fuentes aprobadas y organizar los registros.	Definir el alcance y confirmar los límites de datos aprobados.	Lista de evidencias enlazada a las fuentes.
Comprobación de calidad	Señalar fechas, unidades, líneas base o responsabilidades que falten.	Decidir qué carencias importan para la revisión.	Lista de carencias para revisión.
Borrador del paquete	Preparar un resumen, preguntas y una redacción candidata del paquete de trabajo.	Editar, aprobar, rechazar o escalar el borrador.	Borrador listo para revisión.
Registro de la decisión	Conservar los enlaces a las fuentes y el estado del revisor.	Aprobar la recomendación final conforme al procedimiento de la empresa eléctrica.	Paquete de evidencias trazable.

Dónde encaja GridAPM

GridAPM puede ayudar a las empresas eléctricas a evaluar la AI agéntica a través de flujos de trabajo de APM de transformadores en los que el valor es visible y está acotado.

Entre los buenos alcances de pilotos se incluyen:

• Preparación de paquetes de evidencias de transformadores para un grupo de activos seleccionado.
• Disponibilidad de evidencias de DGA, PRPD, SFRA, térmicas, de inspección y de mantenimiento.
• Paquetes de traspaso de eventos de red para la revisión de operaciones a planificación.
• Revisiones de planificación de transformadores de gran carga para la demanda de centros de datos o industrial.
• Revisión de la gobernanza de la AI para la trazabilidad de las fuentes, las aprobaciones y los límites de roles.

La plataforma GridAPM explica el modelo de banco de trabajo. La página de pilotos puede utilizarse para definir el alcance, los datos aprobados, los roles de revisor y las métricas de éxito. Las páginas de confianza, seguridad y tratamiento de datos describen la postura de revisión humana que debería rodear a la AI en infraestructuras críticas.

La pregunta del comprador

La mejor pregunta del comprador no es «¿Tenéis agentes de AI?».

La pregunta más potente es:

¿Puede el flujo de trabajo agéntico producir un mejor paquete de evidencias sin debilitar el juicio de ingeniería, las hipótesis de ciberseguridad o la trazabilidad?

Esa es la dirección de GridAPM. La AI agéntica es útil cuando ayuda a los equipos de las empresas eléctricas a hacer que el trabajo sea revisable. Es arriesgada cuando intenta hacer desaparecer la autoridad.