Resumen de la entrevista de AEE a Antonio Delgado Rigal, Doctor en Inteligencia Artificial, fundador y CEO de AleaSoft Energy Forecasting. En la entrevista se analizan el papel de los agentes de inteligencia artificial en las previsiones de precios, el impacto de los mercados cuarto-horarios, la canibalización de precios con baterías, el crecimiento de la demanda eléctrica asociada a los data centers y la fiabilidad de las previsiones a largo plazo
La entrevista comienza recordando que AleaSoft ha sido pionera en el uso de redes neuronales, precursoras en gran medida de la IA actual, y pregunta si hay preocupación en AleaSoft por el uso extensivo de agentes de inteligencia artificial para realizar previsiones de precios de mercado que incluso puedan aprovecharse de sus resultados.
Antonio Delgado Rigal responde que no especialmente. La IA va a facilitar enormemente el acceso a la información y también puede utilizar previsiones públicas como una fuente más, pero hacer una previsión fiable no consiste en pedirle una cifra a un agente de IA. Detrás hay datos, modelos, hipótesis, conocimiento del mercado, validación y control de calidad.
Añade que en AleaSoft Energy Forecasting se utiliza inteligencia artificial desde 1999 y que los agentes actuales se ven como una herramienta adicional. La ventaja competitiva estará cada vez menos en generar una respuesta y más en disponer de buenos datos, modelos robustos y criterio para saber si esa respuesta tiene sentido.
A continuación, se pregunta cuál ha sido el principal aprendizaje de AleaSoft en los periodos en los que se han producido fuertes desvíos en sus previsiones, teniendo en cuenta que sus resultados siempre han sido bastante acertados, incluso en periodos complicados como la crisis actual, y cómo han realimentado las previsiones futuras.
El CEO de AleaSoft explica que el principal aprendizaje es diferenciar entre un error del modelo y un cambio extraordinario de las condiciones del mercado. Una pandemia, una guerra, una crisis del gas o un cambio regulatorio pueden modificar repentinamente variables que ningún modelo podía conocer de antemano.
Señala que estos episodios han llevado a dar todavía más importancia a los escenarios y a los intervalos probabilísticos. Una previsión a largo plazo no debe entenderse como una única cifra exacta, sino como un escenario central acompañado de posibles desviaciones y de las variables que pueden provocarlas.
También apunta que se ha aprendido algo importante: no hay que sobreajustar los modelos al último gran acontecimiento. Una crisis es información muy valiosa, pero no significa que el futuro vaya a repetirla.