Hola amigos, hoy quiero hablar de un enfoque analítico basado en IA + pensamiento crítico, pero con metodologías tradicionales para el análisis de incidencias o de cualquier otro tipo, por eso os quiero indicar unas técnicas de prompt para análisis causa-efecto y análisis de incidentes, pero usadas como herramienta de trabajo, no como “preguntitas” sueltas a una IA.

La idea es que puedas guiar a la IA para que realice un análisis de forma estructurada, repetirlo, auditarlo y mejorarlo, que la IA sea una herramienta y que el resultado no sea una opinión, sino un mapa claro de lo que pasó, por qué pudo pasar y dónde tocar para reducir riesgo.

Y lo vamos a encajar en un ciclo PDCA (Plan-Do-Check-Act), como una fase concreta: la fase de análisis del incidente. Porque en la práctica, cuando ocurre un evento, lo normal es vivir en modo “Do”: apagar el fuego, recuperar servicio, estabilizar. Después toca el “Plan”: qué investigamos, con qué datos, qué hipótesis son razonables. Y entre medias está lo que casi siempre se hace regular: el análisis causa-efecto. Porque si esa fase está floja, el “Act” (las implementacion o decision de aplicación de acciones correctivas) se vuelve cosmético: cambiar un ajuste aquí, emitir un informe allá, y a cruzar dedos.

Por eso me gusta usar el ejemplo del apagón 28A: no por morbo, sino porque está muy documentado, tiene muchas capas (operación, red, protecciones, generación, condiciones previas, coordinación), y porque es el tipo de caso que te obliga a pensar como sistema. Es perfecto para entrenar un método: separar hechos de interpretaciones, construir línea temporal, identificar puntos de decisión, y contrastar hipótesis sin casarte con ninguna demasiado pronto.

En este artículo (y en la parte práctica con prompts) la regla es simple: no venimos a buscar culpables fáciles; venimos a encontrar mecanismos. El objetivo no es “quién la lió”, sino “qué combinación de factores permitió que el incidente escalara”. Cuando haces eso bien, el aprendizaje es transferible: te sirve para el 28A, para una desconexión en cascada, para un disparo de protección “raro”, para una caída de comunicaciones en una subestación o para un problema de coordinación entre control y campo.

Así que si te suena bien, el viaje va a ser este: coger un caso real (28A), encajarlo en una fase del ciclo PDCA, y aprender a “interrogar” el incidente con prompts que obliguen a la IA a trabajar como un analista: paso a paso, con trazabilidad, con hipótesis alternativas, y con un cierre claro de acciones y verificaciones. Nada abstracto. Nada académico vacío. Esto es “Experiencias de un Ingeniero”, bajado al campo.

---

Cuando el sistema eléctrico falla: cómo pensar un apagón con método (y sin buscar culpables fáciles)

(Experiencias de un Ingeniero)

---

Introducción

Cada vez que hay un apagón relevante, el guion se repite.

Primero, el shock.
Luego, la búsqueda rápida de un culpable:
– “han sido las renovables”,
– “ha fallado la red”,
– “faltaba regulación”,
– “esto antes no pasaba”.

Y casi nunca se hace lo más importante: pensar el problema con método.

Porque un apagón no es un fallo puntual. Es un síntoma de un sistema complejo que ha llegado a un límite técnico, operativo o de diseño.

Voy a partir de un caso real —apagón, redes y alta penetración de renovables— para mostrar cómo aplico, paso a paso, herramientas clásicas de pensamiento ingenieril apoyadas por IA. No se trata de buscar “respuestas mágicas”, sino de entrenar el enfoque: hacer las preguntas correctas, en el orden correcto.

Nota: en los análisis de ejemplo no cubro todo lo que ocurrió, a propósito, para que no se hagan largos ni pesados. La idea es que te quedes con el método. Por eso los dejo “abiertos”: para que tú también practiques el pensamiento crítico y sepas separar el grano de la paja.

---

1. DAFO del sistema eléctrico: entender el terreno antes de opinar

El problema real

Antes de discutir soluciones, hay que aceptar una verdad incómoda:
el sistema eléctrico actual no es el de hace 20 años, pero muchas inercias sí lo son.

DAFO aplicado al apagón

Fortalezas

• Red mallada y robusta a nivel de transporte.
• Alta capacidad instalada renovable.
• Operadores con alto nivel técnico.
• Sistemas de protección y control existentes.

Debilidades

• Red de distribución no diseñada para flujos bidireccionales masivos.
• Falta de inercia síncrona en zonas con alta penetración renovable.
• Control de tensión más complejo y menos centralizado.
• Protecciones pensadas para otro mix energético.

Oportunidades

• Digitalización real de la red.
• Control avanzado de tensión y reactiva.
• Integración técnica (no solo administrativa) de renovables.
• Flexibilidad, almacenamiento y gestión activa de red.

Amenazas

• Incremento rápido de renovables sin refuerzo equivalente de red.
• Sobretensiones, rampas rápidas y disparos de protecciones.
• Pérdida de calidad de suministro.
• Desafección social cuando “la luz falla”.

Cómo ayuda la IA aquí

La IA ayuda a ordenar el debate y a evitar trampas habituales:

• mezclar causas internas con factores externos,
• confundir síntomas con causas,
• o simplificar el problema a un único culpable.

Prompt típico

Analiza un apagón eléctrico reciente mediante un DAFO técnico.
Distingue claramente problemas de red, de generación y de operación.
Evita juicios políticos o mediáticos.

---

2. Matriz de decisión: qué soluciones son realistas y cuáles no.

Tras un apagón siempre aparecen propuestas de todo tipo:

• refuerzos masivos de red,
• más generación firme,
• almacenamiento en todas partes,
• cambios regulatorios inmediatos.

El problema no es la falta de ideas, es priorizar bien.

Ejemplo de alternativas reales

A) Refuerzo clásico de red
B) Control avanzado de tensión y reactiva
C) Almacenamiento distribuido
D) Limitación operativa de renovables
E) No hacer nada (sí, también es una opción)

Criterios técnicos

• Impacto en estabilidad del sistema
• Tiempo de implementación
• Coste
• Madurez tecnológica
• Compatibilidad con el mix renovable
• Riesgo operativo

La matriz de decisión permite algo clave:
hacer explícito por qué eliges una cosa y no otra.

Cómo ayuda la IA

No decide por ti, pero:

• propone criterios coherentes,
• detecta contradicciones (“quiero algo rápido, barato y estructural”),
• y deja rastro del razonamiento.

Prompt típico

Construye una matriz de decisión para priorizar soluciones tras un apagón
con alta penetración renovable.
Evalúa impacto técnico, plazo, coste y riesgo.

---

3. Pensamiento de primeros principios: desmontar el relato simplista

Aquí es donde muchas discusiones se rompen.

“Las renovables provocan el apagón.”

Eso no es un análisis, es un titular.

Pensar desde primeros principios obliga a preguntar:

• ¿Qué mantiene estable la tensión en una red?
• ¿Qué aporta la inercia?
• ¿Qué ocurre cuando la potencia activa sube muy rápido?
• ¿Cómo reaccionan las protecciones ante rampas rápidas?

Y entonces aparece la realidad física:

• no es renovable vs térmica,
• es cómo se integra una generación electrónica en una red pensada para máquinas síncronas.

Cómo ayuda la IA

La IA funciona como martillo de suposiciones:

• te obliga a separar leyes físicas de decisiones históricas,
• y a identificar qué parte del problema es técnica y cuál es de diseño del sistema.

Prompt típico

Analiza un apagón desde primeros principios.
Identifica leyes físicas, restricciones técnicas reales
y decisiones históricas del diseño del sistema eléctrico.

---

4. Análisis de campo de fuerzas: por qué no se cambia aunque se sepa qué hacer

Muchas soluciones se conocen desde hace años.
Entonces, ¿por qué no se aplican?

Porque el sistema no es solo técnico.

Fuerzas impulsoras

• Necesidad de calidad de suministro.
• Crecimiento renovable.
• Digitalización disponible.
• Presión regulatoria europea.

Fuerzas restrictivas

• Coste de inversión en red.
• Marco regulatorio lento.
• Fragmentación de responsabilidades.
• Miedo a tocar lo que “funciona”.

Aquí es donde fallan muchos proyectos:
el diseño es correcto, pero el cambio no se gestiona.

Cómo ayuda la IA

La IA ayuda a hacer visibles las resistencias invisibles, las que nunca salen en los informes técnicos.

Prompt típico

Realiza un análisis de campo de fuerzas
sobre la integración masiva de renovables en la red eléctrica.
Incluye factores técnicos, regulatorios y organizativos.

---

5. MECE: ordenar causas y dejar de mezclarlo todo

Tras un apagón se mezclan conceptos:

• tensión, frecuencia, potencia,
• generación, red, operación,
• causa raíz y consecuencia.

MECE obliga a separar:

• problemas de generación,
• problemas de red,
• problemas de operación,
• problemas regulatorios.

Y solo entonces el análisis empieza a tener sentido.

Cómo ayuda la IA

Aquí la IA actúa como auditor lógico:

• detecta solapamientos,
• señala huecos,
• y te obliga a ordenar el relato técnico.

Prompt típico

Estructura las causas de un apagón eléctrico siguiendo el principio MECE.
Evita solapamientos entre generación, red y operación.

---

Lecciones aprendidas

Un apagón no se entiende con un tuit ni se resuelve con un eslogan.

Se entiende:

• pensando el sistema como un todo,
• usando método,
• y aceptando que la transición energética no es gratis ni trivial.

La IA no va a salvar el sistema eléctrico.
Pero bien usada, puede ayudarnos a pensar mejor los problemas complejos y a dejar de repetir errores con distintos nombres.

Y eso, en un sistema crítico como el eléctrico, ya es mucho.

---

Nota: Los análisis que he puesto de ejemplo no son exhaustivos ni completos; los datos en que se basan están sacados de internet y pueden estar sesgados. La idea es que tengáis claro el método y el prompt engineering que os recomiendo usar…