Apagón, redes y renovables analizados con métodos clásicos (y con IA como copiloto)

Cómo usar la IA para analizar fallos: con el apagón como ejemplo práctico (1)

(Experiencias de un Ingeniero)

Hola amigos,

Como sabéis, la IA se está posicionando como una herramienta de apoyo, o incluso como un copiloto, dentro de la ingeniería. También puede ser muy útil en los métodos de análisis clásicos, especialmente cuando hablamos de calidad, riesgos, causa raíz o mejora continua.

Mi intención es introduciros en el mundo del análisis, empezando por los métodos clásicos, pero con una mirada nueva: el uso de prompts de IA para automatizar parte del proceso sin perder el pensamiento crítico.

A continuación, os comparto algunos de los prompts que he utilizado para recabar información y analizar el Apagón 28A.

Aunque los he aplicado a este caso concreto, sustituyendo algunos parámetros, estos promps pueden ser perfectamente útiles en cualquier situación ingenieril, en análisis de calidad, gestión de riesgos, investigación de causas raíz o, simplemente, en para mirar cualquier problema complejo que necesite ser ordenado, contrastado y entendido mejor.

Porque la IA no viene a sustituir el criterio humano. Viene a ayudarnos a ordenar mejor las ideas, detectar relaciones, plantear hipótesis y entrenar una forma más rigurosa de analizar problemas.

Introducción: El Apagón Como ejemplo de Aplicación de los Prompts Ingenieriles

Cuando ocurre una sucesión de incidentes serios, como fue el Apagón de 2025— lo primero que aparece es el ruido:
titulares rápidos, culpables únicos, explicaciones simplistas.

Y ahí es donde, como ingenieros, tenemos un desafio, porque un sistema eléctrico no falla por una sola causa, y menos aún cuando hablamos del 28A:

• alta penetración renovable,
• redes diseñadas para otro mix,
• protecciones heredadas,
• y operación diaria al límite.

Las herramientas de siempre (DAFO, Ishikawa, 5 porqués, causa-raíz) siguen siendo clave; la IA no las borra, sino que las hace más rápidas y ordenadas. Además, al pedirle que actúe como ingeniero, auditor o crítico, nos ayuda a revisar mejor nuestras conclusiones.

Para demostrarlo, usaremos un caso real: un apagón en una red con muchas energías renovables, ¿os suena?. No buscaremos culpables, sino aplicar el método para ordenar los hechos, separar causas de efectos, detectar fallos y aprender del error para mejorar el sistema.

1. DAFO del sistema eléctrico actual

El problema real

Antes de proponer soluciones, hay que entender el terreno. Y aquí el DAFO es clave para separar lo que controlamos de lo que nos viene dado.

Aplicación al caso eléctrico

Fortalezas

• Red mallada de transporte relativamente robusta
• Alta capacidad instalada renovable
• Experiencia operativa acumulada durante décadas

Debilidades

• Redes de distribución diseñadas para flujos unidireccionales
• Falta de inercia síncrona
• Protecciones y automatismos ajustados a otro mix energético
• Poca observabilidad en media tensión

Oportunidades

• Digitalización de red
• Flexibilidad de demanda
• Servicios de red por parte de renovables
• Almacenamiento distribuido

Amenazas

• Incremento de rampas de tensión
• Desconexiones en cascada
• Rechazo social tras eventos graves
• Regulación reactiva y a destiempo

Cómo ayuda la IA aquí

La IA ayuda a no olvidar nada y a separar bien interno / externo.
Luego, el ingeniero decide qué es real y qué es ruido.

Prompt aplicado:

Actúa como ingeniero de sistemas eléctricos.
Realiza un DAFO del sistema eléctrico con alta penetración renovable,
considerando red, operación, protecciones y regulación.

2. Matriz de decisión: ¿dónde actuamos primero?

El dilema clásico

Después del apagón, todos quieren hacer de todo:

• más red,
• más almacenamiento,
• más regulación,
• más control…

Pero no todo se puede hacer a la vez.

Alternativas típicas

A) Refuerzo masivo de red
B) Ajuste de protecciones y automatismos
C) Servicios de red obligatorios a renovables
D) Almacenamiento a gran escala
E) Mejora de observabilidad y datos

Criterios ingenieriles

• Impacto en estabilidad
• Tiempo de implantación
• Coste
• Riesgo operativo
• Efecto sistémico

Cómo ayuda la IA

La IA estructura el debate y expone contradicciones (por ejemplo: pedir resultados inmediatos con soluciones que tardan años).

Prompt aplicado:

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

Resultado típico:
👉 ajustes operativos y de protecciones salen muy arriba,
👉 grandes obras salen bien… pero a largo plazo.

---

3. Primeros principios: desmontar explicaciones cómodas

El relato fácil

“No han sido las renovables.”
“O sí, han sido las renovables.”

Ambos relatos son pobres.

Primeros principios aplicados

Vamos a lo básico:

• La tensión depende del equilibrio P–Q
• La inercia no es ideológica, es física
• Las protecciones disparan si ven lo que están diseñadas para ver
• Las rampas rápidas existen, nos gusten o no

Qué descubre este enfoque

Que el problema no es la renovable en sí, sino:

• cómo se integra,
• cómo se controla,
• y cómo reacciona la red.

Cómo ayuda la IA

La IA aquí sirve para hacer de Pepito Grillo técnico.

Prompt aplicado:

Analiza un apagón eléctrico usando pensamiento de primeros principios.
Separa causas físicas, decisiones de diseño histórico
y supuestos operativos.

4. Campo de fuerzas: por qué cuesta tanto cambiar

Fuerzas impulsoras

• Riesgo reputacional tras el apagón
• Presión regulatoria
• Evidencia técnica clara

Fuerzas restrictivas

• Inversiones ya amortizadas
• Miedo a cambiar protecciones
• Conflictos entre agentes
• Regulación lenta

La realidad incómoda

Muchos saben qué hay que hacer…
pero no todos tienen incentivos para hacerlo.

Cómo ayuda la IA

Aquí la IA ayuda a decir en voz alta lo que suele quedar fuera del informe.

Prompt aplicado:

Realiza un análisis de campo de fuerzas
para la implantación de cambios técnicos tras un apagón eléctrico.
Incluye factores técnicos, regulatorios y organizativos.

5. MECE: ordenar causas y evitar el “fue un poco de todo”

El error típico

Diagramas donde todo es causa y nada es prioritario.

Aplicación MECE al apagón

• Diseño de red
• Operación
• Protecciones
• Regulación
• Datos y observabilidad

Sin solaparse. Sin mezclar síntomas con causas.

Cómo ayuda la IA

Actúa como auditor lógico, no como juez.

Prompt aplicado:

Clasifica las causas de un apagón eléctrico
siguiendo el principio MECE.
Evita solapamientos y lagunas.

Lecciones aprendidas

Un apagón no es solo un fallo técnico.
Es un examen al sistema completo: diseño, operación, regulación y cultura técnica.

La IA no va a evitar apagones.
Pero bien usada puede ayudarnos a:

• analizarlos mejor,
• aprender de verdad,
• y no repetir los mismos errores con otro nombre.

Y eso, al final, es de lo que va la buena ingeniería.