La idea central es que IA contribuye a que los mercados sean más eficientes y a que los participantes entiendan fenómenos altamente complejos, desde el comportamiento de las redes de energía eléctrica hasta el cambio climático.
La transformación que está produciendo en esas actividades se profundiza si se observa en particular un subgrupo de la TI: la inteligencia artificial (IA).
En un reciente ensayo de la Brookings Institution, David G. Victor analiza cómo podría afectar IA la oferta y demanda de energía y las consecuencias de la forma en que la sociedad moderna usa esa energía: el cambio climático.
Pero IA, por sí sola, no va a asegurar ese resultado sin claros incentivos políticos. Curiosamente los mercados energéticos extremadamente inteligentes alimentados con IA facilitan el diseño de buenas políticas de incentivos mientras simultáneamente facilitan a los consumidores la tarea de elegir cuáles servicios y productos energéticos comprar que eviten la necesidad de recortar emisiones.
Aunque se haga un gran esfuerzo por controlar las emisiones igualmente quedará mucho cambio climático, lo que quiere decir que, en el futuro, gran parte de la “política climática” estará concentrada en adaptarse a los impactos climáticos e implementar respuestas rápidas para el caso de emergencias. Los sistemas extremadamente inteligentes para adaptarse al cambio climático podrían hacer más transparente el costo de esa adaptación y, por eso, más difícil de conseguir acuerdo político para su financiación.
Los impactos de IA son numerosos, pero hay cuatro grupos que se perfilan como los más inclinados a afectar la energía y el clima – dos alterarán la oferta y demanda de energía, y dos afectaráan la capacidad de los sociedades para comprender que las emisiones están afectando el clima y cómo manejar esos impactos.
IA afecta la oferta energética
Lo más visible en el ámbito de la energía y el clima es el impacto de IA sobre la forma en que se suministra la energía. Porque los sistemas de suministro más inteligentes cambian las curvas de la oferta. Acceden a recursos que son difíciles de obtener y bajan el costo de esa obtención. Por ejemplo, los sistemas de machine learning pueden mejorar la posibilidad de mapear y entender el volumen y el valor de los depósitos subterráneos de petróleo y gas. Facilitan así la extracción de esos recursos a menor costo.
La misma lógica vale no solamente para los hidrocarburos tradicionales que forman la espina dorsal del sistema energético del mundo sino también para nuevas opciones de energía. Por ejemplo, la capacitación asistida por IA para el diseño y la operación de granjas solares y eólicas puede aumentar la eficiencia de esos sistemas para la administración de los recursos financieros y para generar electricidad.
En el caso de las granjas eólicas, las turbinas pueden orientarse de manera tal que capturen una fracción mayor del viento entrante, algo factible desde hace mucho tiempo y que se puede hacer más eficiente con machine learning. También se puede mejorar la calidad de los pronósticos solares. Por ejemplo, mejorar las predicciones para el día siguiente, o la hora siguiente, sobre como pueden afectar la producción solar las formaciones de nubes. A su vez, los mejores pronósticos pueden hacer más fácil y más lucrativa la participación de los generadores solares en los mercados de electricidad.
Una cuestión interesante es si hay un “sesgo” al interpretar la forma en que las tecnologías relacionadas con IA están afectando la oferta energética, como si están haciendo más productivos a los proveedores tradicionales de hidrocarburos antes que a los de renovables. Esto es difícil de responder porque hace falta desenredar los efectos de muchos otros cambios tecnológicos (como ser, mejores taladros, mejores sistemas de control para la perforación horizontal, mejores materiales pa
Por el momento parecería que IA está teniendo mayor impacto en petróleo y gas que en renovables porque los tipos de actividades que están permitiendo nuevos recursos de hidrocarburos – en especial la revolución shale en petróleo y gas que requiere complejos mapeos de reservorios subterráneos y métodos de perforación especiales – son especialmente adecuados para los procesos complejos que IA oyede brindar.
