Inteligencia artificial aplicada a la Gestión empresarial. También proyectos de energías renovables y sostenibilidad.

Abstract

En un contexto de transición energética y necesidad de optimización de recursos, la inteligencia artificial (IA) se presenta como una herramienta clave para mejorar la predicción de la demanda energética. Este trabajo tiene como objetivo analizar el uso de la IA en la gestión del consumo eléctrico en España, explorando sus beneficios, retos y oportunidades. Para ello, se ha desarrollado un caso práctico utilizando la herramienta Data Analyst, basada en modelos de aprendizaje automático, con datos históricos de demanda energética entre 2018 y 2022. Se realizó una estimación de la demanda diaria de 2023 y se compararon los valores obtenidos con los reales. La evaluación de precisión mediante métricas como el MAPE y el WMAPE evidenció que el modelo es capaz de capturar patrones generales, aunque presenta ciertas desviaciones debido a la falta de variables externas en el análisis. Los resultados obtenidos subrayan el potencial de la IA para mejorar la planificación energética, facilitar la integración de energías renovables y contribuir a la sostenibilidad del sector. No obstante, se identificaron barreras como la necesidad de datos de alta calidad y modelos más avanzados para reducir los márgenes de error. Finalmente, se destaca la importancia de continuar investigando en este campo para optimizar la eficiencia energética y reducir la huella de carbono.

In the context of the energy transition and the need for resource optimization, artificial intelligence (AI) emerges as a key tool to improve energy demand forecasting. This study aims to analyze the use of AI in managing electricity consumption in Spain, exploring its benefits, challenges, and opportunities. For this purpose, a case study was developed using the Data Analyst tool, based on machine learning models, with historical energy demand data from 2018 to 2022. The daily demand for 2023 was estimated and compared with real values. Accuracy evaluation using metrics such as MAPE and WMAPE demonstrated that the model effectively captures general trends, although some deviations were observed due to the absence of external variables in the analysis. The findings highlight AI's potential to enhance energy planning, facilitate the integration of renewable energies, and contribute to sector sustainability. However, challenges such as the need for high-quality data and more advanced models to reduce error margins were identified. Finally, the importance of further research in this field is emphasized to optimize energy efficiency and reduce carbon footprint.