El estudio, elaborado por investigadores de ICF, examina un vacío de evidencia empírica sobre cómo los clientes residenciales de utilities eléctricas perciben y responden a los insights personalizados basados en gemelos digitales, tecnología que combina datos de infraestructura de medición avanzada (AMI) con modelos físicos de edificios para simular el impacto de mejoras de eficiencia energética en el consumo y la factura de un hogar específico. A diferencia de las analíticas AMI tradicionales, que describen patrones de consumo pasado (uso por horario del día, desagregación por uso final), los gemelos digitales son prospectivos: estiman resultados contrafactuales, es decir, qué pasaría con el consumo y la factura si se realizaran mejoras concretas como aislamiento de ático o reemplazo de sistemas HVAC.

Metodológicamente, el estudio combina dos encuestas experimentales realizadas en la plataforma Prolific: la primera con 500 propietarios de vivienda unifamiliar, y la segunda con 850 participantes adicionales. En ambas, los participantes visualizaron representaciones de insights de gemelos digitales (estimaciones personalizadas de ahorro energético y monetario) junto con analíticas AMI tradicionales, y respondieron preguntas sobre valor percibido, confianza, interés y precisión esperada, además de medidas de motivación conductual, interés en programas de eficiencia energética, identidad ambiental, confianza en la utility, compromiso previo con comunicaciones de la empresa y preocupación por la asequibilidad de la factura.

Los resultados muestran que los insights de gemelos digitales se perciben como moderadamente valiosos, interesantes y confiables, pero de forma consistente menos favorable que las analíticas AMI tradicionales, lo que sugiere que la información descriptiva resulta más intuitiva de procesar que la información prospectiva y contrafactual. Sin embargo, el interés en recibir insights de gemelos digitales fue el predictor más fuerte del interés en aprender sobre programas de eficiencia energética, por encima de cualquier otra variable perceptual o característica del cliente. Los análisis de mediación revelaron que este efecto motivacional no está explicado por la precisión percibida del modelo, sino por el fortalecimiento de creencias sobre los beneficios generales de las mejoras de eficiencia: que valen la pena para reducir la factura, que aumentan el valor de reventa de la vivienda y que mejoran el confort del hogar.

Un hallazgo particularmente relevante para el diseño de programas es que los insights de gemelos digitales resultaron más motivadores entre segmentos de clientes históricamente difíciles de enganchar: aquellos con menor identidad ambiental, menor confianza en la utility, menor apertura de correos electrónicos y mayor preocupación por la asequibilidad de su factura. Al mismo tiempo, entre clientes ya comprometidos (mayor identidad ambiental, mayor confianza, mayor engagement con correos), estos insights amplificaron la motivación para adoptar un rango más amplio de acciones de ahorro energético, sugiriendo beneficios motivacionales diferenciados según el segmento de cliente.

Para el sector eléctrico colombiano y la alianza estratégica de redes inteligentes, este estudio ofrece evidencia empírica valiosa sobre cómo aprovechar los datos de medición avanzada más allá de la facturación y el monitoreo operativo, hacia estrategias de comunicación personalizada con clientes que impulsen la participación en programas de eficiencia energética y electrificación. La evidencia de que el mecanismo motivacional clave es la percepción de beneficio de las mejoras, más que la precisión técnica del modelo, resulta directamente aplicable al diseño de mensajes y campañas dirigidas a distintos segmentos de usuarios en el contexto de modernización de medición inteligente en Colombia.

Para leer más ingrese a:

Leveraging Digital Twin Analyses to Inform Personalized Customer Engagement for Energy Utilities