EPRI sostiene que la discusión sobre inteligencia artificial en utilities se ha concentrado demasiado en la nueva demanda eléctrica de los centros de datos y menos en una condición esencial para capturar valor interno: la preparación del dato. El artículo recuerda que EPRI y Epoch AI estimaron en 2025 que la demanda eléctrica asociada con inteligencia artificial en Estados Unidos podría crecer desde 5 GW hasta más de 50 GW en 2030. Aunque atender esa carga es una prioridad evidente para las empresas, el texto subraya que las utilities están igualmente interesadas en usar inteligencia artificial para mejorar operación y mantenimiento, planeación, inversión, ciberseguridad, gestión de incendios forestales y control de red. En ese esfuerzo, la disponibilidad y calidad de datos aparece como la base real de cualquier despliegue útil. La nota conecta esta necesidad con el Consorcio Abierto de Inteligencia Artificial para el Sector Eléctrico, lanzado en marzo de 2025 junto con laboratorios nacionales, universidades, utilities y empresas tecnológicas. Su misión es transformar cómo se produce, transporta y usa la electricidad mediante inteligencia artificial apropiada para el sector. Sin embargo, una encuesta a miembros del consorcio encontró que la preparación de datos es uno de los principales obstáculos para escalar estas soluciones.
El informe AI Readiness in Utilities: Turning Data into Strategic Advantage, publicado en agosto de 2025, valida esa dificultad y propone un marco de cinco pasos: liderazgo desde la alta dirección, estrategia conectada con resultados de negocio, movilización organizacional y cultura de datos, ejecución de casos de uso focalizados y aprendizaje para escalar e institucionalizar. Para las empresas del sector, el mensaje es que la inteligencia artificial no debe tratarse como una capa que se instala encima de sistemas fragmentados y datos débiles. En infraestructuras críticas, modelos sin datos confiables pueden producir decisiones aparentemente sofisticadas pero operativamente frágiles.
Para leer más ingrese a:
Why Data Readiness is One of Utilities’ Most Urgent AI Challenges