IA redefine dirección de proyectos energéticos en América Latina

La dirección de proyectos en el sector energético de América Latina enfrenta un cambio de exigencia. Ya no se trata solo de cumplir plazo y costo, sino de garantizar seguridad energética, competitividad y resiliencia operacional en un proceso de transición justa. Así se planteó en el panel “Dirección de Proyectos e IA en el Sector Energético”, organizado por el Project Management Institute (PMI).

La conclusión compartida es que la inteligencia artificial está moviendo la gestión de una lógica retrospectiva, que explica desviaciones cuando ya ocurrieron, a una gestión predictiva asistida por datos. Marcio Magalhaes, Engineering, Innovation & Technology Corporate Data Driven Manager de Petróleo Brasileiro S.A. (Petrobras), lo resumió como una capacidad habilitadora: la tecnología no sustituye a la estrategia, amplía las capacidades del gerente, del equipo y de los planeadores para una decisión más tempestiva y con mayor practicabilidad.

Esa complejidad se traduce, explicó Magalhaes, en la implantación de proyectos en campos maduros como la Cuenca de Campos y Espíritu Santo, en el caso de Petrobras, además de iniciativas de refinado, midstream logístico y de bajo carbono, en un contexto de alta exigencia técnica y regulatoria.

En el caso de Costa Rica, la complejidad es de articulación institucional, con el Instituto Costarricense de Electricidad (ICE), a cargo de electricidad, y la Refinadora Costarricense de Petróleo (Recope) en hidrocarburos, ya que los proyectos han operado de forma aislada, indicó Jorge Guerrero González, Associate Director – Kyndryl Consult en Kyndryl. El reto, planteó, es utilizar la IA para amalgamar esas iniciativas en una ruta común con objetivo nacional.

En la operación diaria, la coincidencia es la pérdida de tiempo en buscar información, consolidar reportes y explicar desviaciones ya materializadas. Así lo advirtió Rafael Augusto Terreros Ardila, líder del Equipo Digital Dominio Proyectos – PMO Corp de Ecopetrol S.A., quien señaló que la respuesta en la empresa es elevar la calidad de los cronogramas mediante evaluaciones automatizadas con criterios organizacionales y generar señales tempranas a nivel portafolio para un análisis más colectivo de las inversiones.

IA aplicada: de la planeación al mantenimiento

En planeación, coincidieron los panelistas, el mayor aporte no es automatizar tareas, sino mejorar la calidad de la decisión en proyectos de 5, 10 o más años, donde cambian regulaciones, precios, clima y expectativas. Guerrero González ejemplificó con la operación del Sistema Eléctrico Nacional de Costa Rica: dependiente de embalses hidroeléctricos, cuando bajan los caudales por falta de lluvias se debe activar otra generación que eleva costos y huella de carbono. Modelos que combinan datos climáticos, históricos, hidrológicos y proyecciones de demanda permiten anticipar escenarios con meses de antelación y reordenar mantenimientos e inversiones con más evidencia.

El mayor desafío en inversión es priorizar capital en una cartera con múltiples necesidades y competencia en un universo de alrededor de 130 compañías de 19 países. Así lo planteó Terreros Ardila, quien expuso que la apuesta es pasar de ver el árbol de casos buenos financieramente a ver el bosque completo. Agregó que Ecopetrol trabaja esa visión integral con IA para conectar toda la información que permite ver el activo en una condición diferente.

Petrobras lo instrumenta con herramientas que detalló Magalhaes: Celepoço para recomendación de configuración de pozos marítimos, gemelos digitales para integridad de sistemas submarinos y dos aplicaciones de ciencia de datos para proyectos de inversión —asistentes virtuales y plataforma de proyectos análogos— que llevan a los talleres de riesgo información de alcance similar sobre riesgos, lecciones aprendidas, cronogramas y costos para mayor asertividad en priorización y simulación de escenarios.

El caso más maduro en intervención sobre activos es el mantenimiento predictivo, expuso Jorge Guerrero González, associate director – Kyndryl Consult en Kyndryl. Explicó que en turbinas, subestaciones o poliductos el modelo histórico era esperar a la falla —con interrupciones costosas— o intervenir en fechas fijas. Esto es porque con Internet de las Cosas (IoT) e históricos de operación ahora se identifican degradaciones antes de la falla. En Costa Rica, donde un único poliducto atraviesa el país, el impacto es evitar interrupciones de abastecimiento y reducir riesgo ambiental. Magalhaes añadió el caso offshore, donde Petrobras concentra mayoritariamente su producción. Mediante gemelos digitales que integran presión, temperatura, movimiento y concentración de CO2 se previene fatiga y corrosión en ductos flexibles y se calcula extensión de vida útil para intervenir de forma más oportuna.

El reto: escalar con confianza

Si el valor ya está probado en casos puntuales, el desafío ahora es escalarlo. Y escalar, advirtió Magalhaes, no es escoger el algoritmo o el modelo, sino crear condiciones. Subrayó que la base es el tratamiento de datos, no trivial en una empresa grande con datos en silos. En Petrobras, precisó, operan un modelo Hub & Spoke, donde un hub corporativo provee arquitectura y visualización mientras las áreas de negocio implementan las soluciones.

Ese punto conecta con el segundo cuello de botella que señalaron los tres panelistas: la confianza. A nivel país, el obstáculo no ha sido tecnológico sino regulatorio y de fiscalización, indicó Guerrero González. Cada inversión del ICE o de Recope está sujeta a marcos legales específicos y una decisión equivocada puede afectar el abastecimiento eléctrico o de combustible. Por ello, dijo, no hay aún nivel de confianza para decidir a ciegas por lo que sugiere un modelo. Su propuesta: datos confiables, transparencia sobre cómo se tomó la decisión e implementación gradual validable paso a paso.

Esa confianza, coincidió Terreros Ardila, se resuelve con gobernanza de información. Explicó que la IA ayuda y asiste, pero a nivel corporativo debe democratizarse el dato, contar con arquitecturas estables y asegurar que las decisiones provengan de sistemas oficiales, además de atender ciberseguridad y reskilling para interpretar correctamente millones de datos. El cierre es la supervisión humana y la explicabilidad. Terreros Ardila señaló que debe fomentarse una supervisión muy responsable que valide bajo qué condiciones y límites responde el modelo y que lo que genera sea correcto. Magalhaes añadió que los líderes necesitan tratar la IA como capacidad de negocio y exigir explicabilidad sobre cómo se llegó a determinado resultado, con protección de privacidad. Compartió que en Petrobras adoptaron un abordaje de IA responsable bajo liderazgo del área de tecnología, información y telecomunicaciones, con participación de diversas gerencias, que contempla transparencia, protección de datos, mitigación de sesgos y validación técnica en comités multidisciplinarios, en adherencia a la Ley General de Protección de Datos de Brasil.

La síntesis del panel se dio en tres conceptos. Inteligencia con propósito, como definió Terreros Ardila, al combinar conocimiento humano, datos confiables y responsabilidad para generar valor. Integración, como añadió Guerrero González, para evitar esfuerzos aislados y articular a nivel país un único objetivo. Y eficiencia con responsabilidad, como cerró Magalhaes, para hacer más con lo disponible garantizando integridad y propiedad de los datos.