IA industrial: cuánta electricidad necesita para ser operable
Antes de desplegar IA en una utility u oil & gas de LATAM, mide la potencia: generación, transmisión, subestaciones y autogeneración en sitio.
· 11 min de lectura
En la entrega anterior planteamos que ningún modelo mejora un dato sucio: antes de montar IA sobre la producción hay que mirar el estado de la base de datos. Supongamos que esa parte ya está resuelta. El maestro de equipos está depurado, la telemetría llega con estampa de tiempo confiable y el caso de uso está acotado.
Queda una pregunta que casi nunca aparece en el comité de arquitectura y que decide si el proyecto vive o muere: ¿de dónde sale la electricidad? Toda carga de cómputo, toda automatización y toda telemetría cuelgan, al final, de un interruptor. En América Latina esa pregunta no es retórica, y en el caso venezolano ahora existe una magnitud pública contra la cual medirla.
El cuello de botella no está en el modelo
La conversación global sobre IA y energía ya dejó de ser especulativa. El consumo eléctrico mundial de los centros de datos creció 17 % durante 2025, y el de las instalaciones orientadas específicamente a IA se disparó 50 % en ese mismo año (AIE, 2026). La proyección base sitúa el consumo en torno a 485 TWh en 2025 y cerca de 950 TWh en 2030, con la infraestructura dedicada a IA triplicándose en ese período (AIE, 2026). El capital detrás es igual de contundente: solo las mayores tecnológicas superaron los USD 400.000 millones de inversión en centros de datos durante 2025 (AIE, 2026).
Para un gerente de operaciones de una utility latinoamericana, esas cifras son contexto, no diagnóstico. El número que decide su piloto es otro: cuántas horas firmes de servicio tiene el nodo donde vive el gateway, qué calidad de onda recibe el gabinete de control y cuánta potencia adicional puede absorber la subestación que lo alimenta. La IA industrial rara vez fracasa por falta de precisión del modelo. Fracasa porque la carga crítica se cae, la sesión se interrumpe, el histórico se fragmenta y el usuario deja de confiar en el tablero.
La magnitud declarada: 1 GW en 24 meses, 5 GW en cuatro años
El 2 de septiembre de 2026, el Departamento de Energía de Estados Unidos publicó una ficha informativa sobre los acuerdos energéticos firmados en Caracas. En el componente eléctrico, el acuerdo con GE Vernova contempla poner en línea 1 gigavatio de nueva potencia confiable dentro de los primeros 24 meses, además de 5 gigavatios en los cuatro años siguientes (Departamento de Energía de EE. UU., 2026).
Dos detalles importan más que el titular. El primero: el alcance declarado no se limita a generación. El anuncio menciona explícitamente generación térmica e hidroeléctrica, infraestructura de transmisión y distribución, y subestaciones clave (Departamento de Energía de EE. UU., 2026). El segundo: ese acuerdo se apoya en un convenio de cooperación previo, del 15 de junio, con la empresa eléctrica estatal venezolana, orientado a rehabilitar y fortalecer la infraestructura eléctrica del país (Departamento de Energía de EE. UU., 2026).
El contraste con la situación actual explica por qué esa magnitud es significativa. El parque de generación venezolano tiene una capacidad instalada nominal muy superior a la potencia que hoy está realmente disponible: buena parte del parque térmico permanece fuera de servicio por falta de mantenimiento, escasez de combustible y obsolescencia de los equipos. Es decir, 1 GW incorporado no es un ajuste marginal sobre lo que hoy está realmente disponible.
Para quien planifica un despliegue tecnológico, esto entrega algo que antes no existía: un calendario público contra el cual fasear. La fecha de su piloto ya no flota en el vacío; se sitúa sobre una curva declarada.
Generación no es lo mismo que entrega
Aquí es donde la mayoría de los planes de digitalización se rompen. Agregar capacidad de generación es solo el primer eslabón. La potencia nueva debe transferirse desde la central, transportarse por la red de transmisión, transformarse en las subestaciones y llegar al centro de consumo con seguridad, calidad y confiabilidad. Que el anuncio nombre transmisión, distribución y subestaciones (Departamento de Energía de EE. UU., 2026) confirma que ese tramo intermedio es parte del problema, no un detalle de ingeniería.
La consecuencia práctica es concreta: los GW nacionales no responden por su nodo. Un campo de producción, una planta de tratamiento o un centro de despacho pueden seguir operando con restricciones aunque el balance nacional mejore, si el circuito que los alimenta no fue reforzado. Y los equipos de borde —gateways, RTU, servidores de planta— suelen degradarse más por huecos de tensión y armónicos que por cortes francos.
Autogeneración en sitio: de plan B a decisión de arquitectura
Cuando la continuidad no puede garantizarse desde la red, deja de ser un tema de facilities y pasa a ser un parámetro de diseño del sistema. La cadena que sostiene un proyecto de IA industrial se ve así:
La decisión clave no es “cuántos kVA compro”, sino qué parte de la carga es realmente crítica. Separar la inferencia de borde que debe sobrevivir un corte de la analítica que puede esperar reduce el respaldo necesario y el costo del proyecto completo.
Dimensionar antes de desplegar: menos huella, menos potencia
Hay una palanca que el área de TI sí controla y que casi nadie conecta con la factura eléctrica: el tamaño de lo que se procesa. Cada gigabyte que se arrastra sin política de archivado es cómputo, es refrigeración y es potencia contratada.
- Aplicar gestión de ciclo de vida de la información (SAP ILM) para reducir la huella HANA y ajustar el tier de infraestructura.
- Mapear dependencias funcionales entre BW on HANA y los procesos core antes de mover cargas a Cloud.
- Auditar, limpiar y redimensionar el dato antes de cualquier Go-Live, no después.
- Construir un caso de negocio técnico con evidencia, que incluya el costo energético del despliegue.
Esto no es teoría aislada. El acuerdo marco firmado en junio de 2026 entre SLB y PDVSA para el sector de hidrocarburos venezolano apunta justamente a evaluar cómo el dato conectado, los modelos predictivos y los flujos de trabajo habilitados por IA mejoran la eficiencia y aceleran la toma de decisiones (SLB, 2026). La capa digital está llegando. La capa física tiene que sostenerla.
Qué medir antes de aprobar el piloto
En AGT acompañamos a operadores de utilities y oil & gas a responder cinco preguntas antes de comprometer presupuesto: horas firmes de servicio en el punto de conexión; calidad de onda registrada, no estimada; margen disponible en la subestación que alimenta el sitio; carga crítica separada del resto; y huella de datos redimensionada al caso de uso real.
Con eso sobre la mesa, la conversación cambia de tono. Ya no se discute si la IA “sirve”: se discute en qué trimestre el nodo soporta la carga que el caso de negocio exige.
Queda un frente más, y no es técnico. En la próxima entrega revisamos qué le exige hoy el marco normativo a quien despliega IA en Venezuela: un código sin sanciones y una ley que todavía no existe.
Fuentes
- Departamento de Energía de EE. UU. (2026). FACT SHEET: Delivering on President Trump’s Promise to Unleash Prosperity and Security for the United States and Venezuela. https://www.energy.gov/articles/fact-sheet-delivering-president-trumps-promise-unleash-prosperity-and-security-united
- Agencia Internacional de Energía (2026). Key Questions on Energy and AI. https://www.iea.org/reports/key-questions-on-energy-and-ai
- SLB (2026). SLB and PDVSA Sign MoU for Digital Transformation of Venezuela’s Oil and Gas Sector. https://www.slb.com/newsroom/updates/2026/2026-0610-slb-pdvsa-update
¿Este análisis mapea un mercado donde ya operas o estás evaluando entrar?
Revisamos tu caso específico, mapeamos los riesgos que aplican, y te decimos honestamente si es oportunidad para ti —sin pitch comercial, solo discusión técnica y estratégica.
