Resumo
La inteligencia artificial agéntica está emergiendo como un paradigma en el que modelos con capacidad de razonamiento interactúan con herramientas externas, simulaciones y fuentes de datos para ejecutar tareas analíticas de múltiples pasos. Para las aplicaciones en sistemas de energía, esto plantea la cuestión de si los agentes de IA pueden operar de forma eficaz en entornos analíticos estructurados, utilizando capacidades específicas del dominio para explorar problemas de decisión complejos, en lugar de actuar meramente como envoltorios (wrappers) en torno a solucionadores (solvers) existentes.
Este artículo investiga esta cuestión mediante un estudio de caso de programación hidrotérmica estocástica, que combina incertidumbre, acoplamiento intertemporal, restricciones físicas y compromisos (trade-offs) operativos económicamente relevantes, a la vez que ofrece referencias confiables de optimización, como la programación dinámica dual estocástica (SDDP). Proponemos una arquitectura agéntica orientada a capacidades, en la que un agente de razonamiento interactúa con el modelo hidrotérmico únicamente a través de capacidades de dominio controladas y tipadas, sin acceso a métodos de programación dinámica preprogramados, valores del agua precomputados, variables duales o información interna del solucionador.
La arquitectura se evalúa sobre una representación simplificada, pero estructuralmente realista, del Sistema Interconectado Nacional brasileño. A lo largo de diez sesiones independientes, el agente infirió la lógica del valor del agua a partir de la retroalimentación de las simulaciones, construyó representaciones aproximadas del costo futuro y desplegó políticas de preservación del almacenamiento que mejoraron sustancialmente el comportamiento miope. En relación con un valor de referencia (benchmark) SDDP calculado de forma independiente, la mejor sesión alcanzó una brecha media de costo del 1,7%, mientras que la brecha media de las diez sesiones fue de aproximadamente el 6,0%.
Estos resultados indican que la orquestación estructurada de capacidades puede permitir que los agentes de razonamiento funcionen como capas analíticas integradas en entornos de modelado de sistemas de energía, siendo más valiosos para problemas en los que las formulaciones analíticas son incompletas, difíciles de especificar o insuficientes para capturar todo el proceso de exploración de la solución.
Palabras clave: IA agéntica, programación hidrotérmica, optimización estocástica, valor del agua, SDDP
DIAS, Julio Alberto; PEREIRA, Mario Veiga. Evaluación de la capacidad de la IA agéntica en un estudio de caso de planificación hidrotérmica estocástica. PSR Analytics Report, Edición 3, 1 de julio de 2026. Disponible en: https://www.psr-inc.com/en/analytics-report/post/assessing-the-capability-of-agentic-ai-in-a-stochastic-hydrothermal-scheduling-case-study/. Consultado el: [día mes año].
