68 ENTREVISTA Es importante destacar que, aunque cada división tiene funciones y objetivos particulares, todas están alineadas con el objetivo común de AleaSoft de potenciar el desarrollo de las energías renovables. Juntas, forman un ecosistema cohesionado que nos permite ser más ágiles, innovadores y efectivos en la entrega de soluciones que impulsan la sostenibilidad y el crecimiento en el sector. ¿Puede explicar cómo AleaSoft utiliza la Inteligencia Artificial y el Machine Learning en sus previsiones energéticas? En AleaSoft somos pioneros en el uso de la Inteligencia Artificial. Aunque la IA está en auge actualmente, nosotros la estamos usando nuestros modelos desde la fundación de la empresa hace 25 años. Nuestra metodología, denominada Alea, se basa en el modelo híbrido AleaModel, que combina IA y Machine Learning mediante el uso de redes neuronales recurrentes. Estas se integran con el análisis de series temporales utilizando la metodología Box Jenkins y los modelos SARIMAX, junto con técnicas de estadística clásica. Además, incorporamos modelos econométricos y fundamentales, que analizan las dinámicas de tendencias en los fundamentos del mercado. Los modelos AleaModel también se fundamentan en el concepto de equilibrio de mercado, que considera tanto la oferta y la demanda como un conjunto de variables fundamentales que influyen en los precios del mercado. Además, aseguran el equilibrio necesario entre los costes para los consumidores y la rentabilidad de los productores para que el mercado funcione correctamente. Nuestros modelos capturan este punto de equilibrio en la serie temporal de precios y lo proyectan hacia el futuro. ¿Qué ventajas específicas aportan estas tecnologías a sus servicios en comparación con métodos tradicionales? La base científica de la metodología Alea garantiza que nuestras previsiones sean tanto robustas como coherentes. Al combinar varias técnicas en el modelo AleaModel, aprovechamos las fortalezas individuales de cada método y superamos sus limitaciones, lo que resulta en una mayor precisión y fiabilidad. Otro aspecto clave es que nuestros modelos capturan el equilibrio de mercado, lo que los hace especialmente adecuados para las previsiones de precios a largo plazo, ofreciendo a nuestros clientes una ventaja competitiva en la planificación y gestión de sus proyectos. Además, la metodología facilita la digitalización de las empresas al permitir obtener previsiones de forma automática a partir de grandes volúmenes de datos de series temporales. Estas previsiones no solo son precisas, sino que también pueden ser utilizadas como input en otros procesos de nuestros clientes, integrándose en sus operaciones del día a día. AleaSoft comenzó como una spin-off de la UPC hace 25 años. ¿Cómo ha evolucionado esta colaboración a lo largo del tiempo? La UPC ha sido desde nuestros inicios nuestro principal referente científico y un socio tecnológico. A lo largo de los años, esta colaboración ha evolucionado y se ha fortalecido, especialmente a través de proyectos conjuntos en Inteligencia Artificial y Estadística con el grupo de investigación SOCO (Soft Computing) del Departamento de Lenguajes y Sistemas Informáticos, en su rama de Inteligencia Artificial. Esta alianza estratégica ha permitido que la investigación científica tenga un papel central en nuestra empresa, lo que ha sido clave para nuestro crecimiento y éxito en el sector de la energía. Gracias a esta colaboración continua, hemos podido desarrollar metodologías y modelos de previsión avanzados, lo que nos ha posicionado como una empresa competitiva y confiable. La calidad de nuestras previsiones, respaldadas por una sólida base científica, nos ha ayudado a ganarnos la confianza de nuestros clientes y a mantenernos a la vanguardia en un mercado tan dinámico como el de la energía.
RkJQdWJsaXNoZXIy Njg1MjYx