Nexo AI
Inteligencia Artificial real,
aplicada a la transmisión eléctrica de alta tensión.
Antes de venir, leímos sus líneas, sus subestaciones, su posición en el STN y su contexto regulatorio. Estas son las hipótesis que traemos a la mesa. Mañana las contrastamos con sus procesos.
Lo que entendimos de DISTASA antes de proponer nada.
No queremos llegar con un software a una empresa que mueve infraestructura crítica del país. Queremos llegar con una lectura honesta de lo que ustedes ya hacen bien — y de dónde una capa de IA bien hecha puede liberar tiempo y reducir riesgo.
- Ustedes son un transportador puro — no generan ni comercializan. La métrica que importa es disponibilidad, no volumen.
- Su infraestructura conecta Termotasajero I (155 MW) y Termotasajero II (~160 MW) al STN. Cuando ustedes fallan, falla casi 3% de la energía del país.
- Tienen una operación técnica y disciplinada, certificada en calidad. No necesitan que alguien venga a explicarles qué es un mantenimiento preventivo.
- Lo que sí necesitan — como cualquier transportador pequeño con infraestructura crítica — es amplificar a un equipo chico sin engordar la nómina.
- Esa es la conversación que vinimos a abrir mañana.
Pequeños en kilómetros de red. Críticos en su nodo.
Su participación nacional es modesta, pero el rol estratégico es desproporcionadamente alto. La subestación Tasajero es el cuello de botella físico por donde sale al país la generación térmica del nororiente.
La lectura para esta conversación es simple: una indisponibilidad en sus líneas no afecta solo su factura — afecta a Termotasajero, al MEM y al sistema entero del nororiente. Eso convierte la confiabilidad en una métrica de millones, no de miles.
Cinco entidades les definen el día a día. Y un grupo regional les da espalda.
Es importante que sepan que entendemos esto antes de proponer cualquier cosa. La mitad del trabajo de un transportador puro no es operar líneas — es responderle bien a los actores institucionales y mantener al grupo alineado.
Cada uno con sus reportes, plazos y formatos. Para un equipo chico, esto es media jornada por semana en compilación documental.
- Su discurso oficial habla de "integrar el futuro con energía" e "interconexión latinoamericana de alto voltaje". Es coherente con su rol como pionero pequeño y especializado.
- El grupo aporta capacidades de ingeniería y ejecución que ustedes pueden movilizar cuando un proyecto lo amerita.
- Cualquier solución que llegue a DISTASA tiene potencial de replicarse en la filial venezolana y en futuros proyectos regionales.
Venimos a escuchar. Pero antes, queríamos
llegar con hipótesis — no con preguntas vacías.
En las próximas diapositivas hacemos dos cosas. Primero, ponemos sobre la mesa por qué creemos que hablamos de IA en serio — y no de plantillas con marketing. Segundo, recorremos seis áreas donde, según nuestra lectura, una capa de IA bien hecha podría liberar tiempo y reducir riesgo en su operación.
Esto es un punto de partida. Lo que ustedes nos cuenten mañana va a corregir, descartar y profundizar lo que aquí proponemos. Esa es la idea.
Aclaremos qué no es lo que venimos a venderles.
El mercado de "IA para empresas" en Colombia está saturado de plantillas. Antes de que conversemos de hipótesis útiles, queremos que sepan con claridad de qué no estamos hablando — para que no nos midan con la vara de los demás.
Plantillas con makeup
Modelos entrenados con sus datos
No estamos diciendo que las plantillas no sirvan para nada. Decimos que para una empresa con disponibilidad pactada del 99,45% no son la herramienta correcta. Una indisponibilidad por mal consejo de un chatbot no es una pena — es una multa.
IA real, en tres frentes que se complementan.
No vendemos un producto cerrado. Combinamos tres familias de modelos según el problema. Lo que llega a su casa es la mezcla específica que su operación necesita — entrenada con sus datos, evaluada contra sus métricas.
Lo que aprende patrones
- Series de tiempo sobre datos SCADA, medición y telemetría — para detectar anomalías antes de que escalen.
- NLP especializado sobre resoluciones CREG, manuales XM, contratos de conexión y actas internas.
- Computer vision para inspección de torres, aisladores, bahías y termografías — bounding boxes con prioridad.
- Optimización combinatoria para programación de mantenimientos y priorización de órdenes de trabajo.
Sus datos, no plantillas
- Entrenamiento con sus históricos de operación, fallas y mantenimiento — sin importar formato (CSV, PDF, fotos, planos).
- Indexación semántica de documentación técnica y regulatoria propia — con citas a página y resolución.
- Anonimización y control de acceso por rol antes de cualquier procesamiento.
- Pipelines versionados — si un dato entra, se puede rastrear desde dónde vino y cómo afectó cada modelo.
Donde sus datos ya viven
- On-prem o cloud híbrido · soberanía de datos primero. Lo que es sensible no se va a cloud público.
- Modelos open-source (familias Llama, Mistral, modelos especializados) cuando hay que mantener todo en sus servidores.
- Integración con SCADA, GMAO, SharePoint, Power BI — sin reemplazar lo que ya funciona.
- Ciberseguridad estilo banca · alineable con lineamientos de XM/ISA cuando aplique.
Para infraestructura crítica, la diferencia no es teórica — es la diferencia entre piloto productivo y juguete.
Una plataforma genérica es aceptable para una pyme de servicios. Para un transportador puro con disponibilidad pactada, multas regulatorias y obligaciones de reporte, la distinción técnica se traduce directamente en riesgo financiero y operativo.
Resumen para mañana: cuando hablemos de un caso de uso, asuman que detrás hay un modelo, un dataset y una métrica de negocio acordada — no un wrapper de chatbot.
Seis frentes donde, según nuestra lectura, IA bien hecha mueve la aguja en un transportador puro.
Lo siguiente es un índice. Cada área tiene su propia diapositiva con hipótesis, ejemplo ilustrativo y métrica de negocio que vale la pena medir. Si alguna no aplica a DISTASA, la borramos juntos mañana.
El orden no es arbitrario: empezamos por donde más se siente la presión operativa diaria, y vamos subiendo hasta la mesa de la dirección. Cada área cierra con la métrica que vale la pena medir si llegamos al piloto.
Detección temprana de anomalías. Antes de que se vuelvan indisponibilidad.
Un transportador puro vive de leer alarmas y decidir bajo presión. La hipótesis: un modelo entrenado con la dinámica normal de la subestación Tasajero detecta desviaciones sutiles que el ojo humano deja pasar — y un copiloto resume el contexto del incidente cuando hay que tomar decisión rápida.
- Detección de anomalías en datos SCADA con modelos de series de tiempo que aprenden la operación normal de cada bahía y línea.
- Copiloto de incidentes que cruza la alarma con el histórico, las maniobras recientes y el clima — y entrega un resumen de 3 frases al operador.
- Patrones recurrentes que el modelo destaca: alarmas que siempre vienen en pares, indicadores que predicen un evento mayor.
- Sin reemplazar al operador — la decisión sigue siendo humana. La IA prepara el contexto en segundos.
Inspección con visión por computador y predictive maintenance sobre los activos críticos.
Recorrer torres y bahías con drones o cámara de campo es lento. La hipótesis: que la IA pre-procese las imágenes, marque los hallazgos y los cruce con histórico de fallas para sugerir prioridad. Su equipo entra a revisar lo que ya viene marcado — no a buscar.
- Computer vision sobre fotos de torres, aisladores y bahías para detectar corrosión, vegetación, herrajes sueltos, puntos calientes (si hay termografía).
- Predictive maintenance con históricos de fallas, condiciones ambientales y horas de operación — sugerir qué activo revisar primero.
- Priorización automática de órdenes de trabajo según criticidad del activo, riesgo regulatorio y disponibilidad de cuadrilla.
- Reporte de hallazgo automático con foto, ubicación, severidad y recomendación de tipo de intervención.
Un buscador semántico sobre su propia documentación técnica.
La memoria técnica de DISTASA está repartida entre planos, memorias de cálculo, especificaciones, estudios de conexión y actas. Encontrar algo concreto puede tomar medio día. La hipótesis: indexar todo eso semánticamente y dejar que cualquier ingeniero pregunte en lenguaje natural — con citas a página y documento.
- Búsqueda semántica sobre planos, memorias, especificaciones, manuales de equipos y estudios de conexión — con respuestas que citan página y documento.
- Asistente de revisión de diseños que compara una propuesta nueva con su propio acervo y marca inconsistencias contra estándares internos.
- Comparador de alternativas: dada una decisión técnica (ej. transformador, configuración de bahía), trae casos análogos del histórico con métricas reales.
- Generación de listas de materiales preliminares a partir de un alcance de proyecto — con base en proyectos pasados de DISTASA y del grupo Energing.
Un copiloto regulatorio que lee CREG, XM y UPME por ustedes.
El peso regulatorio sobre un transportador puro es desproporcionado a su tamaño. La hipótesis: indexar resoluciones, contratos y manuales — y dejar que el equipo legal y técnico haga preguntas concretas. Las respuestas vienen con cita a artículo y documento, no a memoria.
- Indexación semántica de resoluciones CREG, manuales operativos de XM, documentos UPME, contratos de conexión y actas internas.
- Preguntas en lenguaje natural tipo "obligaciones de información a XM ante una indisponibilidad programada en línea Tasajero–San Mateo" — respuesta con citas verificables.
- Generación de borradores de reportes regulatorios a partir de datos estructurados: indisponibilidades, mantenimientos, eventos de operación.
- Alertas de cambio normativo · cuando una nueva resolución CREG o circular XM afecta directamente la operación de DISTASA, el sistema avisa y resume el impacto.
Si la indisponibilidad real excede la pactada, aplica el régimen de compensaciones por incumplimiento de disponibilidad pactada, calculado conforme a [CREG 097-2008 · art. 14] y a la cláusula 7 del contrato de conexión vigente con Termotasajero [Contrato-Conexión-2019 · pág. 18].
Cuantificar el riesgo de ingresos por activo. En tiempo real, con escenarios.
Sus ingresos regulados dependen de pocos activos críticos. La hipótesis: un modelo que simula indisponibilidades y muestra el impacto financiero esperado y el riesgo de incumplir disponibilidad pactada — con escenarios A/B para apoyar decisiones de inversión.
- Modelos de simulación Monte Carlo sobre indisponibilidades históricas · estiman ingresos esperados, valor en riesgo (VaR) y probabilidad de incumplimiento por activo.
- Escenarios de inversión CAPEX: dado un proyecto (ampliación, equipamiento, redundancia), proyectar impacto en disponibilidad y en ingreso esperado.
- Trazabilidad del riesgo por línea: la línea Tasajero–San Mateo no vale lo mismo que el tramo Tasajero–Los Palos. El modelo lo refleja.
- Reporte mensual generativo · explica los desvíos del mes en lenguaje claro a la junta y dirección, sin requerir analista dedicado.
Una página al mes que explica el negocio — no que muestra gráficas sin contexto.
Para gerencia y junta, el problema no es falta de datos — es exceso. La hipótesis: un tablero ejecutivo que cruza operación, regulación, finanzas y proyecto, y un párrafo generado por IA que explica qué pasó y por qué — listo para revisión y firma humana.
- Tablero ejecutivo único · disponibilidad consolidada, ingresos vs. presupuesto, riesgos abiertos, próximos hitos regulatorios — todo en una sola pantalla.
- Resumen ejecutivo dinámico generado a partir de los datos: "este mes pasó X, por Y, el impacto fue Z, lo que viene es W". Explicado en lenguaje claro.
- Comparativos automáticos contra otros transportadores (cuando los datos públicos lo permitan) y contra históricos propios.
- Sin requerir analista dedicado: la dirección abre un PDF y entiende el mes en 4 minutos. La firma sigue siendo humana — el armado, no.
Seis áreas, seis hipótesis, seis métricas. Listas para contrastar mañana.
Mientras escuchamos sus procesos área por área, vamos a estar señalando dónde encaja cada hipótesis, cuál se descarta, y cuál se profundiza. Esta lámina es el mapa que vamos a usar como referencia.
No vamos a empujar las seis. Lo más probable es que dos o tres de estas hagan el mejor sentido para arrancar — y de ahí salga la propuesta de piloto que les llevemos en dos semanas.
No queremos su firma para 12 meses. Queremos un piloto chico que les sirva en 90 días.
La consultoría tradicional vive de proyectos largos, facturados por hora, con entregas finales. A nosotros nos sirve más un piloto pequeño, medible, que se pruebe en producción acotada — y que ustedes decidan si quieren extenderlo.
Proyecto largo, factura por hora
Piloto chico, medible, en producción
Si el piloto no mueve la métrica acordada, ustedes no extienden. Es así de simple — y nos obliga a poner foco donde realmente sirve.
Stack técnico maduro. Sin dependencias políticamente sensibles.
Para infraestructura crítica, la conversación de stack es tan importante como la de modelos. Soberanía de datos, ciberseguridad y mantenibilidad están al mismo nivel que la precisión del modelo. Sin esto, lo demás no aplica.
No venimos a empujar piloto. Venimos a escuchar y volver con propuesta concreta.
Esta es nuestra primera conversación. Tres cosas queremos sacar de la sesión de mañana, en este orden. Cada una es una pieza del rompecabezas para volver, en dos semanas, con un piloto que les sirva de verdad.
Nexo AI
Una empresa que mueve 3% de la energía del país
no se moderniza con un chatbot.
Se moderniza con IA entrenada en sus datos.
Gracias por abrirnos la puerta. Lo que sigue es escucharlos mañana, ir a casa a trabajar, y volver en dos semanas con una propuesta que les sirva — o con la honestidad de decirles dónde no podemos aportar.