La investigación, que se expondrá en Ingeniería deMuestra 2026, el evento de la Facultad de Ingeniería de la Universidad de la República, se apoya e se apoya en la simulación. En lugar de experimentar sobre el sistema eléctrico real —algo peligroso y carísimo—, se arma una copia matemática de la red en una computadora y se prueba ahí qué pasaría en cada situación.
Cada simulación es como sacarle una foto al país en un momento dado: cuánta electricidad se está generando (represas, parques eólicos) y cuánta se está consumiendo (hogares e industrias). Son, en palabras de Courdin, “escenarios como fotos de la red de Uruguay”.
El corte de las tres de la tarde
El caso que motiva la investigación lo vivió el propio Courdin. “Yo soy de Colonia Valdense y allá, en verano, casi todos los días, tipo dos o tres de la tarde, se corta la luz”, contó. El disparador es conocido: a esa hora todos prenden el aire acondicionado al mismo tiempo por el calor agobiante.
Cuando eso ocurre, “repentinamente aumenta mucho la demanda en toda la red”, explicó. Y como el sistema está interconectado, el impacto no queda en un barrio: “todo afecta a todo”, resumió.
La sobrecarga hace que “se terminen disparando algunos límites de los generadores”, unos cortes de seguridad que las máquinas activan para no dañarse. El resultado para el usuario es el apagón.
La propuesta no busca reaccionar cuando la luz ya se fue, sino adelantarse. “Es más que nada un modelo que te permita anticiparte y hacer estudios previos a que sucedan esos casos para poder prepararte mejor”, señaló.
En la práctica, permite probar de antemano qué pasaría ante una demanda altísima y repentina: “alguna línea va a quedar muy sobrecargada si aumenta mucho la demanda, lo podés saber de antemano”, dijo. Con ese aviso, se puede reforzar la infraestructura antes de que el verano la ponga a prueba.
Por qué la velocidad lo cambia todo
Courdin aclara algo importante para no confundir: el sistema actual no funciona mal. “Hoy en día los operadores no planifican a ciegas”, afirmó. Usan métodos que define como “más lentos, pero super precisos”. Su modelo no viene a corregir un error, sino a ganar tiempo.
¿Cuánto tardan esas herramientas tradicionales? Poco, en realidad: “del orden de milisegundos” por cada foto. El cuello de botella aparece cuando hay que estudiar muchas fotos a la vez. “Si uno quisiera hacer un estudio muy grande variando muchos nodos del país, por más que lleve milisegundos evaluar cada caso, eso es lo que te lleva semanas de estudio”, detalló.
Multiplicar milisegundos por millones de combinaciones termina siendo mucho tiempo.
La mejora medida es concreta: “la velocidad que hemos medido son unas 40 veces más rápido este método”, dijo. Eso permite dos cosas: hacer estudios mucho más grandes en el mismo plazo, o el mismo estudio en una fracción de lo que lleva hoy.
La diferencia está en cómo trabaja cada enfoque. Los métodos tradicionales son iterativos, es decir, resuelven el problema por aproximaciones sucesivas: “van acercándose poco a poco, como pasada tras pasada, a la solución”, explicó. Nunca dan con el número perfecto, pero se acercan tanto que, según Courdin, “podés decir: ta, es una solución exacta”.
La IA invierte ese orden: “dedican tiempo al entrenamiento sobre datos para después, rápidamente, de una sola pasada tirar una predicción”. Toda la demora se paga una vez, por adelantado.
Cómo funciona el modelo, paso a paso
Según lo que describe Courdin, el modelo opera así. Primero recibe la entrada: “la infraestructura de la red, la demanda y la generación en todos los nodos”. Los nodos son los puntos principales por donde pasa la electricidad, “las principales subestaciones” del país.
Esa red se representa con un grafo: un esquema de puntos unidos por líneas, “una herramienta matemática para representar muchas cosas como redes”. Es la misma lógica que usan los mapas digitales: “como lo que usa Google Maps”, comparó.
Con eso, el modelo hace su trabajo en una sola pasada y entrega la salida: “lo único que puede decir es cuál es el estado de tensión o el estado de carga en los diferentes nodos del país”. Dicho simple, aprende a leer el mapa eléctrico: “aprende a entender cómo viaja la electricidad por el mapa”.
Para que aprendiera, lo alimentaron con datos de ADME, la Administración del Mercado Eléctrico, que toma mediciones “cada diez minutos” en los puntos clave del país. Se usó información “desde 2020 hasta mayo de este año”, material que está “disponible públicamente”.
El grupo probó dos maneras de entrenarlo. En la primera le mostraron la pregunta y la respuesta ya resuelta por los métodos tradicionales: “le damos la entrada y la salida, y el modelo aprende a resolver el flujo”. En la segunda, la que a Courdin le resulta “el más interesante”, no le dieron las respuestas, sino las reglas: “estas son las ecuaciones que modelan el problema físicamente”, y lo dejaron deducir solo los resultados correctos. “Funcionó bien”, resumió.
No es ChatGPT y no decide nada
El investigador insiste en despejar un malentendido frecuente. “No es una alarma rápida”, aclaró, y tampoco es la clase de IA de la que hablan la mayoría de las noticias. No es un modelo de lenguaje al que se le escribe y contesta, ni un agente que toma decisiones por su cuenta. “Estructuralmente es imposible que o bien reciba texto y conteste, o bien tome decisiones”, dijo. Está diseñado para hacer una sola cosa: “desde la estructura está supercontrolado el comportamiento de la red”.
Eso también limita los riesgos. “No hay ningún tipo de peligro”, sostuvo. “Lo más grave que puede pasar es que la estimación sea mala, y eso salta a la vista.” Como se trata de un fenómeno físico, un resultado disparatado —por ejemplo, generadores que superan lo que la física permite— se detecta enseguida como “físicamente imposible”, y en ese caso se vuelve al método tradicional.
El paso que falta antes de usarlo en serio es la validación. Courdin reconoce que hace falta “mucho proceso de verificación” para comprobar con datos que la precisión alcanza.
La salida que imagina es un esquema híbrido dentro del despacho nacional de UTE: correr una enorme cantidad de escenarios con el modelo rápido para tener un panorama general, y recurrir a los métodos tradicionales, más lentos y precisos, solo en los casos puntuales que lo necesiten.
