La confluència de factors tecnològics, geopolítics, econòmics i mediambientals ben coneguts està motivant un desplegament inèdit de capital cap a actius infraestructura energètica. Aquest desplegament arriba en un moment sociopolític i econòmic complicat: instal·lar energies renovables en economies desenvolupades on prima l’estat de dret requereix un encaix gairebé impossible en múltiples dimensions (mediambiental, urbanístic, social, tecnològic i econòmic) que, a més, no són estàtiques, sinó subjectes a dinàmiques molt més ràpides que les dels cicles d’inversió en infraestructura.

Aquesta confluència de factors es troba per sort amb l’adveniment d’una revolució tecnològica, la de la IA generativa, originada en el desenvolupament dels algorismes de processament de text basats en Transformers ara ja fa gairebé deu anys, i popularitzada pel llançament de ChatGPT ara en fa prop de 4, que permet a la humanitat el processament a escala d’informació no estructurada mimetitzant processos cognitius que fins fa poc només eren a l’abast de la intel·ligència no artificial, és a dir la humana. En pocs anys, hem passat de software que només podia processar dades prèviament estructurades a software que pot processar (i raonar sobre) la gran majoria d’informació generada per la nostra civilització, que es troba en text, imatges, vídeos o àudio, sense necessitat d’estructurar-la prèviament. Aquesta és la gran revolució, per ara, del paradigma de la IA generativa, que, amb o sense extrapolació a la mal definida Intel·ligència Artificial Generalitzada, està arribant per eixamplar els múltiples colls d’ampolla operacionals presents en els processos de desenvolupament i inversió en infraestructura.

Com esmentàvem al primer paràgraf, l’èxit d’un projecte d’infraestructura, sigui d’un actiu de generació renovable, d’un equipament de xarxa elèctrica, o d’una instal·lació de demanda com un punt de recàrrega de vehicles elèctrics, depèn de la seva correcta i verificable implantació en el territori des de diversos punts de vista potencialment antagonístic. Perquè el desenvolupador del projecte pugui obtenir accés al finançament necessari per construir-lo, l’èxit depèn doncs fonamentalment de tres etapes: (1) trobar un bon emplaçament pel projecte que compleixi amb tots els criteris necessaris per poder assolir un estat de Ready-To-Build, (2) la consecució del vistiplau de tots els actors implicats (institucions públiques, propietaris, altres institucions afectades) durant el procés de permitting tot mantenint-ne les garanties de retorn d’inversió i (3) del convenciment dels finançadors (per deute o equity) de la qualitat i solidesa financera del futur actiu. Per a cada una d’aquestes etapes existeixen aplicacions de la IA que van més enllà de les millores incrementals, vegem-ho a continuació.

Localització d’emplaçaments (siting)

Ubicar un projecte en un país desenvolupat, potencialment en un territori altament poblat, amb regulacions mediambientals i urbanístiques estrictes, requereix l’encreuament de desenes de fonts d’informació, sovint no estructurada. Resumidament, el desenvolupador ha de trobar un emplaçament tal que:

  • Existeixi capacitat disponible a la xarxa elèctrica

  • Existeixin terrenys disponibles de suficient superfície i amb les característiques geogràfiques necessàries (pendents, energia, hidrografia, etc.)

  • Hi hagi compatibilitat potencial amb les restriccions mediambientals, urbanístiques i paisatgístiques del territori

Tradicionalment, els equips de desenvolupament incorporen diverses capes d’informació cobrint aquests aspectes a un sistema GIS on poder visualitzar ràpidament les característiques d’una certa zona abans de començar una prospecció més detallada de manera presencial. L’eficiència d’aquesta aproximació depenia doncs altament de la qualitat i nivell de detall de les fonts incorporades, i el cost d’incorporar una nova font (una nova capa) és elevat doncs requereix processar múltiples punts de dades i geo-localitzar-les.

En els últims dos anys han aparegut diverses startups digitals enfocades en l’anàlisi i cerca de terrenys viables. Des d’iniciatives que aglomeren múltiples fonts d’informació per reemplaçar o augmentar els sistemes GIS actuals (neurogrid, transect (EEUU)), fins a aproximacions basades en agents d’IA que escanegen automàticament totes les ubicacions per preseleccionar ubicacions viables sobre les quals fer una recerca manual més aprofundida (Paces (EEUU), avaly (DE), Nira energy (EEUU). L’avantatge diferencial de totes aquestes eines rau en la capacitat precisament en la capacitat de la IA de poder processar i relacionar grans volums de dades de múltiples fonts per extreure’n la informació necessària.

Suport del procés de desenvolupament i permitting

Un cop identificats els emplaçaments candidats per allotjar un actiu d’infraestructura, comença la feina de gestió del desenvolupament de projecte:

  • Sol·licitud de permisos

  • Respostes als requeriments de l’administració o d’altres organismes afectats

  • Gestió de les contraparts, incloent-hi propietaris de terrenys, administracions, off-takers, proveïdors

Aquesta fase de desenvolupament és la que més s’estén temporalment, prenent entre 4 i 6 anys, i és, per tant, la més exposada als vaivens del mercat, la regulació o les institucions afectades. Rar és el projecte que acaba amb les mateixes característiques amb les quals ha començat, el més habitual és haver d’adaptar contínuament el contingut i les característiques del projecte a mesura que aquest va avançant, o que el mercat o el context regulatori canvia. Addicionalment, la majoria de desenvolupadors i/o inversors en infraestructura, ho fan en diversos mercats en paral·lel, tant per diversificar riscos com per aprofitar els entorns regulatoris o econòmics més propicis en cada moment. La gestió, per tant, d’una cartera de projectes diversificada internacionalment és una activitat altament intensa en recursos humans que requereix el monitoratge continu de desenes de milers de pàgines de documentació per cada projecte i el seu encaix en la realitat econòmica i regulatòria de cada jurisdicció. És en aquest context que l’aplicació de la IA generativa es presenta com una eina de suport indispensable per complementar els recursos humans en les activitats en què les computadores excel·leixen i les persones no: monitoratge de documentació a gran escala, contrastació d’informació a través de múltiples fonts, identificació d’incoherències entre dominis d’expertesa habitualment separats, com el tècnic, el financer i el regulatori.

No és sorprenent doncs que aquest estadi sigui també un terreny fèrtil per a empreses innovadores mirant d’aplicar la IA per complementar l’expertesa humana amb la velocitat i capacitat de les eines digitals. Alguns exemples en són les solucions especialitzades d’Euclid Power (EEUU) i Plume (FR), o la utilització de solucions genèriques com ChatGPT o Claude Cowork per recolzar alguns dels processos com la redacció de sol·licituds o respostes, la interpretació de la legislació vigent, etc.

Acceleració de la fase de finançament i portfolio management

Si la fase de desenvolupament és intensiva en gestió de processos i interlocutors, la fase de finançament ho és en gestió documental i en la capacitat de sintetitzar i contrastar informació tècnica, legal i financera de manera simultània i coherent. Un procés de due diligence per a la compravenda o el finançament d'un actiu renovable o d'infraestructura mobilitza centenars o milers de documents: contractes de compravenda d'energia (PPAs), contractes EPC i O&M, títols de propietat i arrendaments de terrenys, permisos ambientals i urbanístics, connexions a la xarxa, models financers i acords de finançament, cadascun redactat en jurisdiccions i per actors amb convencions documentals pròpies. La tasca dels equips jurídics i financers consisteix, en essència, en verificar que la realitat documentada és coherent amb les representacions del venedor o promotor, i que el conjunt d'actius comprats o finançats compleix amb els estàndards de qualitat exigits pels inversors i les entitats de deute. Aquesta tasca és, per naturalesa, exactament la mena d'activitat en què la IA generativa excel·leix i on l'expertesa humana s'esgota: la lectura sistemàtica i creuada de documents no estructurats a escala.

La resposta del mercat ha estat ràpida. En l'extrem més especialitzat, han aparegut diverses plataformes construïdes específicament per a la due diligence de projectes d'energia renovable i infraestructura real, codificant el coneixement sectorial necessari per extreure i contextualitzar automàticament les clàusules rellevants de PPAs, contractes EPC o acords d'interconnexió. Daedaline (EEUU), Ceart (EEUU) i Threshpower (EEUU), processen VDRs sencers cobrint les dimensions legal, financera i regulatòria de les transaccions d'actius reals, amb un enfocament específic en energia, infraestructura digital i bens immobles. Aevy aplica un enfocament similar al mercat escandinau, identificant automàticament documentació absent o inconsistent entre actius d'una cartera. Finalment, TetraxVerify, la solució de due diligence de TetraxAI (ES), aplica un processament profund dels continguts dels Data Room per detectar relacions entre documents i entitats per tot seguit executar una bateria de verificacions anàlogues a les que realitzen els professionals del sector, aconseguint un anàlisis dels riscos dels projectes en hores enlloc de setmanes.

Cal destacar que en l'àmbit de la due diligence d'infraestructura, el valor diferencial de la IA no rau únicament en la velocitat de processament, sinó en la capacitat de detectar incoherències entre dominis que habitualment es revisen en silos separats, per exemple: que les garanties de producció pactades al contracte EPC siguin consistents amb les hipòtesis del model financer, que els terrenys arrendats cobreixin efectivament l'àrea del projecte permès, o que les clàusules de canvi de control del PPA no entrin en conflicte amb l'estructura de garanties del finançament. Identificar aquests buits manualment, en una cartera de desenes de projectes en múltiples jurisdiccions, és precisament el tipus de tasca que escapa als equips humans per un problema de volum i atenció, no de capacitat analítica. És aquí on la IA generativa no és una millora incremental de l'eficiència, sinó un canvi qualitatiu en la capacitat dels inversors i finançadors d'infraestructura d'entendre i gestionar el risc real dels seus actius.

Conclusió

La transició energètica no s’alentirà per manca de capital ni de recursos renovables, sinó per la incapacitat i el cost de gestionar la complexitat creixent dels processos que la fan possible. És precisament aquí on la IA generativa aporta un canvi qualitatiu: no accelera simplement el que ja fèiem, sinó que fa gestionable el que abans era inabastable. Els equips que integrin aquestes eines en les tres fases crítiques —siting, permitting i due diligence— no només operaran amb més eficiència, sinó que prendran decisions amb una comprensió del risc que fins ara estava fora del seu abast. En aquest sentit, la IA generativa no és un complement tecnològic als processos habituals, sinó una condició necessària per desplegar energia verda a l'escala i la velocitat que el context actual exigeix.

Arnau Tibau, cofundador de Tetrax.ai