Tom Nudell, CEO y cofundador de Piq Energy – Serie de entrevistas

Tom Nudell, CEO y cofundador de Piq Energy, es ingeniero de sistemas de energía y ejecutivo tecnológico con amplia experiencia en análisis de redes, planificación de transmisión y infraestructura energética. Antes de fundar Piq Energy, pasó casi siete años en Smart Wires, donde ascendió a varios cargos de liderazgo en análisis y finalmente se desempeñó como Director de Producto y Análisis de Soluciones, liderando equipos interdisciplinarios de ingenieros de planificación de transmisión, ingenieros de software y analistas que trabajaban en estudios avanzados de planificación de redes y sistemas analíticos automatizados. Anteriormente, Nudell fue Investigador Postdoctoral Asociado en el MIT, donde su trabajo se centró en la resiliencia de sistemas energéticos interconectados, la gestión de energía de microredes y el control transaccional. También realizó investigaciones en North Carolina State University sobre la localización de perturbaciones en redes eléctricas a gran escala mediante mediciones en tiempo real, aprendizaje automático informado por la física, teoría de control y optimización.

Piq Energy es una empresa de software de planificación de redes centrada en acelerar la conexión de nuevos proyectos energéticos, centros de datos y otras grandes cargas eléctricas a la red eléctrica. Su plataforma permite a desarrolladores y servicios públicos llevar estudios complejos de redes internamente, automatizar flujos de trabajo de ingeniería, evaluar puntos potenciales de interconexión y probar numerosos escenarios de proyectos y de la red de manera más rápida. Piq está desarrollando una plataforma de planificación de redes agente que combina modelos de sistemas eléctricos, datos, herramientas de ingeniería y flujos de trabajo impulsados por IA en un entorno unificado, con aplicaciones que abarcan solar, eólica, almacenamiento de energía en baterías y desarrollo de grandes cargas. La empresa afirma que su tecnología gestiona más de 1,000 modelos de redes de transmisión y se ha utilizado para completar más de 10,000 flujos de trabajo de ingeniería, mientras busca reducir uno de los mayores cuellos de botella que enfrenta la nueva energía y la infraestructura informática: los prolongados procesos de interconexión de redes.

Tu carrera ha abarcado investigación en aprendizaje automático informado por la física, trabajo de resiliencia de redes en el MIT y siete años construyendo análisis de planificación de transmisión en Smart Wires. ¿Cómo llevaron esas experiencias a identificar el problema específico que se convirtió en Piq Energy?

Mi doctorado fue en sistemas de energía computacionales, donde me enfoqué en la monitorización y control en tiempo real a gran escala. A partir de ahí realicé un postdoctorado en el MIT sobre redes eléctricas resilientes y mecanismos de mercado dinámicos. Después de mi postdoctorado, me incorporé a Smart Wires, donde pasé siete años fundando y ampliando el equipo de análisis. Mi equipo tenía cobertura global de ingeniería de sistemas eléctricos en cuatro continentes, con experiencia en flujo de potencia, simulación de mercados, dinámica, EMT y hardware en bucle.

En los primeros tres meses de unirme a Smart Wires, me di cuenta de que la planificación de redes es esencialmente un problema masivo y complejo de ciencia de datos. Empecé a imaginar cómo simplificar y automatizar las partes más costosas del proceso: la definición del análisis, la coordinación entre diferentes expertos temáticos y la construcción y validación de modelos. Para mejorar este proceso de planificación de redes, desarrollamos algunas ideas clave. La primera fue la reproducibilidad: si tu análisis es 100 % reproducible, entonces debería haber costo marginal cero para que otra persona o experto lo vuelva a ejecutar. Esta reproducibilidad es crucial para permitir una colaboración fluida entre desarrolladores, servicios públicos y otras terceras partes en los estudios de redes. La segunda consistió en aplicar el concepto de que “todos los modelos son incorrectos, algunos son útiles” y centrarse en la verificación de que disponemos de un modelo útil para el problema en cuestión, en lugar de intentar construir y gestionar el modelo más “preciso” para todo. (Cuando nos referimos a “modelos” aquí, hablamos de los modelos de red, los modelos dinámicos de dispositivos y plantas, etc.).

Estas ideas iniciales nos llevaron a mí y a Dio, mi cofundador, a comenzar a imaginar una plataforma de software sofisticada para automatizar el trabajo que estábamos realizando. Al mismo tiempo, observábamos cómo la fila de interconexión se estaba convirtiendo en un enorme cuello de botella para la red. También veíamos los crecientes desafíos para interconectar nuevas tecnologías de red, incluidas las recursos basados en inversores (IBRs, que abarcan todos los nuevos proyectos renovables) y tecnologías que mejoran la red, como el hardware SmartValve que vendía Smart Wires. Dio y yo nos dimos cuenta de que sabíamos cómo resolver estos problemas, pero necesitábamos crear una empresa de software para hacerlo.

Hay tres componentes: Primero, mi formación en sistemas de energía computacionales y la experiencia de dirigir un equipo global de análisis fueron la base. Segundo, el trabajo que ya habíamos realizado en Smart Wires fue la prueba de que existía un valor real y tangible por crear. Y, por último, el macroentorno —la magnitud del desafío, que también es la magnitud de la oportunidad— fue el catalizador para dar el salto y fundar Piq Energy.

Piq se describe a sí misma como una \”plataforma de planificación de redes agente\”. ¿Qué hace que el sistema sea agente en lugar de simplemente una plataforma de automatización o análisis, y qué tareas pueden sus agentes de IA planificar y ejecutar de forma independiente?

Piq está acelerando la interconexión. El análisis técnico es actualmente el mayor cuello de botella para la interconexión, por lo que estamos construyendo una plataforma autónoma de planificación de redes para acelerar estos análisis técnicos.

Existen niveles de automatización. Hoy, estos niveles de automatización no se han definido explícitamente para la planificación de redes y la interconexión, pero puedes imaginar algo análogo a niveles de automatización de SAE para la conducción. Hice alusión a esta idea en mi artículo de 2018 publicado en el Congreso Mundial de CIGRE. [T. Nudell, et al. “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

Ahora contamos con esta asombrosa tecnología de propósito general en los grandes modelos de lenguaje, y con Piq estamos descubriendo cómo aprovechar la autonomía agente sin dejar de garantizar que la física y la ingeniería se realicen correctamente, de forma totalmente reproducible y auditable en cada ocasión.

Hoy nuestro agente configura modelos y escenarios, lanza estudios, cruza referencias con informes publicados, analiza resultados y redacta nuevos informes que se basan en los datos del estudio.

Los estudios de red dependen de software de ingeniería establecido, modelos de red detallados y estrictas limitaciones físicas. ¿Cómo combina Piq la IA con estas herramientas deterministas sin permitir que un modelo probabilístico anule la física subyacente del sistema eléctrico?

Tienes razón: los estudios de red dependen de software establecido, modelos detallados y física conocida. Nuestra plataforma permite que los agentes complementen la experiencia humana, informados con nuestros datos y contexto sobre qué tipos de estudios ejecutar, cómo configurar los escenarios y, a continuación, fundamentar el análisis en datos de resultados concretos.

Pero entonces todo lo que hay entre medio es automatización determinista y escalable. Nunca se escribe código nuevo por parte de los agentes y no hay simuladores de física desconocidos. Esto da lugar a una plataforma mucho más confiable en comparación con otros enfoques, porque el trabajo que realiza un agente es reproducible y auditable, y se ejecuta de la manera correcta cada vez. En otras palabras, si un ingeniero humano inspecciona el resultado, debería poder replicar cada paso del proceso y obtener los mismos resultados.

¿Qué partes de un estudio tradicional de interconexión o planificación de transmisión puede automatizar Piq hoy, y qué decisiones aún deben ser revisadas y aprobadas por un ingeniero calificado?

Hoy Piq ofrece a los desarrolladores un conjunto de herramientas a lo largo del proceso de estudio de interconexión.

La primera es una evaluación preliminar a gran escala en áreas extensas que llamamos análisis de cribado regional. Proporciona un mapa de calor de la capacidad de margen N‑1 en cada nodo de una región, de modo que puedas ver dónde la red realmente tiene espacio antes de comprometerte con una ubicación.

La segunda es una evaluación más profunda en una ubicación específica: un estudio POI, o cribado puntual. Estos estudios profundizan en un punto de interconexión: todas las limitaciones de la red, las posibles mejoras y el costo de esas mejoras para un proyecto que se conecte allí.

La tercera es la gestión de colas. Aquí los desarrolladores pueden simular la teoría de juegos de un estudio de clúster, comprendiendo la asignación detallada de costos y cómo esa asignación cambia a medida que el conjunto de generadores varía. Los proyectos se redimensionan, algunos se retiran, otros desarrolladores toman acciones y tu asignación de costos se ajusta con ellos. Es un problema dinámico, y hoy la mayoría de los desarrolladores lo descubren después de que ocurre, en lugar de modelarlo con anticipación.

Piq también automatiza el proceso de construcción y validación de modelos de plantas dinámicas: el equipamiento y los controles que representan los centros de datos, granjas solares y otros participantes en la red.

Todos estos modelos, resultados e informes requieren la intervención humana que pueda guiar las entradas y revisar las salidas. No afirmamos tener aún un sistema de conducción totalmente autónoma, y no confiaría en nadie que afirme lo contrario.

Piq ha completado más de 10 000 estudios de producción. ¿Qué le ha enseñado operar a esa escala sobre mantener la precisión de los modelos, rastrear las condiciones cambiantes de la red y producir resultados que los ingenieros puedan reproducir y auditar?

La cifra de 10 000 ya está desactualizada y, desde enero (cuando se publicó ese número), ahora ejecutamos 2 000 estudios al mes, y seguimos creciendo. Esto es resultado del aumento de nuestros usuarios y de que más usuarios están construyendo sistemas internos que también escalan.

Operar a ese ritmo te enseña que la reproducibilidad no es una característica que se agrega. Es la restricción que determina si puedes operar a esa velocidad en absoluto. Si un estudio no puede reproducirse, no puede auditarse, y si no puede auditarse nadie puede actuar sobre él. Si tus estudios no son accionables, solo estás generando volumen, no valor. Todo lo que hemos construido en la plataforma parte de la idea de crear modelos útiles y ejecutar estudios valiosos.

Piq permite a los desarrolladores de centros de datos y a otros clientes de gran carga evaluar sitios potenciales y escenarios de conexión antes de acercarse a una utilidad. ¿Cómo pueden estos estudios liderados por los desarrolladores acelerar el proceso sin crear suposiciones conflictivas o duplicar el análisis oficial de la utilidad?

La compañía eléctrica aún necesita realizar su propio estudio oficial, pero nuestros clientes no pueden esperar. Hoy en día, puede tomar más de un año recibir esos resultados oficiales, y mientras tanto nuestros clientes están sentados con cientos de millones de dólares de inversión. Tienen equipos que adquirir, terrenos que comprar y posiciones de interconexión que asegurar en todo el país. Capacitamos a nuestros clientes para que tomen esas decisiones antes del estudio oficial de la compañía eléctrica. También hemos visto cómo nuestros clientes pueden influir en la dirección de la compañía eléctrica al estar equipados con conocimientos sobre soluciones de interconexión flexibles o mejoras alternativas para conectar capacidad adicional.

Lo que ofrecemos es una forma rápida y eficiente de previsualizar el futuro. Nadie tiene una bola de cristal (y no sabes contra quién más compites en la fila), pero si los estudios son asequibles y rápidos, explorar muchos escenarios ayuda a nuestros clientes a tomar decisiones mejor informadas con su capital. También ofrecemos la capacidad a nuestros clientes de explorar mejoras alternativas para desbloquear la capacidad existente en su sistema y iterar mano a mano con las compañías eléctricas como verdaderos socios.

Las compañías eléctricas de California han recibido solicitudes para aproximadamente 18,7 GW de nueva capacidad de servicio para centros de datos, aunque muchos proyectos propuestos pueden nunca construirse. ¿Puede la IA ayudar a las compañías eléctricas a distinguir proyectos creíbles de solicitudes especulativas o duplicadas y evitar que “cargas fantasma” distorsionen la planificación a largo plazo de la red?

La especulación no es irracional. Dado lo mucho que tarda en estudiarse y conectarse un proyecto, cualquiera que pueda permitirse presentar solicitudes de interconexión especulativas lo hará. Es la respuesta racional al proceso de interconexión tal como existe hoy. Según nuestra visión, si los proyectos pudieran estudiarse y conectarse tan rápido como construirse, no habría incentivo para especular en primer lugar.

Así que la respuesta no se trata de usar IA para identificar la especulación. En cambio, la respuesta es usar IA para mejorar realmente el proceso, para conectar más carga de manera más eficiente. Esto significa usar IA tanto para acelerar el propio proceso de estudio de interconexión como para encontrar mitigaciones alternativas, incluidas tecnologías que mejoran la red e interconexiones flexibles. Combinado con cambios regulatorios, como costos de solicitud más altos o depósitos mayores y tarifas de interconexión revisadas, la IA puede desbloquear un sistema mucho más eficiente con mucha menos especulación.

Pero en ausencia de cambios, los desafíos con las cargas fantasma seguirán acumulándose. Más carga fantasma implica más escenarios que estudiar, lo que dificulta la planificación a largo plazo para los planificadores de la compañía eléctrica, lo que ralentiza todo el sistema. Un sistema más lento aumenta el incentivo para especular. Esto es exactamente lo que vimos con las colas de interconexión de generadores que nos impulsaron a iniciar Piq en 2023, y es precisamente el bucle de retroalimentación que intentamos romper.

Piq afirma que su trabajo ha ayudado a identificar casi 1 GW de capacidad de red mediante soluciones flexibles y tecnologías que mejoran la red. ¿Qué tipos de cambios operacionales o tecnologías están desbloqueando esa capacidad, y puede describir un ejemplo en el que un proyecto evitó una importante mejora de la red?

Solo tres cosas pueden desbloquear capacidad. Todas son tipos de flexibilidad operativa que no estaban disponibles para la red hasta hace poco. Llamamos a estos tres tipos de flexibilidad Point Flexibility, Aggregate Flexibility y Network Flexibility.

La flexibilidad puntual es lo que cambia en el punto de interconexión, incluyendo soluciones como traer su propia generación (BYOG), límites de retiro neto, reducción de carga/cargas controlables, entre otras. La flexibilidad agregada son recursos distribuidos a lo largo de la red, como VPP y DER agregados para gestionar restricciones de transmisión. Y la flexibilidad de red son los propios parámetros y configuraciones de la red: control avanzado de flujo de potencia, optimización de topología y clasificación dinámica de líneas. Lo importante es que los tres pueden modelarse, planificarse y, eventualmente, desplegarse en una sala de control.

El ejemplo más claro es la flexibilidad de red. Estudiamos un caso donde la restricción vinculante era un solo elemento, y 70 MVAr de control de flujo de potencia desplegados directamente en esa restricción desbloquearon aproximadamente 600 MW de capacidad adicional. Sin nuevas líneas de transmisión, sin permisos de varios años, solo una pequeña mejora de la red para desbloquear 600 MW de capacidad.

La utilización de la capacidad de la red de transmisión está solo alrededor del 35 % bajo condiciones de planificación de peor caso. La red no está llena. Aunque el mayor desafío para conectar grandes cargas hoy es la capacidad de la red, la red solo está limitada en lugares específicos bajo condiciones específicas. La mayoría de esas limitaciones tienen una solución que no implica esperar una década por nuevos cables, y esa solución puede identificarse mediante un mejor estudio de la red.

Existe un ecosistema de rápido crecimiento para estos tres tipos de flexibilidad. Empresas como Base Power, Voltus, Smart Wires, NewGrid y otras están desplegando soluciones reales a escala hoy. La única pieza que falta es el marco analítico para incorporar estas soluciones en los estudios de interconexión en primer lugar.

Las decisiones de ingeniería que involucran la red pueden afectar la confiabilidad, los precios de la electricidad y la inversión en infraestructura durante décadas. ¿Qué salvaguardas, procesos de validación, permisos y rastros de auditoría son necesarios antes de que las compañías eléctricas puedan confiar en agentes de IA con flujos de trabajo de planificación cada vez más complejos?

Estamos 100 % de acuerdo. Para tomar decisiones de ingeniería sólidas, cada pieza de trabajo automatizado debe ser auditable y reproducible. Es necesario un registro documental para cada acción, ya que no se quiere que una IA funcione como una caja negra y se vuelva incontrolable.

Nuestros registros de auditoría son multifacéticos. Conservamos las conversaciones del agente, las acciones del agente y la ejecución determinista de la herramienta. Cada subpaso y sub‑flujo de trabajo mapea y gestiona todas sus entradas y salidas, de modo que todo es auditable de extremo a extremo.

Los permisos también son cruciales. Nuestros agentes heredan los permisos del usuario con el que trabajan. Un agente no puede ver datos ni realizar acciones que la persona para la que trabaja no pudiera ver o ejecutar.

Esto está relacionado con el tema más amplio de la gobernanza de datos, y los agentes están cambiando los paradigmas históricos. Históricamente, la gobernanza se centraba en datos estructurados, limitados a un solo silo. Con los agentes, tienes datos estructurados, semiestructurados y no estructurados moviéndose entre silos — lo que es precisamente la capacidad que una plataforma como Piq promete, y lo que hace que la gobernanza sea más difícil. Hay mucho más datos en juego y una gama más amplia de personas interactuando con ellos. En una organización de sistemas eléctricos eso importa doblemente: para información de inversión competitivamente sensible y para CEII. Afortunadamente, hay personas inteligentes trabajando en esto, como los involucrados en el Grupo de Trabajo IEEE sobre Gobernanza de Datos para Organizaciones de Sistemas de Energía.

Piq recaudó recientemente una ronda semilla de $5 millones sobresuscrita para expandir su plataforma. Mirando a cinco años, ¿cómo esperas que la IA cambie la planificación de la red, y será suficiente un análisis más rápido para seguir el ritmo de la demanda eléctrica generada por centros de datos de IA, la electrificación y el crecimiento industrial?

Creo que usar IA para acelerar el análisis es clave para mantenerse al día con la demanda eléctrica. La conclusión principal es que la automatización a esta escala no solo consiste en hacer el mismo trabajo más rápido, sino también en habilitar análisis que simplemente no podrían realizarse con una capacidad humana limitada. Interconexión flexible, redes de transmisión flexibles, tecnologías que mejoran la red — todo ello desbloquea capacidad latente que ya existe en la red hoy. Al combinarlo con estudios de interconexión acelerados, creemos que podremos seguir el ritmo de la demanda.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar Piq Energy.