Los casos de uso que siguen son un ejemplo ilustrativo por sector. Cada snapshot muestra qué evalúa el agente antes de actuar, qué ejecuta de forma autónoma cuando puede hacerlo con garantías, y qué recibe el analista cuando no puede.

Prescriptive Decision AI para Utilities
Utilities
Previsión de Generación y Demanda Renovable

Los modelos de previsión producen un número. El trader no sabe por qué el modelo está fallando en ese periodo concreto, qué señal está distorsionando la previsión ni cuánto le va a costar ignorarlo. En generación renovable, la incertidumbre no es simétrica: sobreestimar la generación eólica en un periodo de baja presión tiene un coste de penalización directo y cuantificable antes de que se produzca. AyGLOO añade una capa agéntica sobre ese modelo: el agente evalúa la fiabilidad de la previsión en ese contexto meteorológico concreto, calcula el coste esperado de cada posición de puja posible y ajusta automáticamente cuando puede hacerlo con garantías. Cuando no, alerta al trader con el contexto completo y la exposición ya cuantificada para decidir en minutos.

1
El agente ajusta la puja automáticamente en los periodos donde la fiabilidad es total. El trader solo interviene donde la incertidumbre meteorológica requiere criterio humano.→ Penalización evitable €3.000–€4.000 por periodo ajustado
2
El ISA detecta los micro-segmentos horarios y meteorológicos donde el modelo sobreestima sistemáticamente, con el MAPE histórico de cada segmento como doble check antes de actuar.→ MAPE 14.6% en segmento crítico vs. 4.2% de media de cartera
3
El CF muestra qué variable está distorsionando la previsión y cuánto cambiaría si esa señal se normalizara — informa la decisión de cobertura intradiaria antes de ejecutar.→ Señal dominante identificada antes de cerrar la posición
4
El agente elige entre tres acciones posibles —ajustar la puja, recomendar cobertura intradiaria o alertar al trader— según lo que minimiza el coste esperado en cada caso concreto. No aplica la misma respuesta a toda la incertidumbre.→ Decisión estratégica, no solo corrección técnica del modelo
Hoy, lo que un trader suele recibir
Previsión #FC-20260218-14h 342 MWh · MAPE: 14.6% Mercado diario · Zona: Noroeste · Sin contexto adicional
Con AyGLOO. Misma previsión, completamente enriquecida
Previsión #FC-20260218-14h · Zona: Noroeste 342 MWh · Mercado diario · Ventana: 18–22h El agente actúa
XAI Por qué esta previsión Twin Reglas con nivel de fiabilidad ISA Segmento de error del modelo CF Variable que distorsiona la previsión Econ Función de decisión económica Action Decisión del agente PDF Trazabilidad regulatoria
1. Por qué esta previsión. Twin model (fidelidad 97.1%)
100%IF variable_producción_A < media_estacional AND indicador_meteorológico_B = true AND estación = referencia → Ajustar puja a la baja automáticamente. Fiabilidad total: actuar sin revisión manual.
81%IF variable_demanda_C > media_estacional AND patrón_consumo_D = true → Demanda elevada posible. Revisar posición de demanda antes de cerrar la puja.
59%IF temperatura > media_estacional sin otros factores → Señal débil aislada. No ajustar puja solo con esta variable.
La regla de fiabilidad total activa el ajuste automático del agente: ejecuta la corrección de puja sin esperar al trader. Las reglas con fiabilidad menor son las que el agente deriva al trader, con la exposición ya cuantificada para decidir en minutos.
XAITwin
2. Segmento de error del modelo (ISA)
Micro-segmento: "horas tarde-noche, baja presión, invierno" · MAPE histórico en este segmento: 14.6% frente al 4.2% de media de la cartera · El modelo sobreestima sistemáticamente la generación eólica en periodos de viento bajo · Sin deriva detectada en las últimas 8 semanas · Alta fiabilidad: actuar con confianza.
El ISA es el doble check del agente antes de ajustar automáticamente: confirma que el error en este segmento es sistemático y estable, no ruido puntual. Si el semáforo fuera amarillo —deriva detectada o patrón inestable— el agente no ajustaría automáticamente. Derivaría al trader.
ISA
3. CF. Qué variable está distorsionando la previsión
Eliminar señal de viento bajo: previsión sube +18.3 MWh · Si viento recuperara media estacional: previsión +14 MWh · Si temperatura se normalizara: demanda –6 MWh · La señal de viento es el factor dominante; la temperatura es secundaria
El CF no es una corrección: es la explicación de qué variable está tirando la previsión a la baja y cuánto cambiaría si esa condición se normalizara. Informa la decisión de cobertura intradiaria si el trader decide complementar el ajuste automático.
CF
4. Función de decisión económica. Coste esperado por posición de puja
Posición
MWh pujados
Penalización esperada
Ahorro vs. sin ajuste
Sin ajuste
342 MWh
€4.200–€5.000
desvío estimado sin corrección
—
Ajuste automático ✓
323–326 MWh
–16 a –19 MWh
€800–€1.200
€3.000–€4.000
Cobertura intradiaria
342 MWh + cobertura
€300–€600
penalización residual
€X prima de cobertura
→ En este caso el agente ajusta directamente: máximo ahorro sin coste adicional · Si la exposición residual superara el coste de cobertura, el agente elegiría cobertura intradiaria
El agente no optimiza el MAPE: optimiza el coste de penalización esperado. La métrica que importa al negocio no es cuán precisa es la previsión — es cuánto cuesta la desviación. Eso cambia la función objetivo y, con ella, la decisión de puja.
Econ
5. Decisión del agente
El agente ajusta la puja — sin intervención del trader
La regla de fiabilidad total se cumple y el ISA confirma que el error en este segmento es sistemático y estable · Ejecuta el ajuste de puja: –16 a –19 MWh para la ventana 18–22h · Penalización esperada reducida de €4.200–€5.000 a €800–€1.200 · Trazabilidad de la decisión exportable para auditoría regulatoria
o bien, si el ajuste directo no cubre la exposición o el precio de cobertura intradiaria es inferior a la penalización residual esperada
→ El agente recomienda cobertura intradiaria:la exposición residual tras el ajuste supera el coste de la prima · el agente calcula el volumen óptimo de cobertura y lo presenta al trader listo para ejecutar · decisión final del trader porque implica una posición activa en mercado intradiario
o bien, si la fiabilidad fuera menor o el ISA detectara deriva en el modelo
→ El agente alerta al trader:previsión con incertidumbre elevada, MAPE del segmento, CF con la variable dominante, exposición esperada en euros y escenarios de ajuste y cobertura comparados · el trader decide la posición con la exposición ya cuantificada en minutos
El agente tiene tres caminos posibles, no dos: ajustar directamente cuando el error es sistemático y el ajuste cubre la exposición, recomendar cobertura cuando no la cubre, y alertar al trader cuando la incertidumbre requiere criterio humano. En trading esto importa especialmente: la diferencia entre ajustar la puja y cubrir en intradiario no es técnica — es una decisión estratégica con implicaciones de coste y posición en mercado distintas.
ActionPDF

Ejemplo ilustrativo. Cada despliegue se adapta a los modelos, datos y operativa de cada entidad.

Impacto estimado · mercados DA/ID
€3–4K
Ahorro por periodo ajustado automáticamente
Diferencia entre penalización sin ajuste (€4.200–€5.000) y con ajuste (€800–€1.200) · atribuible directamente a cada decisión del agente
−65%
MAPE en segmentos de alto error identificados por ISA
Corrección sistemática en micro-segmentos donde el modelo sobreestima generación eólica
80%
Pujas resueltas sin intervención del trader
El trader solo actúa donde la incertidumbre meteorológica o la estrategia de cobertura requieren criterio humano