Una guía del Centro de Asesoramiento sobre Pobreza Energética (EPAH) analiza cómo la digitalización, la inteligencia artificial, la inclusión digital, la interoperabilidad y los gobiernos locales pueden reforzar la lucha contra la pobreza energética. El documento parte de una premisa clara: las herramientas digitales pueden mejorar la identificación de hogares vulnerables, la planificación de medidas y el seguimiento de resultados, pero solo si se usan con criterios éticos, sociales y democráticos.
El texto se dirige a municipios, regiones, responsables políticos, servicios sociales, profesionales de vivienda y energía, ONG y organizaciones comunitarias. Su enfoque se alinea con la metodología EPAH, estructurada en tres fases: diagnóstico, planificación e implementación. La guía no presenta la tecnología como una solución automática, sino como un apoyo a las políticas sociales y climáticas existentes.
Digitalización e inteligencia artificial
El documento distingue entre la conversión de información analógica a formato digital, la digitalización de procesos y la transformación digital. La primera consiste en convertir información analógica en datos digitales; la segunda integra herramientas digitales en procesos públicos; la tercera implica cambios más profundos en la gobernanza, la participación ciudadana y la toma de decisiones. En energía, esta transformación puede combinar datos de consumo, vivienda, ingresos, salud o clima para comprender mejor la vulnerabilidad.
La inteligencia artificial aparece como una frontera con alto potencial. Puede anticipar riesgo de deuda energética, detectar pobreza energética oculta cuando un bajo consumo refleja autocontención, priorizar renovaciones o apoyar la evaluación de ayudas. Sin embargo, el documento advierte sobre sesgos algorítmicos, falta de transparencia, vigilancia indebida y decisiones opacas. Por ello recomienda modelos explicables, auditables, supervisados por personas y desarrollados con participación de comunidades afectadas.
Diagnóstico digital, datos y gobernanza local
En la fase de diagnóstico, la digitalización permite pasar de evaluaciones estáticas a análisis más dinámicos. Contadores inteligentes, mapas geoespaciales, registros de edificios, sensores, datos administrativos y análisis predictivo ayudan a detectar zonas de riesgo, infraconsumo, viviendas ineficientes o efectos de crisis energéticas y fenómenos climáticos extremos. La guía también menciona métodos cualitativos digitales, como análisis de redes sociales, observación de foros comunitarios o diarios digitales de hogares.
El Reglamento General de Protección de Datos no impide emplear información personal para fines públicos, pero obliga a definir finalidad, minimizar datos, garantizar seguridad, informar a residentes y permitir derechos de acceso, corrección u oposición. La guía insiste en acuerdos formales entre municipios, empresas energéticas, servicios sociales, agencias de vivienda, centros de investigación y ONG. También recomienda combinar datos cuantitativos con conocimiento local para no confundir ausencia de datos con ausencia de necesidad.
El caso EU-DREAM muestra cómo la IA puede integrar variables socioeconómicas, vivienda, clima y energía para estimar riesgos en hogares y barrios. Su principal enseñanza es que los modelos predictivos deben servir como apoyo a la decisión, no como clasificación definitiva. La guía también cita herramientas europeas de riesgo ambiental como EFEHR, GEM OpenQuake y Copernicus Emergency Management Service, útiles cuando se combinan con datos sociales y energéticos.
Planificación, interoperabilidad y participación ciudadana
En planificación, las herramientas digitales ayudan a reunir los resultados del diagnóstico en paneles compartidos, visualizar escenarios y comparar opciones bajo distintos supuestos, como precios de la energía, condiciones climáticas o comportamiento de los hogares. La guía propone usar el marco PESTLE para valorar factores políticos, económicos, sociales, tecnológicos, legales y ambientales, siempre con una lectura específica de la digitalización.
El documento subraya que la visión estratégica no debe ser generada por algoritmos. Las plataformas participativas, consultas digitales, mapas colaborativos y análisis de discurso público pueden mejorar la deliberación, pero deben complementarse con canales presenciales. El proyecto DataCellar ilustra la importancia de espacios de datos federados e interoperables: permite compartir información energética de forma segura sin centralizarla en un único repositorio, reduciendo fragmentación y respetando propiedad, privacidad y ciberseguridad.
Implementación inclusiva y factores de éxito
En la implementación, la digitalización puede coordinar equipos, gestionar casos, controlar presupuestos, hacer seguimiento en tiempo casi real y evaluar resultados. También apoya campañas específicas, aplicaciones de ahorro energético, ventanillas únicas digitales, comunidades energéticas, renovaciones de vivienda, incentivos y ayudas. Algunos modelos de aprendizaje automático citados por la guía alcanzan precisiones superiores al 90% en la predicción de pobreza energética, aunque deben mantenerse como herramientas de apoyo con supervisión humana.
La inclusión digital es una condición central. La guía recomienda modelos híbridos con atención presencial, alfabetización digital, acceso asequible a dispositivos y conectividad, interfaces simples y multilingües, intermediarios de confianza y alternativas no digitales como teléfono, papel o atención cara a cara.
La conclusión es que la digitalización debe entenderse como una capacidad de gobernanza a largo plazo, no como una compra tecnológica puntual. Sus factores de éxito son diseño centrado en las personas, roles institucionales claros, formación continua, implementación gradual, cocreación, interoperabilidad, autonomía frente a proveedores, seguimiento con retroalimentación y aprendizaje permanente.