Levantarse en primavera y sentir la luz de la mañana colándose por la puerta abierta de madera, que alguien olvidó cerrar, en uno de los pueblos de la Sierra de las Nieves, Tolox. Donde el sol empieza a iluminar cada rincón gracias a ese blanco inmaculado que nos transporta a recuerdos de antaño.

El blanco de las fachadas no es solo color, es transportarnos al encalado de las abuelas, donde se han contado historias entre sus calles y susurros de pueblo. La luz despierta, se extiende e ilumina sus macetas, brilla en el aire y todo parece más calmado, más auténtico.

Por el contrario, si me dejo envolver por la ciudad puedo decir que no es un secreto que nos hemos vuelto sibaritas del café. De hecho, podemos pasear por Málaga, haciendo una ruta para conocer los locales donde sus tostadores nos ofrecen sus mejores granos. Hasta ahí, bien. El problema es toda la parafernalia que acompaña a la materia prima y su máquina.

Levantarse en un pueblo y entender la luz. Pasear por la ciudad y sofisticar el café. Entre ambos extremos hay algo más que estética, hay una forma de relacionarnos con lo esencial.

A veces, voy escribiendo pequeños fragmentos de lo que pasa a mi alrededor. Y lo anterior, es un claro ejemplo de ello. De lo que siento, veo y aprendo. Supongo que es un pequeño acto de rebeldía. De poner en valor lo bohemio y lo bucólico, con el caos, la novedad y la actualidad. Y aquí me he encontrado con una antítesis tan necesaria, que integra y soporta.

Pero me surgen preguntas, ¿el mundo se está volviendo loco? ¿O es que no se sabe gestionar la incertidumbre, los cambios y el futuro? Y casi sin darte cuenta, empiezas a recordar y cuestionar menos, porque todo está diseñado para que no tengas que hacerlo. La Inteligencia Artificial al servicio del recuerdo elegido, la Inteligencia Humana sin servicio.

Para colmo, como con el café, nos pasa con los datos, su gobierno y la IA. Lo importante es la materia prima, datos. A partir de aquí, nos perdemos en florituras y adornos. Lo que me lleva a la película Memento. Su protagonista sufre de amnesia anterógrada, no es capaz de construir nuevos recuerdos.

Es decir, falla la memoria a corto plazo, no hay nada que pasar a la memoria a largo plazo ya. No es solo recordar, es saber qué recordar y por qué. Eso, en datos, es gobernanza. Estamos tan expuestos a todo tipo de información, tecnología, incentivos, dopamina que poco se asienta, reflexiona y cuestiona.

Pasa el tiempo y ya no recordamos nada de lo que pasó hace un año. Igual, ni hace un mes. El modelo energético basado en predicción ya no es suficiente para gestionar sistemas eléctricos modernos. La creciente penetración de renovables, la descentralización de la generación y la volatilidad de la demanda han convertido la gestión energética en un problema dinámico, donde anticipar “como antes” no garantiza poder actuar correctamente. Hay que conocer, hay que ser consecuente con la tecnología, la generación, la integración. Hay que entender las restricciones físicas del sistema, la variabilidad de las renovables y cómo cada decisión impacta en la estabilidad de la red. Vamos, como entender que no son iguales, pero necesarias, tanto la vida en el pueblo como en la ciudad. Tanto el aporte de una como la otra.

La IA causal no busca solo identificar patrones en los datos, sino entender las relaciones de causa y efecto que hay detrás de ellos.

A diferencia de los modelos tradicionales, que trabajan con correlaciones y predicen lo que probablemente ocurrirá, permite responder a preguntas clave: qué pasará si intervengo, qué variables están realmente influyendo y cómo cambiará el sistema ante una decisión. Es, en esencia, pasar de describir el pasado a poder actuar sobre el futuro con mayor criterio.

En este contexto, la causalidad aparece como un cambio de paradigma. Viendo dos ejemplos para el sector de la energía, uno como plataforma establecida y otro en desarrollo, se nos hace más fácil entender la importancia de conocer el entorno y qué podemos o necesitamos comprender.

Causify es un producto real que construyen un motor de decisiones basado en causalidad porque los pronósticos tradicionales no pueden explicar la compleja dinámica causal de las redes modernas y lo interesante aquí, conecta los flujos de datos.

En el otro extremo, descubrí Causal Grid como un prototipo, pero me parece interesante destacarlo porque frente a modelos que identifican correlaciones en datos históricos, los enfoques causales permiten simular intervenciones, entender dependencias reales y, sobre todo, evaluar consecuencias antes de ejecutarlas.

Sirve para probar ideas, mostrar pipelines y experimentar con modelos causales. Para nada está orientado a negocio directamente, pero poder validar conceptos, enseñar arquitectura y explorar cómo aplicar la AI causal en un caso concreto.

La diferencia no es tecnológica, sino de madurez porque mientras uno permite entender, el otro permite decidir. Y precisamente por eso, ambos deben estar en un radar: uno para acelerar pilotos, el otro para llevarlos a la realidad. Y así replicable a otras áreas y entornos. Buscar, indagar, conocer lo que nos rodea y asentar los conocimientos. No es lo que nos den, es lo que investiguemos.

Hemos construido sistemas cada vez más robustos, más eficientes y optimizados, mientras nosotros estamos siendo incapaces de gestionar la incertidumbre. Al final, no sé si por tranquilidad o por supervivencia (o ambas serán la misma cosa) volveremos a aquellos pueblos de los abuelos para cocinar con fogones de leña e iluminarnos con quinqués de aquel pueblo encalado.

“La libertad para elegir es, en sí misma, una carga.” Isaiah Berlin.