IA para analítica de luz diurna: métricas que debes exigir a un proveedor
La analítica basada en IA no debería limitarse a “visualizar” datos. En proyectos B2B de daylight harvesting, la IA debe convertir sensores y contexto en decisiones operativas que mejoren el confort visual y reduzcan energía, con trazabilidad y calidad de medida.
1) Métrica de precisión: cómo demuestran que “lo que predicen” es real
Pide que expliquen el error de estimación entre valores medidos (irradiancia/iluminancia en planos de trabajo, o equivalentes) y los resultados inferidos por el modelo.
- Media y dispersión del error por zona, con horizonte temporal (minutos, horas, por estación).
- Validación cruzada o pruebas en periodos “fuera de muestra” (no solo un ajuste inicial).
- Cómo gestionan calibraciones, mantenimiento de sensores y deriva con el tiempo.
2) Robustez por condiciones: cielo variable, ocupación y obras en marcha
La IA debe rendir en escenarios reales, no solo en condiciones ideales. Exige métricas por “casos” que reflejen el edificio.
- Rendimiento en días nublados vs. despejados, con umbrales claros de activación.
- Tratamiento de picos de ocupación y cambios de uso (salas, flujos, horarios).
- Indicadores de incertidumbre, para evitar acciones agresivas cuando el modelo “no sabe”.
3) Métricas de decisión: lo que optimizan y con qué garantías
Pregunta cómo traducen la analítica en control. La IA debe optimizar objetivos con límites operativos, no solo “recomendar”.
Confort visual
Solicita métricas relacionadas con uniformidad, riesgo de deslumbramiento y estabilidad de iluminación en el tiempo.
Eficiencia energética
Exige indicadores de ahorro verificable: desagregación de aportes (luz natural vs. luminarias), comparativas por periodo y metodología de “baseline”.
Calidad del control
Pide métricas de frecuencia de ajustes, histéresis y cumplimiento de “no oscilación”, especialmente cuando el sistema coordina persianas, lucernarios y atenuación.
4) Integración con BMS: trazabilidad de datos y acciones
Si el proveedor no puede explicar el flujo de datos y comandos, es difícil auditar resultados.
- Qué señales se consumen (por ejemplo, ocupación, horarios, estado de persianas) y cómo se versiona el mapeo.
- Cómo registran eventos: decisión, motivo, inputs, respuesta del actuador.
- Tiempo de latencia y tolerancia a pérdida temporal de datos.
Checklist rápida para la reunión con el proveedor
- Pide definiciones claras de las métricas: qué significan, cómo se calculan y cada cuánto se recalculan.
- Solicita pruebas con datos históricos y comparativas por periodos (por estación y tipo de cielo).
- Exige trazabilidad de cambios en el modelo y auditoría de decisiones de control.
- Incluye criterios de aceptación: umbrales de error, estabilidad de control y verificación de ahorro energético.
Si el proveedor no puede aportar métricas y metodología, te arriesgas a optimizar “a ojo”. En cambio, con una IA bien medida, la analítica de luz diurna se convierte en una herramienta de gestión continua.