Inteligencia artificial generativa en la transición energética: una revisión de alcance
DOI:
https://doi.org/10.70577/asce.v5i3.922Keywords:
: Inteligencia artificial, Política energética, Recursos energéticos, Fuente de energía renovable.Abstract
La transición energética enfrentó desafíos asociados a la integración de fuentes de energía renovable variable, la gestión de la incertidumbre y la creciente complejidad de los sistemas energéticos, frente a los cuales la inteligencia artificial (IA) generativa emergió como una herramienta aún no sistematizada. El objetivo de este estudio fue analizar y sistematizar, mediante una Revisión de Alcance (Scoping Review) conforme a las directrices PRISMA-ScR, la evidencia científica sobre el uso de la IA generativa en la transición energética, con el fin de identificar sus principales dominios de aplicación, enfoques metodológicos y vacíos de investigación. La búsqueda bibliográfica se realizó el 17 de diciembre de 2025 en IEEE Xplore, Scopus, Web of Science y Springer Nature, con criterios de inclusión y exclusión definidos previamente; se incluyeron estudios revisados por pares publicados entre 2020 y 2026, con lo cual se conformó un corpus final de 12 estudios, analizados mediante un enfoque cualitativo y descriptivo. Los estudios incluidos evidenciaron tres ejes principales de aplicación: la generación de escenarios y datos sintéticos, la optimización de procesos operativos y de mantenimiento, y el apoyo a la toma de decisiones en sistemas energéticos inteligentes. Persistieron limitaciones relacionadas con la escasa validación en entornos reales, la dependencia de los datos, la escalabilidad computacional y la ausencia de marcos regulatorios. Se concluyó que la IA generativa constituyó un enfoque emergente y transversal en la transición energética, cuya consolidación práctica requiere mayor validación empírica. El protocolo fue registrado en el Open Science Framework (OSF) bajo el código 10.17605/OSF.IO/BYM7A.
Downloads
References
Adewoyin, M. A. y Adediwin, O. y Audu, A. J. (2025). Artificial Intelligence and Sustainable Energy Development: A Review of Applications, Challenges, and Future Directions. International Journal of Multidisciplinary Research and Growth Evaluation., 6(2), 196-203. https://doi.org/10.54660/.ijmrge.2025.6.2.196-203 DOI: https://doi.org/10.54660/.IJMRGE.2025.6.2.196-203
Algburi, S. y Sabeeh Abed Al Kareem, S. y Sapaev, I. B. y Mukhitdinov, O. y Hassan, Q. y Khalaf, D. H. y Jabbar, F. I. (2025). The role of artificial intelligence in accelerating renewable energy adoption for global energy transformation. Unconventional Resources, 8. https://doi.org/10.1016/j.uncres.2025.100229 DOI: https://doi.org/10.1016/j.uncres.2025.100229
Alsaigh, R. y Mehmood, R. y Katib, I. (2023). AI explainability and governance in smart energy systems: A review. Frontiers in Energy Research, 11. https://doi.org/10.3389/fenrg.2023.1071291 DOI: https://doi.org/10.3389/fenrg.2023.1071291
Alsayegh, A. y Masood, T. (2024). Leveraging generative AI for knowledge-driven information retrieval in the energy sector. MATEC Web of Conferences, 401, 10008. https://doi.org/10.1051/matecconf/202440110008 DOI: https://doi.org/10.1051/matecconf/202440110008
Alvarez, D. I. y González-Ladrón-de-Guevara, F. y Rojas Espinoza, J. y Borge-Diez, D. y Galindo, S. P. y Flores-Vázquez, C. (2025). The Evolution of AI Applications in the Energy System Transition: A Bibliometric Analysis of Research Development, the Current State and Future Challenges. Energies, 18(6). https://doi.org/10.3390/en18061523 DOI: https://doi.org/10.3390/en18061523
Annapareddy, V. N. y Seenu, A. (2023). Generative AI in Predictive Maintenance and Performance Enhancement of Solar Battery Storage Systems. International Journal of Humanities Education.
Antonesi, G. y Cioara, T. y Anghel, I. y Michalakopoulos, V. y Sarmas, E. y Toderean, L. (2025). From Transformers to Large Language Models: A systematic review of AI applications in the energy sector towards Agentic Digital Twins. DOI: https://doi.org/10.1016/j.apenergy.2025.126670
Balogun Barnabas Friday y Dhakir Abbas Ali. (2024). Balancing Innovation and Sustainability: Assessing the Impact of Generative AI on Energy Consumption. International Journal of Innovative Research and Development, 13(9). https://doi.org/10.24940/ijird/2024/v13/i9/sep24021 DOI: https://doi.org/10.24940/ijird/2024/v13/i9/SEP24021
Benchikh, S. y Jarou, T. y Lamrani, R. (2024). Enhancing renewable energy systems with advanced artificial intelligence solutions. SCT Proceedings in Interdisciplinary Insights and Innovations, 2, 319. https://doi.org/10.56294/piii2024319 DOI: https://doi.org/10.56294/piii2024319
Benti, N. E. y Chaka, M. D. y Semie, A. G. (2023). Forecasting Renewable Energy Generation with Machine Learning and Deep Learning: Current Advances and Future Prospects. Sustainability (Switzerland), 15(9). https://doi.org/10.3390/su15097087 DOI: https://doi.org/10.3390/su15097087
Briceño, C. P. y Rojas, M. y Mendez, I. y Ponce, P. y Mei, Q. (2025a). Harnessing Generative AI for Photovoltaic Systems to Enhance Safety Features of Tailored Industrial Solar Solutions. En A. Kumar (Ed.), Powering Future: Clean Energy Solutions for a Sustainable Planet.
Briceño, C. P. y Rojas, M. y Mendez, I. y Ponce, P. y Mei, Q. (2025b). Harnessing Generative AI for Photovoltaic Systems to Enhance Safety Features of Tailored Industrial Solar Solutions (pp. 213-235). https://doi.org/10.1007/978-981-96-5055-2_13 DOI: https://doi.org/10.1007/978-981-96-5055-2_13
Chatterjee, S. y Khan, P. W. y Byun, Y. C. (2024). Recent advances and applications of machine learning in the variable renewable energy sector. Energy Reports, 12, 5044-5065. https://doi.org/10.1016/j.egyr.2024.09.073 DOI: https://doi.org/10.1016/j.egyr.2024.09.073
Dui, H. y Zeng, Q. y Xie, M. (2025). Generative AI-based spatiotemporal resilience, green and low-carbon transformation strategy of smart renewable energy systems. Frontiers of Engineering Management, 12(4), 1220-1235. https://doi.org/10.1007/s42524-025-4147-6 DOI: https://doi.org/10.1007/s42524-025-4147-6
Dumas, J. y Lanaspeze, A. W. D. y Cornélusse, B. y Sutera, A. (2021). A deep generative model for probabilistic energy forecasting in power systems: normalizing flows. http://arxiv.org/abs/2106.09370 DOI: https://doi.org/10.1016/j.apenergy.2021.117871
Erdiwansyah y Mamat, R. y Syafrizal y Ghazali, M. F. y Basrawi, F. y Rosdi, S. M. (2025). Emerging role of generative AI in renewable energy forecasting and system optimization. Sustainable Chemistry for Climate Action, 7. https://doi.org/10.1016/j.scca.2025.100099 DOI: https://doi.org/10.1016/j.scca.2025.100099
Erhinyodavwe, O. y Eyide, O. y Enudi, M. y Anirejuoritse Mene, J. y Okuyade, O. S. (2024). Artificial Intelligence (AI) Generative Design and Machine Language Application in Solar and Wind Energy. INTERNATIONAL JOURNAL OF APPLIED & ADVANCED ENGINEERING RES, 05(5).
Figliola, A. y Barberio, M. y Del Razo Montiel, A. y Rienzo, P. (2025). Generative Artificial Intelligence (AI) and Sustainable-Aided Design: Opportunities and Challenges. 409-419. https://doi.org/10.1007/978-981-97-8588-9_39 DOI: https://doi.org/10.1007/978-981-97-8588-9_39
Gao, Y. y Miyata, S. y Akashi, Y. (2022). Multi-step solar irradiation prediction based on weather forecast and generative deep learning model. DOI: https://doi.org/10.1016/j.renene.2022.02.051
Ghazi Bishaw, F. y Khairi Ishak, M. y Hassan Atyia, T. (2024). Review Artificial Intelligence Applications in Renewable Energy Systems Integration. 566-582. DOI: https://doi.org/10.52783/jes.2983
Ginzburg-Ganz, E. y Horodi, E. D. y Shadafny, O. y Savir, U. y Machlev, R. y Levron, Y. (2025). Statistical Foundations of Generative AI for Optimal Control Problems in Power Systems: Comprehensive Review and Future Directions. Energies, 18(10). https://doi.org/10.3390/en18102461 DOI: https://doi.org/10.3390/en18102461
Glaws, A. y King, R. N. y Emami, P. y Buster, G. y Benton, B. N. y Zhang, X. y Zamzam, A. y Venkataramanan, V. y Macwan, R. (2025). Designing Future Energy Systems With
Generative AI. Computing in Science and Engineering, 27(4), 8-18. https://doi.org/10.1109/MCSE.2025.3567208 DOI: https://doi.org/10.1109/MCSE.2025.3567208
Goodfellow, I. y Pouget-Abadie, J. y Mirza, M. y Xu, B. y Warde-Farley, D. y Ozair, S. y Courville, A. y Bengio, Y. (2020). Generative adversarial networks. Communications of the ACM, 63(11), 139-144. https://doi.org/10.1145/3422622 DOI: https://doi.org/10.1145/3422622
Haputhanthri, D. y Samarajeewa, C. y De Silva, D. y Manic, M. y Mills, N. y Moraliyage, H. y Jennings, A. (2025). Generative AI Agents for Hyper Predictive Maintenance of Solar Energy
Systems. IECON Proceedings (Industrial Electronics Conference). https://doi.org/10.1109/IECON58223.2025.11221450 DOI: https://doi.org/10.1109/IECON58223.2025.11221450
James, M. (2025). Generative AI for Predictive Maintenance in Renewable Energy: Wind Turbines, Solar Farms, and Beyond.
Khan, S. y Mim, J. J. y Shorna, J. F. y Hasan, M. A. y Tarek, H. R. y Islam, M. A. y Hossain, N. (2026). Machine learning for renewable energy advancements: Prospects and emerging techniques. Energy Reports, 15. https://doi.org/10.1016/j.egyr.2025.109008 DOI: https://doi.org/10.1016/j.egyr.2025.109008
Kumarage, P. M. y Saarela, M. (2026). Explainable Generative AI: A Two-Stage Review of Existing Techniques and Future Research Directions. AI, 7(1), 31. https://doi.org/10.3390/ai7010031 DOI: https://doi.org/10.3390/ai7010031
Lin, Z. y Guo, Z. y Huang, D. y Song, C. y Tan, H. y Song, X. y Zhang, H. y Yan, J. (2023). Leveraging Generative AI for Renewable Energy: Photovoltaic Panel Semantic Segmentation Case Study. 36. DOI: https://doi.org/10.46855/energy-proceedings-11182
Majumder, S. y Dong, L. y Doudi, F. y Cai, Y. y Tian, C. y Kalathil, D. y Ding, K. y Thatte, A. A. y Li, N. y Xie, L. (2024). Exploring the capabilities and limitations of large language models in the electric energy sector. Joule, 8(6), 1544-1549. https://doi.org/10.1016/j.joule.2024.05.009 DOI: https://doi.org/10.1016/j.joule.2024.05.009
Meza Jimenez, V. y Perez, E. (2022). The Role of Artificial Intelligence in Latin America’s Energy Transition. DOI: https://doi.org/10.1109/TLA.2022.9904766
Mousavi, R. y Mousavi, A. y Mousavi, Y. y Tavasoli, M. y Arab, A. y Kucukdemiral, I. B. y Alfi, A. y Fekih, A. (2025). Revolutionizing solar energy resources: The central role of generative AI in elevating system sustainability and efficiency. Applied Energy, 382. https://doi.org/10.1016/j.apenergy.2025.125296 DOI: https://doi.org/10.1016/j.apenergy.2025.125296
Rane, N. L. (2024). Contribution of ChatGPT and Other Generative Artificial Intelligence (AI) in Renewable and Sustainable Energy. Journal of Advances in Artificial Intelligence, 2(1), 1-26. https://doi.org/10.18178/JAAI.2024.2.1.1-26 DOI: https://doi.org/10.18178/JAAI.2024.2.1.1-26
Razak, T. R. y Ismail, M. H. y Darus, M. Y. y Jarimi, H. y Su, Y. (2025). Artificial Intelligence in Renewable Energy: A Systematic Review of Trends in Solar, Wind, and Smart Grid Applications. Research and Reviews in Sustainability, 1(1), 1-22. https://doi.org/10.5334/rss.6 DOI: https://doi.org/10.5334/rss.6
Rolnick, D. y Donti, P. L. y Kaack, L. H. y Kochanski, K. y Lacoste, A. y Sankaran, K. y Ross, A. S. y Milojevic-Dupont, N. y Jaques, N. y Waldman-Brown, A. y Luccioni, A. S. y Maharaj, T. y Sherwin, E. D. y Mukkavilli, S. K. y Kording, K. P. y Gomes, C. P. y Ng, A. Y. y Hassabis, D. y Platt, J. C. y … Bengio, Y. (2023). Tackling Climate Change with Machine Learning. ACM Computing Surveys, 55(2). https://doi.org/10.1145/3485128 DOI: https://doi.org/10.1145/3485128
Ruan, J. y Liang, G. y Zhao, H. y Liu, G. y Sun, X. y Qiu, J. y Xu, Z. y Wen, F. y Dong, Z. Y. (2024). Applying Large Language Models to Power Systems: Potential Security Threats. http://arxiv.org/abs/2311.13361 DOI: https://doi.org/10.1109/TSG.2024.3373256
Safari, A. y Daneshvar, M. y Anvari-Moghaddam, A. (2024). Energy Intelligence: A Systematic Review of Artificial Intelligence for Energy Management. Applied Sciences (Switzerland), 14(23). https://doi.org/10.3390/app142311112 DOI: https://doi.org/10.3390/app142311112
Saif-Alyousfi, A. Y. H. y Alshammari, T. R. (2026). Artificial intelligence adoption and private investment in renewable energy: Evidence from firm-level data across developed and emerging economies. Energy Strategy Reviews, 64. https://doi.org/10.1016/j.esr.2026.102054 DOI: https://doi.org/10.1016/j.esr.2026.102054
Selvakumar, P. y Das, A. y Manjunath, T. C. (2026). Generative AI for Bioenergy System Design. En Ramirez, J. Reyes Juárez, Kumar, Abhishek, Rathore, & Pramod (Eds.), Enhancing Renewable Energy Systems With Generative AI. DOI: https://doi.org/10.4018/979-8-3373-4272-6.ch005
Silva, C. y Pereira, V. S. y Baptista, J. y Pinto, T. (2025). Artificial Intelligence and Energy. Energies, 18(18). https://doi.org/10.3390/en18184823 DOI: https://doi.org/10.3390/en18184823
Thirupathi, L. y Nitya, S. y Sathwik Reddy, K. (2026). Generative AI for Intelligent, Resilient, and Sustainable Renewable Energy Systems From Data to Deployment. En Ramírez, J. Reyes DOI: https://doi.org/10.4018/979-8-3373-4272-6.ch006
Juárez, Kumar, Abhishek, Rathore, & Pramod (Eds.), Enhancing Renewable Energy Systems With Generative AI.
Tricco, A. C. y Lillie, E. y Zarin, W. y O’Brien, K. y Colquhoun, H. y Kastner, M. y Levac, D. y Ng, C. y Sharpe, J. P. y Wilson, K. y Kenny, M. y Warren, R. y Wilson, C. y Stelfox, H. T. y Straus, S. E. (2016). A scoping review on the conduct and reporting of scoping reviews. BMC Medical Research Methodology, 16(1). https://doi.org/10.1186/s12874-016-0116-4 DOI: https://doi.org/10.1186/s12874-016-0116-4
Vamvakas, D. y Papaioannou, I. y Tsaknakis, C. y Sgouros, T. y Korkas, C. (2025). Generative AI for Sustainable Smart Environments: A Review of Energy Systems, Buildings, and User-Centric Decision-Making. Energies, 18(23). https://doi.org/10.3390/en18236163 DOI: https://doi.org/10.3390/en18236163
Velmurugan, R. y Sudarvel, J. y Bhuvaneswari, R. y Thirumalaisamy, R. (2026). A Study of Generative AI for Energy Consumption Behavior Analysis. En Ramirez, J. Reyes Juárez, Kumar, Abhishek, Rathore, & Pramod (Eds.), Enhancing Renewable Energy Systems With Generative AI. DOI: https://doi.org/10.4018/979-8-3373-4272-6.ch009
Xiang, H. y Li, X. y Liao, X. y Cui, W. y Liu, F. y Li, D. (2025). Artificial Intelligence in Renewable Energy Systems: Applications and Security Challenges. En Energies (Vol. 18, Número 8). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/en18081931 DOI: https://doi.org/10.3390/en18081931
Zhang, T. y Strbac, G. (2025). Novel Artificial Intelligence Applications in Energy: A Systematic Review. Energies, 18(14). https://doi.org/10.3390/en18143747 DOI: https://doi.org/10.3390/en18143747
Zinoviev, V. y Koeva, D. y Tsankov, P. y Kutkarska, R. (2026). Review of Artificial Intelligence Applications in the Digital Energy and Renewable Energy Infrastructures. Energies, 19(5), 1250. https://doi.org/10.3390/en19051250 DOI: https://doi.org/10.3390/en19051250
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Andrés Zambrano Pullutaxi, Jorge Buele
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Eres libre de:
- Compartir : copiar y redistribuir el material en cualquier medio o formato
- Adaptar : remezclar, transformar y desarrollar el material
- El licenciante no puede revocar estas libertades siempre y cuando usted cumpla con los términos de la licencia.
En los siguientes términos:
- Atribución : Debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o a su uso.
- No comercial : no puede utilizar el material con fines comerciales .
- CompartirIgual — Si remezcla, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
- Sin restricciones adicionales : no puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer algo que la licencia permite.
