Multi-Agent Home Energy Management Assistant

Este artículo presenta HEMA, el primer sistema de código abierto basado en agentes múltiples que facilita la colaboración humano-IA mediante interacciones conversacionales sostenidas para tareas de gestión energética doméstica, integrando capacidades de razonamiento de modelos de lenguaje con herramientas específicas y un marco de evaluación exhaustivo.

Lo esencial

¡Hola! Imagina que tu casa tiene un "cerebro" digital que no solo vigila tu consumo de energía, sino que habla contigo, te explica las cosas como si fueras un amigo y te ayuda a ahorrar dinero sin que tengas que ser un ingeniero.

Ese es HEMA (Tu Asistente de Gestión de Energía del Hogar).

Aquí te lo explico de forma sencilla, usando analogías de la vida diaria:

1. El Problema: La "Caja Negra" Aburrida

Antes, las aplicaciones de energía eran como un libro de contabilidad aburrido y estático. Te decían: "Gastaste 500 dólares este mes". Pero no te decían por qué, ni cómo arreglarlo, ni te respondían si les preguntabas: "¿Por qué mi factura es tan alta?". Tú eras un espectador pasivo, esperando a que la factura llegara para lamentarte.

2. La Solución: HEMA, el "Equipo de Expertos"

HEMA no es un solo robot aburrido. Imagina que contratas a un equipo de tres especialistas que trabajan juntos en tu casa, pero que solo tú ves a través de un chat de WhatsApp o un sitio web.

• 🕵️‍♂️ El Detective (Agente de Análisis):

  • Su trabajo: Mira tus facturas y datos como un detective.
  • Analogía: Es como un médico que revisa tu historial clínico. Si le preguntas "¿Qué está gastando más?", él no solo te da un número, sino que te dice: "¡Oye! Tu aire acondicionado (HVAC) está consumiendo el 55% de tu energía, ¡es como si dejaras la nevera abierta todo el día!". Te dice exactamente dónde está el "gasto" y cuánto dinero puedes ahorrar si lo apagas o lo ajustas.

• 📚 El Profesor (Agente de Conocimiento):

  • Su trabajo: Responde tus dudas y te enseña.
  • Analogía: Es el vecino sabio que siempre tiene la respuesta. Si le preguntas "¿Qué es una tarifa de 'hora pico'?" o "¿Hay descuentos para comprar una bomba de calor?", él no te lanza un manual técnico aburrido. Te lo explica con palabras simples, como si estuvieras tomando un café, y te busca los cupones o descuentos (rebates) que puedes usar.

• 🎛️ El Mago de los Dispositivos (Agente de Control):

  • Su trabajo: Maneja tus aparatos inteligentes.
  • Analogía: Es como un mayordomo personal. Si le dices "Quiero que la bomba de la piscina trabaje solo cuando la electricidad es barata", él lo hace. Pero es muy cuidadoso: antes de tocar nada, verifica que sea seguro (como un chofer que revisa los frenos antes de arrancar) y te pide permiso: "¿Te parece bien si subo la temperatura del aire a 26°C para ahorrar?".

3. ¿Cómo se organizan? (El "Jefe de Tráfico")

Lo genial de HEMA es que estos tres expertos no se pelean. Tienen un jefe de tráfico inteligente (un clasificador) que escucha lo que dices y decide quién debe hablar.

• Si preguntas sobre tus datos, el Detective toma el micrófono.
• Si preguntas sobre teoría, el Profesor responde.
• Si quieres encender algo, el Mago actúa.
  Todo esto ocurre en una sola conversación fluida, sin que tengas que cambiar de aplicación ni de pantalla.

4. ¿Por qué es especial? (La Prueba de Fuego)

Los creadores no solo lo construyeron; lo pusieron a prueba de una forma muy creativa. En lugar de contratar a cientos de personas reales para probarlo (lo cual es lento y caro), usaron robots simulados (inteligencias artificiales) que actuaban como diferentes tipos de dueños de casa:

• El "Vecino Confundido" (que no sabe nada de tecnología).
• El "Padre Ahorrador" (que solo quiere bajar la factura).
• El "Ingeniero Tecnológico" (que quiere datos precisos).

El sistema funcionó tan bien que casi siempre logró lo que se proponía (98% de éxito) y dio respuestas correctas casi todo el tiempo.

En Resumen

HEMA es como tener un asesor energético personal, paciente y experto en tu bolsillo. Deja de tratar la energía como un misterio matemático y empieza a tratarla como una conversación. Te ayuda a entender tu casa, a ahorrar dinero y a usar la tecnología de forma inteligente, todo mientras te habla en tu propio idioma.

¡Y lo mejor de todo! Es de código abierto, lo que significa que es como un "Lego" digital: cualquiera puede tomarlo, mejorarlo y adaptarlo para su propia casa.

Resumen técnico

Resumen Técnico: HEMA (Asistente de Gestión de Energía Doméstica)

1. Problema y Motivación

Los sistemas actuales de gestión de energía doméstica (HEMS) presentan limitaciones críticas que afectan su eficacia y adopción:

• Enfoque Pasivo: Conceptualizan a los ocupantes como receptores pasivos de información, lo que limita la toma de decisiones informadas y el compromiso sostenido.
• Rigidez: Se basan en optimización centralizada y lógica estática basada en reglas, ofreciendo poca interacción y adaptabilidad ante la creciente complejidad de los recursos energéticos distribuidos (paneles solares, baterías), tarifas dinámicas (TOU) y tecnologías de alto consumo (carga de vehículos eléctricos).
• Limitaciones de los LLMs Actuales: Las soluciones existentes que integran Modelos de Lenguaje Grande (LLM) carecen de arquitecturas de agentes especializados, dependen de plataformas predefinidas que restringen la personalización y se evalúan mediante interacciones de un solo turno, lo que no refleja la colaboración real humano-IA.

2. Metodología y Arquitectura del Sistema

El artículo presenta HEMA, el primer sistema multi-agente de código abierto diseñado para facilitar la colaboración humano-IA sostenida (interacciones de múltiples vueltas con contexto preservado) en tareas diversas de gestión de energía.

Arquitectura de Tres Capas

El sistema sigue un diseño modular compuesto por:

1. Capa Frontend: Una interfaz web conversacional construida con React, Vite y Tailwind CSS. Permite diálogos naturales, soporta múltiples vueltas y renderizado en Markdown. Se comunica con el backend mediante API RESTful.
2. Capa Backend: Implementada con FastAPI (Python). Actúa como unidad de procesamiento central, gestionando las solicitudes y orquestando el sistema multi-agente. Es agnóstica al proveedor de LLM (soporta OpenAI, Ollama, Google, Anthropic) e incluye un mecanismo de fallback inteligente en cascada para garantizar resiliencia.
3. Capa de Sistema Multi-Agente: El núcleo del sistema, desarrollado con LangChain y LangGraph. Utiliza un gráfico de estado explícito para definir flujos de trabajo predecibles, evitando decisiones implícitas del LLM.

Agentes Especializados y Enrutamiento Inteligente

El sistema coordina tres agentes especializados, cada uno equipado con herramientas específicas (ReAct - Reasoning and Acting):

• Agente de Análisis: Procesa datos de consumo energético (CSV), identifica patrones, clasifica electrodomésticos y calcula ahorros. Dispone de 18 herramientas personalizadas.
• Agente de Conocimiento: Responde consultas educativas y sobre rebajas utilizando RAG (Generación Aumentada por Recuperación) sobre documentos del DOE, ENERGY STAR y bases de datos de rebajas. Incluye integración de APIs meteorológicas. Dispone de 8 herramientas.
• Agente de Control: Gestiona dispositivos inteligentes (termostatos, bombas, etc.). Sigue un flujo de "descubrimiento primero": valida el estado del dispositivo, verifica límites operativos y requiere confirmación explícita del usuario antes de ejecutar acciones. Dispone de 10 herramientas.

Clasificador de Autoconsistencia:
Un clasificador central enruta las consultas del usuario utilizando razonamiento de cadena de pensamiento (Chain-of-Thought, CoT). Ejecuta cuatro intentos de clasificación paralelos y aplica votación mayoritaria para determinar el agente objetivo, garantizando transparencia y reduciendo errores de enrutamiento.

3. Contribuciones Clave

1. Sistema Multi-Agente Abierto y Personalizable: HEMA es la primera plataforma de código abierto (licencia GPL-3.0) que permite a desarrolladores modificar comportamientos de agentes, añadir herramientas y extender funcionalidades para configuraciones domésticas específicas.
2. Colaboración Sostenida: Facilita interacciones de múltiples vueltas donde el contexto se preserva, permitiendo a los usuarios explorar preguntas energéticas de forma iterativa y actuar sobre las recomendaciones.
3. Marco de Evaluación Integral: Introduce una metodología de "LLM como usuario simulado" que permite pruebas sistemáticas sin necesidad de reclutamiento masivo de sujetos humanos. Incluye 23 métricas objetivas divididas en cuatro categorías: rendimiento de tareas, precisión factual, calidad de interacción y eficiencia del sistema.

4. Resultados de la Evaluación

El sistema fue evaluado mediante 105 ejecuciones de prueba (3 perfiles de usuario × 7 escenarios × 5 repeticiones), cubriendo desde análisis de facturas hasta control de dispositivos.

• Rendimiento de Tareas: Tasa de logro de objetivos del 98.1%.
• Precisión Factual: 95.9% de precisión en afirmaciones numéricas (778 afirmaciones verificadas contra datos reales).
• Control de Dispositivos: El agente de control logró un 100% de recolección de información antes de cualquier acción y un 86.8% de tasa de confirmación con el usuario.
• Eficiencia: Tasa de error del sistema del 0.0%. La latencia promedio fue de 35.6 segundos (variando según la complejidad de la tarea).
• Escenarios Fallidos: Las únicas fallas (2 de 105) ocurrieron en un escenario complejo de "preparación de vacaciones" con múltiples dispositivos, donde la complejidad excedió el presupuesto de turnos conversacionales permitidos.

Los ejemplos demostrativos mostraron que HEMA adapta sus explicaciones según la experiencia del usuario (desde un "nuevo confundido" hasta un "optimizador experto"), proporcionando desde conceptos básicos hasta estrategias de optimización técnica.

5. Significado e Impacto

• Para Consumidores: Democratiza el acceso a la gestión energética mediante lenguaje natural, eliminando la barrera de la expertise técnica y fomentando la alfabetización energética.
• Para Utilities: Potencia la flexibilidad de la demanda mediante el control y programación de dispositivos, apoyando programas de respuesta a la demanda y reducción de picos de carga.
• Para la Investigación: Proporciona una plataforma de investigación reproducible y extensible para la comunidad de HEM, estableciendo un nuevo estándar para la evaluación de sistemas HEM integrados con LLM mediante métricas objetivas y estandarizadas.

Limitaciones y Futuro:
El sistema actual es un concepto de prueba para un solo hogar con datos estáticos. Las limitaciones inherentes a los LLM (alucinaciones, no determinismo) se mitigan con herramientas estructuradas y guardarriles de seguridad, pero requieren supervisión humana en despliegues reales. El trabajo futuro incluye la integración de fuentes de datos en tiempo real (IoT, medidores inteligentes) y la validación con usuarios reales en entornos domésticos.