Integración de una herramienta basada en modelos de lenguaje de gran tamaño para el monitoreo energético en un hogar inteligente

Abstract

A pesar del avance digital en las tecnologías de gestión energética, persiste una brecha considerable entre la generación de datos y la capacidad de los usuarios para el manejo e interpretación de los mismos. Esta separación limita el aprovechamiento de sistemas orientados a la optimización energética residencial (HEMS). Para abordar esta problemática, se integró una herramienta basada en un Sistema Multi-Agente (MAS) que actúa como intermediario técnico entre los datos del hogar y el usuario residencial. La arquitectura se fundamenta en el desacoplamiento de responsabilidades mediante agentes, orquestados a través de un flujo de interacción que incorpora el protocolo de comunicación MCP (Model Context Protocol) y el uso del framework declarativo DSPy, facilitando la escalabilidad del sistema y la trazabilidad de las consultas.

La solución fue implementada utilizando una base de datos real de consumo residencial de un hogar en Sincelejo, Colombia, y validada mediante un benchmark semántico y estructural con el framework DeepEval, aplicado a 10 modelos de lenguaje de gran tamaño (LLMs). Los resultados demuestran la orquestación sistemática de los agentes, apoyada por módulos de validación deterministas (Workers) que mitigan las alucinaciones intrínsecas de los modelos, permitiendo una interpretación fluida de los datos.