El pasado año la filial de distribución de Endesa, e-distribución, abrió 17.499 expedientes por fraude en Sevilla, un 66% más que el año anterior. Esta "tasa de éxito" se debe a la aplicación de técnicas de machine learning (aprendizaje automático) y deep learning (aprendizaje profundo) para detectar pérdidas de energía no técnicas.

La digitalización de la red, el despliegue de sensores y la implantación de los contadores inteligentes hace que cada vez se obtenga más información del funcionamiento de los equipos de medida y de la red de media y baja tensión. El análisis de los datos permite detectar desviaciones y comportamientos anómalos para orientar las inspecciones de manera más eficiente y aumentar el porcentaje de fraude detectado.

Siempre respetando la normativa, e-distribución trabaja con un volumen importante de datos que vuelca en un "data lake" sobre el que se utilizan lenguajes de programación avanzados para crear modelos que permiten detectar el fraude.

La aplicación de la inteligencia artificial sobre los datos y la mejora sistemática de estos modelos predictivos, así, está permitiendo a Endesa detectar de forma eficiente todo tipo de fraudes, tanto en suministros con contrato en vigor, como en suministros sin contrato, desde los fraudes tradicionales (puentes, dobles acometidas, enganches directos, etc.), hasta los más sofisticados (placas con circuitos impresos insertadas en los propios contadores), detectando una gran cantidad de fraudes y con una precisión difícil de imaginar hace escasamente unos años.

La unidad de Machine Learning está compuesta por matemáticos, informáticos e ingenieros que aplican la inteligencia artificial a la lucha contra el fraude eléctrico en Endesa. Son expertos en data science y big data. Estos nuevos perfiles profesionales se han incorporado en los últimos años a la plantilla de Endesa y trabajan junto con los inspectores de campo para desarrollar y mejorar los modelos predictivos.