O Problema
Em 28 de abril de 2025, às 12h33, Espanha e Portugal perderam 15 gigawatts de energia em cinco segundos. Isso representa cerca de 60% da demanda nacional total — perdido no tempo que leva para piscar duas vezes. Aproximadamente 60 milhões de pessoas ficaram sem energia por até dez horas. Várias pessoas morreram devido a falhas de infraestrutura durante o apagão.
A culpa inicial recaiu sobre a energia renovável. O que acabou se mostrando errado. As investigações da ENTSO-E (o órgão europeu de coordenação de redes) e da Red Eléctrica de España encontraram a causa real: as usinas deixaram de seguir suas próprias regras de controle de tensão. Uma instalação importante chegou a injetar potência reativa na rede durante um evento de sobretensão — o equivalente elétrico de jogar gasolina no fogo. Ela empurrou energia para dentro do sistema quando todos os protocolos exigiam que ela retirasse energia.
Se a sua organização opera infraestrutura crítica ou depende de energia ininterrupta, isso importa. Os controladores da rede que monitoravam as linhas de transmissão de alta tensão viam leituras normais. Os picos perigosos de tensão estavam ocultos em um nível inferior — as subestações do lado do coletor — onde ninguém estava olhando com atenção suficiente. Quando a cascata começou, já era tarde demais para detê-la.
Não foi um acidente fora do comum. Foi uma falha sistêmica da inteligência de controle. E expôs uma lacuna que as ferramentas de IA existentes não foram projetadas para preencher.
Por Que Isso Importa para o Seu Negócio
O apagão ibérico não foi apenas uma história sobre energia. É um alerta sobre o que acontece quando sistemas automatizados não conseguem impor suas próprias regras em tempo real. Se você administra ou depende de infraestrutura crítica, três números devem tirar seu sono:
- 15 GW perdidos em 5 segundos. Isso é mais rápido do que a reação de qualquer operador humano, e mais rápido do que a maioria dos sistemas de IA consegue sequer processar uma chamada de API para a nuvem.
- 78% de penetração renovável na manhã do evento. À medida que a sua rede se desloca para as renováveis, a margem de erro diminui. A inércia natural que antes estabilizava o sistema está desaparecendo.
- 24 horas para restaurar a rede. Procedimentos manuais de black-start transformaram o que poderia ter sido uma recuperação de 4 horas em um apagão de um dia inteiro em dois países.
Para o seu negócio, os riscos regulatórios estão crescendo rapidamente. O EU AI Act classifica o controle de rede como infraestrutura crítica. Isso significa que qualquer sistema de IA que você implantar deve fornecer trilhas de decisão explicáveis e auditáveis — não apenas suposições plausíveis. Se o seu fornecedor de IA não puder mostrar por que tomou uma decisão específica, você enfrenta tanto risco operacional quanto exposição jurídica.
A exposição financeira vai além das multas. Apagões prolongados interrompem cadeias de suprimentos, paralisam a manufatura e corroem a confiança dos clientes. Seu conselho vai querer saber: nossos sistemas podem evitar isso? E se não puderem, qual é o plano?
O Que Realmente Acontece por Baixo do Capô
Para entender por que este apagão aconteceu, você precisa entender um conceito: potência reativa. Pense na sua rede elétrica como a pressão da água em um sistema de tubulações. A potência ativa é a água que flui — ela faz o trabalho útil. A potência reativa é a pressão que mantém a água movendo-se suavemente. Sem pressão suficiente, o sistema colapsa.
As regulamentações espanholas (Procedimento Operativo 7.4) exigem que cada usina absorva ou injete potência reativa igual a pelo menos 30% de sua produção máxima. Isso mantém a tensão estável. Em 28 de abril, a rede precisava que as usinas absorvessem potência reativa porque as tensões estavam disparando. Várias usinas responderam lentamente ou não responderam. E uma instalação fez o oposto — injetou potência reativa, elevando ainda mais as tensões e desencadeando uma reação em cadeia de desligamentos protetivos em toda a rede.
Aqui está o problema mais profundo. Os controladores que operam essas usinas usam tecnologia com décadas de idade — controladores Proporcional-Integral-Derivativo (PID), ajustados para condições estáveis. Eles funcionam bem quando tudo está calmo. Mas quando a rede entra em um evento de oscilação rápida e não linear, esses controladores não conseguem se adaptar. São como um termostato projetado para uma sala de estar sendo encarregado de controlar uma fornalha industrial.
Enquanto isso, os operadores de transmissão observavam linhas de 400 kV que pareciam normais. O verdadeiro perigo estava no nível coletor de 220 kV, onde os tap-changers dos transformadores não conseguiam se ajustar rápido o suficiente. Essa "lacuna de observabilidade" significava que a crise era invisível para as pessoas responsáveis por preveni-la. Seus sistemas de monitoramento são tão bons quanto os pontos de dados que realmente conseguem ver.
O Que Funciona (E o Que Não Funciona)
Vamos começar pelo que falha em ambientes de rede de alta criticidade:
- Controladores PID legados: Eles lidam bem com condições de estado estável, mas colapsam sob a dinâmica não linear de um evento de oscilação rápida — exatamente o que aconteceu em 28 de abril.
- Aplicações wrapper de LLM — ferramentas que enviam seus dados para um modelo de IA baseado em nuvem como o GPT-4 para processamento: Elas introduzem latências de 500 milissegundos a vários segundos. Quando você perde 15 GW em 5 segundos, meio segundo de atraso é uma eternidade. Pior, esses modelos podem "alucinar" — podem relatar que as tensões estão se estabilizando com base em padrões históricos, mesmo quando dados em tempo real mostram uma cascata divergente.
- IA caixa-preta sem trilhas de auditoria: Se o seu sistema de IA não consegue explicar seu raciocínio passo a passo, ele não atende aos requisitos do EU AI Act para aplicações de alto risco. Você não pode defender uma decisão que não consegue rastrear.
O que funciona é uma abordagem em camadas que combina a adaptabilidade das redes neurais com regras físicas gravadas em código. Veja como opera:
Entrada — Sensoriamento ciente da física: Implante sensores de alta resolução no nível coletor (não apenas no nível de transmissão) para fechar a lacuna de observabilidade. Alimente esses dados em Physics-Informed Neural Networks (PINNs) — modelos de IA que incorporam as equações reais que governam o comportamento elétrico diretamente em sua matemática. Esses modelos respondem em menos de 1 milissegundo, cerca de 87 vezes mais rápido do que os métodos convencionais de otimização.
Processamento — Guardrails baseados em regras: Sobreponha uma arquitetura neuro-simbólica por cima. A rede neural cuida do reconhecimento de padrões e da previsão. Mas uma camada de lógica simbólica atua como gatekeeper. Ela codifica seus requisitos regulatórios — como o P.O. 7.4 — como regras inquebráveis. Se a rede neural sugerir injetar potência reativa durante um evento de sobretensão, a camada simbólica bloqueia fisicamente esse comando. O cenário em que uma usina "adicionou em vez de absorver" potência reativa torna-se impossível.
Saída — Trilha de decisão auditável: Cada ação automatizada produz um log legível por humanos: o que a acionou, qual regra se aplicou, qual ação foi tomada e qual resultado ocorreu. Para o evento de 28 de abril, esse registro diria: "Detectada oscilação de 0.63 Hz. Limite de tensão do P.O. 7.4 excedido. Absorção obrigatória de potência reativa imposta em 30% da produção máxima. Tensão estabilizada em 418 kV. Desarme do lado do coletor evitado."
Essa trilha de auditoria é o que sua equipe de conformidade e seus reguladores precisam. Ela transforma sua IA de uma caixa-preta em um sistema transparente e defensável. Para organizações de energia e utilidades, esta é a diferença entre um passivo regulatório e um controle demonstrável.
Você pode fortalecer ainda mais esta arquitetura com ambientes de simulação e gêmeos digitais que permitem testar sob estresse as respostas de IA da sua rede antes de implantá-las em produção — essencialmente um simulador de voo para o seu sistema elétrico.
O período de restauração de 24 horas após o apagão ibérico também poderia ter sido drasticamente encurtado. Sistemas de IA multiagentes — nos quais agentes locais gerenciam ilhas de energia individuais e agentes coordenadores cuidam da sincronização — poderiam ter direcionado os 900 MW de apoio de Marrocos e os 2 GW da França para as zonas de recuperação de maior prioridade. Estimativas indicam que essa abordagem poderia ter reduzido o apagão de 24 horas para cerca de 4 horas.
Sua rede não precisa ser mais inteligente. Ela precisa ser incapaz de tomar decisões fisicamente impossíveis.
Leia a análise técnica completa | Explore a versão interativa
Principais conclusões
- O apagão ibérico de 2025 perdeu 15 GW em 5 segundos — não por causa das renováveis, mas porque usinas deixaram de seguir as regras de controle de tensão e uma usina piorou ativamente a crise.
- Ferramentas de IA baseadas em nuvem introduzem atrasos de 500+ milissegundos e podem alucinar leituras falsas — ambos são fatores desqualificantes para decisões em velocidade da rede.
- Modelos de IA informados pela física respondem em menos de 1 milissegundo e incorporam as leis reais da eletricidade em sua tomada de decisão, impedindo qualquer saída fisicamente impossível.
- O EU AI Act exige IA explicável e auditável para infraestrutura crítica — sistemas neuro-simbólicos produzem logs de decisão legíveis por humanos que satisfazem esse requisito.
- Uma abordagem de IA em camadas combinando sensores cientes da física, guardrails baseados em regras e saídas auditáveis poderia ter evitado a cascata e reduzido a recuperação de 24 horas para aproximadamente 4 horas.
Conclusão
O apagão ibérico provou que velocidade e certeza são inegociáveis para a IA de infraestrutura crítica. Modelos probabilísticos que operam por suposição e ferramentas baseadas em nuvem que sofrem latência não conseguem proteger sua rede, seus clientes nem sua posição regulatória. Pergunte ao seu fornecedor de IA: se uma usina injetar potência reativa durante um evento de sobretensão, o seu sistema pode bloquear fisicamente essa ação e me mostrar a trilha de decisão em menos de um milissegundo?