Las administraciones públicas afrontan la doble presión de descarbonizar su parque de edificios y contener el gasto energético, en cumplimiento de las directivas europeas y los planes nacionales y regionales de eficiencia. En este contexto, las soluciones basadas en inteligencia artificial y series temporales emergen como aliadas estratégicas para armonizar información, predecir consumos y orientar inversiones hacia las actuaciones con mayor impacto energético y económico.

Los gestores públicos lidian con datos dispersos y de calidad desigual (consumo, facturación, inventario y mantenimiento), con lagunas temporales que impiden una foto fiable del uso energético. La obsolescencia no anticipada encarece el mantenimiento y provoca indisponibilidades por falta de identificación de vida útil y planificación de sustituciones. No existe un método reproducible para evaluar ahorros y la ratio kWh/€ con un contrafactual robusto ni para simular paquetes combinados capturando sinergias y solapamientos . La generación manual de recomendaciones es lenta y poco trazable, dificultando priorizar automáticamente dónde actuar primero con criterios homogéneos . La validación de presupuestos de mantenedores/proveedores se realiza sobre PDF/Excel heterogéneos, con alto grado de manualidad y escaso control de coherencia. Además, los sistemas de aprobación y seguimiento de expedientes están desconectados de los datos , lo que añade fricción interdepartamental y retrasa el seguimiento de actuaciones, la evaluación de ahorros y su validación final. 
Sin una capa de IA, normalización y conexión operativa con los flujos corporativos, escalar decisiones a centenares de activos resulta lento, costoso y difícil de auditar.

• Modelo fundacional de series temporales: permite predecir demanda, reconstruir datos y detectar anomalías a escala portafolio, acelerando análisis para gestores energéticos.
• Prioridad de actuaciones (kWh/€): facilita rankings de retorno energético-económico y simulaciones de medidas simultáneas (envolvente, HVAC, control).
• Mantenimiento predictivo: estima vida útil y riesgo de fallo para planificar sustituciones y licitaciones con antelación.
• Validador automático de actuaciones (presupuestos de mantenedores): analiza propuestas en PDF/Excel, extrae y normaliza partidas (códigos, unidades, precios unitarios, importes) y aplica reglas de coherencia (rangos, duplicidades, referencias de precio), emitiendo informes de validación con recomendación y agilizando aprobaciones de presupuestos de proveedores.
• Escalabilidad administrativa: es integrable con flujos internos para el seguimiento del piloto y eventual despliegue.

• Integrador: BRISA aúna las fuentes existentes. Al armonizarlas, evalúa la coherencia entre ellas y deja una “fuente única de verdad” para energía y mantenimiento.
• Eficiencia y ahorro: genera una base para reducir consumo y costes priorizando las actuaciones al orientar inversiones hacia actuaciones con mayor kWh/€, €/tCO₂, tCO₂ evitadas, CAEs generados o kWh ahorrados.
• Agilidad y trazabilidad: ofrece tiempos de análisis y reporte más cortos con criterios homogéneos para todo el parque y evidencias comparables por edificio.
• Rigor en aprobaciones: valida automática los presupuestos de mantenedores con banderas (OK/Observación/No conforme) y motivos por partida, que acelera aprobaciones.
• Resiliencia operativa: resulta en menos fallos inesperados y mejor planificación presupuestaria y de sustituciones.
• Transparencia y rendición de cuentas: facilita explicar por qué cada euro se invierte donde más impacto tiene y verificar ahorros tras la ejecución.

Cliente: Infraestructuras de la Generalitat de Catalunya

• Instrumento de contrato: Concurso (GovTech4All Startup Challenge)
• Precio:  44.000€
• Duración del contrato: 6 meses
• Licitación: Enlace