66 estudios sobre LLMs en HVAC: los agentes no están listos para controlar

Una revisión sistemática de 66 estudios sobre el uso de LLMs en la operación de edificios concluye que, pese al interés creciente, la inmensa mayoría de los enfoques están lejos del despliegue en producción. Solo cuatro trabajos alcanzaron evidencia de piloto real, y ninguno pasó de ahí. La vía que parece más cerca de poder desplegarse es la normalización de nombres de puntos y el apoyo al operador con generación aumentada por recuperación (RAG), no el control directo de los sistemas de climatización.

El estudio, publicado en arXiv, clasifica los trabajos en cinco familias de aplicación: modelado energético del edificio (BEM), detección de fallos y diagnóstico, control y optimización, predicción de carga y interacción con ocupantes. Las dos primeras se consideran "a corto plazo" (uno o dos años); las tres últimas quedan en "solo investigación". La razón no es la capacidad de los LLM, sino los requisitos del entorno físico: los bucles de control HVAC corren en intervalos de 1 a 15 minutos, y la latencia de una inferencia de un modelo grande puede ser demasiado alta. Además, una alucinación puede congelar tuberías o quemar una sala por no respetar límites físicos.

Por eso, en los 12 estudios sobre control, el patrón es que el LLM genera una propuesta de consigna o política, pero quien ejecuta es un controlador basado en física (MPC, RL o reglas). El LLM nunca escribe directamente sobre los actuadores. En cambio, donde sí aporta valor es en tareas semánticas: interpretar documentación, explicar condiciones de fallo o resumir datos. La predicción de carga, por su parte, sale mal parada: el machine learning convencional supera a los LLM.

Según la revisión, el mayor escollo para llevar estos agentes a producción es la heterogeneidad de los datos. Los sensores de un edificio hablan BACnet, Modbus o APIs propietarias, y los nombres de los puntos no siguen un estándar: "AHU-1.ZN-T", "AHU_01_ZONE_TEMP" o "ahu1_zt_sensor" pueden significar lo mismo. El artículo propone usar RAG para anclar los LLM en la documentación específica del edificio y generar mapeos a ontologías como Brick o Haystack, revisados por un humano. Ese flujo mantiene al LLM en una capa semántica, sin control directo.

También identifican tres modos de fallo típicos que ningún estudio sabe manejar en producción: datos obsoletos, metadatos ausentes y lecturas contradictorias. La mayoría de los experimentos asumen flujos de sensores limpios, sincronizados y con etiquetas, algo que en un edificio real no se cumple. Ninguno de los 66 trabajos implementa una estrategia sólida de manejo de errores para estos casos.

La conclusión es que los LLM pueden desplegarse hoy para traducción de nombres de puntos y asistencia al operador sobre documentación, pero no para tomar decisiones de control. La revisión ofrece un mapa de madurez útil para cualquier equipo que esté evaluando estas tecnologías sobre datos de edificios. El resto, de momento, sigue siendo territorio de investigación.