Planificación inicial de redes de CCUS en Colombia asistida por IA: un marco geoespacial-generativo

Resumen

Este artículo propone un marco metodológico integral para la planeación en etapas tempranas de redes de Captura, Utilización y Almacenamiento de Carbono (CCUS) en Colombia. El enfoque articula el clustering geoespacial, el pronóstico con aprendizaje automático y la inteligencia artificial generativa (GenAI) para sustentar la detección de focos emisores, la estimación de flujos de CO₂ y la simulación conceptual de configuraciones logísticas. Con base en series históricas de emisiones (2000-2022), capas espaciales de infraestructura e indicadores sectoriales, se delimitan clústeres de alta prioridad mediante técnicas de inteligencia geoespacial, como la estimación de densidad por kernel y DBSCAN. Para proyectar los volúmenes de captura de CO₂ bajo distintos escenarios macroeconómicos y regulatorios, se emplean modelos Long Short-Term Memory (LSTM) y XGBoost, incorporando valores SHAP parareforzar la interpretabilidad. La GenAI basada en lenguaje (como GPT-4o) se integra con el fin de recrear diseños de cadenas de suministro sensibles al contexto, produciendo configuraciones conceptuales que orientan la vinculación de actores
y la ordenación territorial. En conjunto, la metodología configura una arquitectura de apoyo a la decisión que enlaza analítica espacial y razonamiento artificial, para informar el despliegue de CCUS en entornos fragmentados y con limitaciones de datos. El estudio aporta al debate internacional sobre transiciones de bajas emisiones, al ofrecer un kit de herramientas de planificación escalable y adaptable, anclado en las realidades institucionales y territoriales de Colombia.