AI în energie și utilități: unde ajută în România în 2026

Rețeaua electrică din România s-a schimbat mai repede decât procesele companiilor care o operează. La 30 iunie 2026 erau aproape 360.000 de prosumatori racordați, cu 4.019 MW instalați și 127.000 dintre ei având și baterii — date ANRE, citate de presa economică. Energia nu mai intră în sistem doar din câteva zeci de puncte previzibile, ci din sute de mii de puncte care depind de vreme și de comportamentul oamenilor.

Aceasta e situația în care inteligența artificială încetează să fie un subiect de conferință și devine o unealtă de operare: nu pentru că e la modă, ci pentru că volumul de date și viteza deciziilor au depășit ce poate acoperi un om cu un fișier de calcul. Articolul de față trece prin utilizările care au sens azi într-o companie de energie sau utilități din România, prin ce e deja reglementat și prin felul în care arată un prim proiect care nu se oprește la stadiul de pilot.

Ce s-a schimbat, concret, în ultimii doi ani

Trei schimbări structurale explică de ce discuția a devenit urgentă.

Producția s-a distribuit. Cei aproape 360.000 de prosumatori de la finalul lui iunie 2026 înseamnă, în termeni de operare, o centrală fotovoltaică împrăștiată pe toată țara, care produce când e soare și consumă seara. Aproximativ o treime dintre ei au și baterii, ceea ce schimbă din nou profilul: bateria mută energia în timp, deci comportamentul punctului de consum nu mai poate fi dedus din vreme.

Măsurarea a devenit deasă. Înlocuirea contoarelor clasice cu contoare inteligente avansează după planuri aprobate de ANRE, iar operatorii comunică ținte anuale: Rețele Electrice România a anunțat pentru 2026 instalarea a circa 178.000 de contoare noi și un grad de acoperire de 67% la finalul anului. Diferența practică nu e confortul citirii de la distanță, ci faptul că, în loc de o valoare pe lună, apare o serie de valori pe zi. Din o citire pe lună nu se poate învăța nimic; dintr-o serie de timp, se poate.

Presiunea pe rețea a crescut din partea consumului. Racordarea centrelor de date, electrificarea încălzirii și a transportului adaugă cereri noi în zone unde capacitatea nu s-a extins în același ritm. Deciziile de investiție și de operare se iau, astăzi, pe scenarii mai variabile decât acum cinci ani.

Pe scurt: mai multe puncte, mai multe date, mai puțin timp de reacție. Exact condițiile în care modelele statistice și de învățare automată aduc un câștig măsurabil, iar procesele manuale îl pierd.

Cele cinci utilizări care se susțin economic

1. Prognoza consumului și a producției

E aplicația cu cel mai bun raport între efort și rezultat, pentru că are o țintă limpede: eroarea de prognoză costă bani reali, prin dezechilibre, prin achiziții făcute prost și prin capacitate rezervată inutil. Un model care combină istoricul de consum, prognoza meteo, calendarul și caracteristicile portofoliului bate constant o regulă construită manual — nu pentru că e „inteligent", ci pentru că poate ține cont simultan de mai multe variabile decât un om.

Condiția e disciplina de măsurare: o prognoză fără interval de eroare declarat și fără comparație cu o metodă simplă de referință nu e un model, e o părere. Regula de aur în operațiuni e că orice model nou se compară întâi cu „ce s-a întâmplat săptămâna trecută la aceeași oră"; dacă nu bate această referință banală, nu intră în producție. Logica de forecasting, planificare și guvernanță a costurilor pe operațiuni e tratată sistematic în cursul de AI în Operațiuni și Supply Chain.

2. Mentenanța predictivă și prioritizarea intervențiilor

Aici câștigul nu vine din a prezice defectarea exactă a unui echipament — promisiune pe care furnizorii o fac mai des decât o pot susține — ci din ordonarea unei liste. O companie de distribuție are mai multe intervenții posibile decât echipe disponibile. Un model care estimează probabilitatea de avarie pe fiecare element de rețea, în funcție de vechime, încărcare, istoric de incidente și condiții meteo, transformă o listă lungă într-o ordine de lucru.

Rezultatul se măsoară în indicatori pe care sectorul îi urmărește oricum: durata și frecvența întreruperilor. Dacă un proiect de mentenanță predictivă nu se leagă de acești indicatori, nu are cum să fie evaluat serios.

3. Pierderile și anomaliile de consum

Detectarea tiparelor de consum neobișnuit e o problemă clasică de analiză de date, iar contoarele inteligente au făcut-o abordabilă. Modelul semnalează, omul verifică. Această ordine nu e o formalitate: o suspiciune generată automat, tratată ca dovadă, produce în cel mai bun caz un client nemulțumit și, în cel mai rău caz, o plângere întemeiată la autoritate.

4. Relația cu clientul

E zona în care companiile din România au mișcat deja. E.ON Energie România a anunțat, în iulie 2026, alocarea a 40 de milioane de euro până în 2030 pentru digitalizare și soluții bazate pe inteligență artificială, cu asistenți virtuali și un sistem de căutare pentru întrebările clienților, plus explicații detaliate ale facturilor în platforma proprie.

Explicarea facturii e, de altfel, cazul de utilizare cel mai subestimat din tot sectorul: o parte semnificativă din apelurile către centrele de relații cu clienții sunt cereri de clarificare, nu reclamații. Un asistent care explică o factură corect, pe datele reale ale clientului, rezolvă un volum mare de contacte. Un asistent care „inventează" o componentă de preț produce, în schimb, o problemă de conformitate. Diferența dintre cele două stă în arhitectură: răspunsurile se generează din date verificate, nu din memoria modelului.

5. Eficiența energetică în clădiri și în propriile active

Exemplul cel mai bine documentat din România e proiectul AIAE, finalizat de Electrica împreună cu startup-ul clujean Renergia și cu Universitatea Tehnică din Cluj-Napoca. Potrivit comunicatului companiei din 14 mai 2026, platforma a procesat peste 48 de milioane de seturi de date, e construită pe o arhitectură multi-agent și integrează consum, date meteorologice, caracteristici tehnice ale clădirii și context operațional.

Funcțiile enumerate oficial sunt instructive, pentru că descriu exact ce înseamnă un sistem util: detectarea anomaliilor de consum, prognoza consumului și a producției, identificarea măsurilor de eficiență, alerte pe parametri tehnici critici și optimizarea autoconsumului. Elementul tehnic interesant e „descompunerea" consumului total pe sisteme din clădire, fără a monta contoare pe fiecare echipament. Prima integrare s-a făcut la sediul central al companiei, iar a doua clădire este Muzeul Național Tehnic „Prof. ing. Dimitrie Leonida".

Merită reținut și ce a urmat: măsuri banale — automatizarea regimurilor de funcționare și oprirea echipamentelor neesențiale în afara programului. Valoarea unui sistem de acest tip nu stă în sofisticarea modelului, ci în faptul că produce decizii pe care cineva le și aplică.

Cadrul de reglementare: trei straturi, nu unul

Aceasta e partea în care sectorul energetic diferă de restul economiei. O firmă de comerț care pune un chatbot pe site are un singur set de obligații. O companie de utilități are trei, suprapuse.

Stratul 1 — Regulamentul european privind inteligența artificială

Anexa III la Regulamentul (UE) 2024/1689 enumeră domeniile de risc înalt. Punctul 2 vizează sistemele AI destinate a fi utilizate drept componente de siguranță în gestionarea și funcționarea infrastructurii digitale critice, a traficului rutier sau în furnizarea de apă, gaz, energie termică ori energie electrică.

Formularea contează cuvânt cu cuvânt. Nu orice sistem AI dintr-o companie de energie e cu risc înalt, ci acela care funcționează ca componentă de siguranță în gestionarea și funcționarea furnizării. Un model care prognozează consumul pentru achiziții nu intră acolo. Un sistem care participă la decizii de operare a rețelei cu impact asupra siguranței, da.

Calendarul s-a schimbat în vara aceasta. Regulamentul (UE) 2026/1744 — „Digital Omnibus on AI", publicat în Jurnalul Oficial pe 24 iulie 2026 — a mutat aplicarea obligațiilor pentru sistemele cu risc înalt din temeiul articolului 6 alineatul (2) și al Anexei III la 2 decembrie 2027, iar pentru cele integrate în produse reglementate, la 2 august 2028. Amânarea privește regimul greu: sistemul de management al riscului, guvernanța datelor, documentația tehnică, jurnalizarea, supravegherea umană, evaluarea conformității.

Ce nu s-a amânat și se aplică deja: interdicțiile din articolul 5, obligațiile de transparență din articolul 50 și obligația de alfabetizare AI din articolul 4 — personalul care operează sisteme AI trebuie să aibă un nivel suficient de pregătire pentru a înțelege ce face sistemul și unde greșește.

Stratul 2 — securitatea cibernetică

Energia este primul sector din anexa cu sectoare de importanță critică ridicată din OUG nr. 155/2024, actul care transpune Directiva NIS2 în România și desemnează Directoratul Național de Securitate Cibernetică drept autoritate competentă. Anexa acoperă explicit furnizorii, operatorii de distribuție, operatorii de transport și de sistem, producătorii, operatorii pieței, participanții care prestează servicii de agregare, consum dispecerizabil sau stocare, precum și operatorii punctelor de reîncărcare.

Consecința practică pentru un proiect de AI: orice sistem nou intră în perimetrul de management al riscului și în obligațiile de raportare a incidentelor. Un model care primește date din sistemele de operare și trimite recomandări înapoi în ele e o componentă de infrastructură, nu un instrument de birou. Cum arată apărarea asistată de AI în interiorul unui centru de operațiuni de securitate am detaliat separat, în ghidul despre AI în securitate cibernetică.

Stratul 3 — datele clienților

Curba de consum a unei case spune când sunt oamenii acasă. Din perspectiva protecției datelor, datele de măsurare sunt date cu caracter personal, iar prelucrarea lor pentru profilare cere temei, informare și, în anumite situații, o evaluare de impact. Iar dacă din model rezultă o decizie cu efect asupra clientului — refuz, reclasificare, măsură contractuală — intră în discuție regimul deciziilor automate, subiect pe care l-am tratat pe larg în articolul despre decizii automate și drepturile persoanei.

Unde nu pui AI, chiar dacă tehnic se poate

Trei linii pe care companiile serioase din sector nu le trec:

Comanda directă a echipamentelor, fără om în buclă. Recomandarea automată e utilă; execuția automată pe elemente cu impact asupra siguranței e exact zona în care regulamentul vorbește despre componente de siguranță și despre supraveghere umană.

Deciziile individuale nefavorabile, luate automat. Deconectare, reclasificare, suspiciune de fraudă — modelul semnalează, omul decide și motivează.

Prognoza fără incertitudine declarată. O singură cifră, fără interval, dată unui decident care nu știe cât de sigură e, e mai periculoasă decât lipsa prognozei.

Un prim proiect care nu moare în stadiul de pilot

Din experiența proiectelor care ajung efectiv în operare, secvența arată așa:

Săptămânile 1–2: alegi o singură decizie. Nu „digitalizăm mentenanța", ci „ordonăm săptămânal lista de intervenții pe X județe". O decizie, un decident, o frecvență.

Săptămânile 3–4: inventariezi datele reale. Nu ce ar trebui să existe, ci ce există: serii de măsurare, istoric de incidente, evidența activelor, calitatea și golurile lor. Aici mor majoritatea proiectelor și e mai bine să moară acum decât după contract.

Săptămânile 5–8: construiești referința banală. Metoda simplă, fără AI, care rezolvă azi problema. Ea devine pragul pe care modelul trebuie să-l depășească.

Săptămânile 9–12: rulezi în paralel. Modelul propune, echipa lucrează ca până acum, iar la final compari deciziile. Trecerea în operare se face doar dacă diferența e vizibilă în indicatorul ales de la început.

Costul acestui parcurs e mic în comparație cu un program de transformare, iar rezultatul e un lucru pe care îl poți duce în fața consiliului de administrație: o decizie operațională, măsurată, cu o îmbunătățire cuantificată. Cum se calculează întoarcerea investiției pe astfel de proiecte am detaliat în ghidul de măsurare a ROI-ului, iar partea de organizare a datelor pentru echipele care nu programează e acoperită în cursul de Analiză de Date cu AI fără Cod.

Șapte întrebări pentru furnizorul de soluție

Lista de mai jos separă, în practică, ofertele solide de prezentările frumoase:

1. Pe ce date se antrenează modelul și unde ajung datele noastre?
2. Cu ce metodă de referință ați comparat rezultatele și pe ce perioadă?
3. Ce interval de eroare are prognoza și cum se comportă în condiții extreme?
4. Ce se întâmplă când modelul se înșală — cine vede, cât de repede, ce face?
5. Sistemul e o componentă de siguranță în operare sau un instrument de sprijin al deciziei? Răspunsul determină regimul juridic.
6. Ce documentație tehnică livrați și ce parte din obligațiile de conformitate rămân la noi?
7. Ce se întâmplă cu modelul și cu datele la încetarea contractului?

Ultima întrebare e cea mai des uitată și cea mai scumpă.

Întrebări frecvente

Î: Sistemele AI dintr-o companie de energie sunt automat „cu risc înalt"? R: Nu. Anexa III punctul 2 vizează sistemele destinate a fi utilizate drept componente de siguranță în gestionarea și funcționarea furnizării de apă, gaz, energie termică sau energie electrică. Un asistent care explică facturi, un model de prognoză pentru achiziții sau un instrument de analiză a documentelor nu intră, prin ele însele, în această categorie. Încadrarea se face pe destinația reală a sistemului, nu pe domeniul de activitate al companiei.

Î: Ce se aplică acum, dacă obligațiile pentru risc înalt au fost amânate la 2 decembrie 2027? R: Interdicțiile din articolul 5, obligațiile de transparență din articolul 50 și obligația de alfabetizare AI din articolul 4. La acestea se adaugă, pentru sectorul energetic, obligațiile de securitate cibernetică din OUG nr. 155/2024 și regulile de protecție a datelor, care nu au fost afectate de amânare.

Î: Avem nevoie de un model propriu sau putem folosi servicii existente? R: Pentru prognoză și pentru analiza seriilor de măsurare, valoarea stă în date și în calibrare, nu în antrenarea unui model de la zero. Pentru interacțiunea cu clienții, arhitectura importă mai mult decât modelul: răspunsurile trebuie construite pe datele verificate ale clientului. Decizia de a găzdui local se ia din motive de securitate și de suveranitate a datelor, nu din motive de performanță.

Î: Cine răspunde dacă un sistem furnizat de un terț provoacă o eroare de operare? R: Răspunderea contractuală se stabilește prin contract, dar obligațiile de reglementare nu se transferă integral prin contract: entitatea care operează rămâne responsabilă față de autorități pentru propriile obligații. De aceea, întrebările 5 și 6 din lista de mai sus se pun înainte de semnare, nu după primul incident.

Î: Cât durează până la primul rezultat vizibil? R: Pentru o singură decizie operațională bine aleasă, un ciclu de aproximativ trei luni e realist, cu condiția ca datele să existe deja. Când datele trebuie întâi colectate sau curățate, termenul se dublează — iar acesta e, de regulă, cazul real.

Concluzie

Sectorul energetic e unul dintre puținele în care valoarea inteligenței artificiale nu trebuie demonstrată prin analogii: prognoza, mentenanța, pierderile și relația cu clientul sunt probleme cu indicatori măsurați deja, zi de zi. Ceea ce lipsește, de obicei, nu e tehnologia, ci disciplina de a alege o singură decizie și de a o măsura față de o referință onestă.

Partea de reglementare nu e un obstacol, ci un filtru util: te obligă să răspunzi din prima la întrebarea „ce face, de fapt, sistemul acesta în operarea noastră?". Companiile care răspund clar la ea vor avea, în decembrie 2027, exact documentația pe care restul o vor construi în grabă.

Surse

• ANRE, date privind prosumatorii la 30 iunie 2026, preluate de Economica.net: https://www.economica.net/prosumatorii-continua-sa-creasca-in-romania-sunt-360-000-si-au-sarit-si-pragul-de-4-000-mw-instalati-o-treime-au-baterii-de-care-sistemul-energetic-are-acum-nevoie-seara_967707.html
• Comunicat Rețele Electrice România privind planul de contorizare inteligentă pentru 2026: https://www.focus-energetic.ro/retele-electrice-romania-accelereaza-instalarea-contoarelor-inteligente-178-000-de-dispozitive-noi-in-2026-si-un-grad-de-acoperire-de-67-la-finalul-anului-100091.html
• Electrica, comunicat de presă din 14 mai 2026 privind finalizarea proiectului AIAE: https://www.electrica.ro/wp-content/uploads/2026/05/Comunicat_Electrica_finalizare_proiect_AIAE.pdf
• E.ON Energie România, anunț privind investiția în digitalizare și inteligență artificială (1 iulie 2026): https://www.bursa.ro/eon-energie-romania-investeste-40-milioane-de-euro-in-digitalizare-si-inteligenta-artificiala-68254953
• Regulamentul (UE) 2024/1689 privind inteligența artificială: https://eur-lex.europa.eu/legal-content/RO/TXT/?uri=CELEX:32024R1689
• AI Act, Anexa III — domenii cu risc înalt: https://artificialintelligenceact.eu/annex/3/
• Regulamentul (UE) 2026/1744 (Digital Omnibus on AI), Jurnalul Oficial: https://eur-lex.europa.eu/eli/reg/2026/1744/oj/eng
• Ordonanța de urgență nr. 155/2024 privind securitatea cibernetică (transpunerea Directivei NIS2): https://legislatie.just.ro/public/DetaliiDocument/293121

Articol informativ, publicat la 21 august 2026. Nu constituie consultanță juridică sau tehnică. Cadrul de reglementare al sectorului energetic și calendarul de aplicare a regulamentului european privind inteligența artificială se modifică — verificați forma în vigoare înainte de a lua decizii.