Durante décadas, los operadores de energía renovable han convivido con un problema silencioso: el tiempo cambia, los modelos meteorológicos fallan, y la producción de sus parques —eólicos o solares— varía más de lo que los inversores quisieran aceptar. La solución estándar ha sido sobredimensionar activos o asumir variabilidad como un costo de hacer negocios. La startup catalana Geoskop está apostando a que hay una tercera opción: predicción climática con IA de precisión hiperlocal que incorpora el cambio climático como variable activa.
El 15 de marzo de 2026, Geoskop anunció un acuerdo estratégico con Plenitude, la filial de energías renovables del grupo italiano Eni. La integración de su plataforma RADS en parques eólicos y solares de Plenitude en Europa, Estados Unidos y Asia es, en el fondo, una apuesta de un gigante energético de que la inteligencia climática ya no es un diferencial opcional —es infraestructura necesaria para operar a escala.
¿Qué hace exactamente Geoskop y por qué importa ahora?
RADS, la plataforma central de Geoskop, procesa modelos climáticos masivos para producir predicciones meteorológicas con granularidad hiperlocal. Lo que la distingue de los servicios meteorológicos convencionales es que integra el impacto del cambio climático como variable endógena: sus predicciones no asumen que el clima de los próximos cinco años se parecerá al de los últimos cinco. En un sector donde un error de previsión se traduce directamente en pérdida de producción o mantenimiento mal programado, esa diferencia tiene valor económico directo.
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀Plenitude gestiona actualmente 5,8 GW de capacidad renovable instalada, con objetivos de 10 GW en 2028 y 60 GW en 2050. Opera en mercados con patrones climáticos radicalmente distintos: España, Italia, Grecia, Francia, Portugal, Estados Unidos y Asia. A esa escala y esa diversidad geográfica, los modelos meteorológicos genéricos empiezan a mostrar sus límites. La variabilidad climática ya no es un riesgo marginal —es un factor estructural que afecta el ROI de activos de miles de millones de euros.
La tesis de Geoskop, validada ahora por un operador de esa envergadura, es que la predicción climática basada en big data e IA puede convertirse en el equivalente de un sistema SCADA de datos meteorológicos: una capa de inteligencia que ya no es opcional para gestionar activos renovables a escala industrial. Como referencia, plataformas similares en el ámbito de la predicción de fallas en aerogeneradores ya han demostrado que los modelos predictivos entrenados con datos históricos densos generan impacto económico medible frente a la gestión reactiva.
Cómo llegó Geoskop a Plenitude: el camino institucional como acelerador
El acuerdo no surgió de una llamada en frío ni de un deck enviado a LinkedIn. Fue Acció —la agencia de innovación empresarial de la Generalitat de Catalunya— quien facilitó el primer contacto entre ambas empresas tras la participación de Geoskop en el Open Innovation Challenge del Mobile World Congress. Adicionalmente, Geoskop fue seleccionada en el programa Call4Innovators de Eni, lo que le dio acceso al HPC6, el superordenador de la matriz italiana para procesamiento intensivo de datos climáticos.
Para una empresa cuyo diferencial competitivo descansa sobre la capacidad de procesar modelos climáticos masivos en tiempo real, ese acceso computacional no es un beneficio cosmético. Es un habilitador que puede acelerar la precisión del modelo de forma difícilmente replicable con infraestructura propia a coste de startup.
El patrón es relevante para cualquier deeptech que intente acceder a clientes corporativos: los programas de open innovation de grandes empresas energéticas, industriales o financieras no son solo marketing institucional. Son canales estructurados donde esas corporaciones buscan activamente soluciones que no pueden desarrollar internamente sin sacrificar velocidad y especialización. En este caso, Plenitude no buscaba un proveedor meteorológico más barato —buscaba una capacidad predictiva que su equipo interno no tenía cómo construir.
El mercado que se está formando
La transición energética global está creando un problema de gestión que muy pocos han articulado con claridad. A medida que la capacidad instalada de renovables escala —en Europa, EE.UU. y Asia simultáneamente— los operadores se encuentran gestionando carteras de activos cada vez más distribuidas geográficamente, en entornos climáticos heterogéneos y bajo presión regulatoria para maximizar la generación.
El cambio climático añade una capa de complejidad que los modelos estocásticos convencionales no están diseñados para manejar: mayor frecuencia de eventos extremos, alteración de patrones estacionales y variabilidad interanual creciente en irradiación solar y velocidad del viento. En ese contexto, la planificación operativa de un parque eólico con modelos meteorológicos de dos décadas de historia puede estar sistemáticamente sesgada.
Geoskop no es la única empresa apuntando a este nicho —plataformas como ClimateScan, Vaisala o DTN/The Weather Company también compiten en predicción para renovables— pero la capa de modelado climático de largo plazo, combinada con la integración del cambio climático como variable activa, es un ángulo menos transitado que la meteorología operacional a corto plazo.
La comparación más precisa no es con un proveedor meteorológico, sino con lo que startups como Volterra están haciendo en la gestión inteligente de infraestructura energética: convertir datos en tiempo real en decisiones operativas que mejoran el ROI de activos físicos. La diferencia es que Volterra trabaja con carga de vehículos eléctricos y Geoskop trabaja con producción de parques renovables, pero la lógica del valor creado es la misma.
Por qué importa
El acuerdo entre Geoskop y Plenitude no es simplemente una nota de prensa de startup. Es evidencia de que la predicción climática con IA está cruzando el umbral de diferencial técnico a necesidad operativa en el mercado de renovables europeo.
Para los operadores energéticos, la decisión de integrar inteligencia climática de terceros en lugar de construirla internamente señala que la sofisticación predictiva requerida está superando lo que los equipos de datos in-house pueden desarrollar a velocidad competitiva. Para Geoskop, el acceso a la infraestructura de Eni y a operaciones en tres continentes es un salto de validación que normalmente requeriría años de ciclos de venta directa.
Para el ecosistema deeptech más amplio, el mecanismo importa: open innovation corporativo facilitado institucionalmente fue el canal. No un fondo de VC, no una aceleradora privada, no una feria de networking. El aprendizaje es que en Europa, las agencias de innovación y los programas de open innovation de corporativos industriales son vías de acceso reales a clientes de escala, especialmente para startups cuya tecnología requiere infraestructura computacional que solo los grandes pueden ofrecer como parte de la relación.
