Este trabajo presenta un análisis comparativo de explicabilidad entre dos modelos de predicción de generación de energía fotovoltaica. El primer modelo utiliza únicamente variables básicas como irradiación solar, temperatura ambiente y características del módulo, mientras que el segundo incorpora datos meteorológicos adicionales incluyendo nubosidad y otras variables atmosféricas. Contrario a las expectativas teóricas, el modelo enriquecido con información meteorológica muestra un rendimiento inferior al modelo básico. Para investigar esta paradoja, se aplican técnicas de inteligencia artificial explicable (XAI) a ambos modelos, incluyendo tanto explicaciones individuales como meta-explicaciones. El estudio busca identificar las causas del bajo rendimiento del modelo complejo, evaluando posibles problemas como sobreajuste, ruido en los datos meteorológicos o inadecuada integración de las variables adicionales.