Identificar con precisión la información socio-demográfica de los clientes es crucial para las empresas de servicios públicos. Les permite entregar eficientemente servicios energéticos personalizados y gestionar redes de distribución. En los últimos años, los métodos basados en aprendizaje automático han ganado popularidad en comparación con enfoques tradicionales basados en encuestas, debido a su eficiencia en tiempo y costos, así como a la disponibilidad de una gran cantidad de datos de medidores inteligentes de alta frecuencia. En este artículo, proponemos un nuevo método que aprovecha el poder de la búsqueda de arquitecturas neurales para diseñar automáticamente arquitecturas de redes neuronales profundas adaptadas para identificar varios datos socio-demográficos de los clientes utilizando datos de medidores inteligentes. Diseñamos un espacio de búsqueda basado en una novedosa arquitectura de red convolucional completamente atencional. Además, desarrollamos un algoritmo de búsqueda basado en optimización bayesiana para explorar eficazmente el espacio e identificar arquitecturas de alto rendimiento. La eficacia del método propuesto fue evaluada y comparada con un conjunto de métodos de aprendizaje automático y aprendizaje profundo de referencia utilizando un conjunto de datos de medidores inteligentes ampliamente utilizado en esta área de investigación. Nuestros resultados muestran que las arquitecturas de redes neuronales profundas diseñadas automáticamente por nuestro método propuesto superan significativamente a todos los métodos de referencia en la resolución de las preguntas socio-demográficas investigadas en nuestro estudio.