Claves do proxecto SEED
O proxecto SEED, desenvolvido por un equipo de alumnos universitarios como exercicio práctico do programa Akademia Future Builders, propón un algoritmo para localizar ata 1.000 novas residencias de maiores en España baseándose en criterios demográficos, económicos e de saturación territorial. A iniciativa, presentada nunha tribuna publicada o 11 de marzo de 2026 en Ourense, combina análise de datos a escala de seccións censais do INE con técnicas de agrupamento espacial para priorizar emplazamentos que equilibren viabilidade e necesidade social. Os seus promotores sostén que a ferramenta busca orientar decisións tanto do sector privado como da planificación pública ante o reto do envellecemento poblacional. O obxectivo declarado é maximizar o impacto social sen sacrificar a sustentabilidade financeira dos centros.
No núcleo técnico, os autores detallan unha arquitectura de puntuación multicapa que pondera tres eixos principais: demanda demográfica, viabilidade económica e saturación da oferta. Segundo a descrición, a demanda ten un peso do 45% e mídese combinando a taxa de dependencia cunha métrica propia que compara a estrutura real de idades de cada unidade xeográfica cunha «pirámide ideal» previamente definida. A viabilidade económica, ponderada nun 40%, utiliza a renda media local para estimar a capacidade de pagamento do entorno e a sustentabilidade do servizo. A saturación territorial aporta o 15% restante, destinando prioridade a zonas con escasa cobertura de residencias.
O desenvolvemento aplica técnicas de clustering para organizar o territorio e evita solucións naïf de agregación que poderían concentrar centros nas mesmas áreas. En lugar de agrupar puntos unicamente por proximidade, o algoritmo introduce unha separación mínima dinámica entre novas residencias que se axusta en función da densidade urbana; así, en entornos rurais a distancia entre centros proxectados aumenta para impedir a «canibalización» da demanda. Esta restrición pretende que a rede de residencias cubra mellor as necesidades dispersas en espazos de baixa densidade, unha cuestión especialmente relevante nas provincias como Ourense e outras zonas de Galicia afectadas pola despoboación.
O equipo responsable do traballo fíranlo, entre outros, Luis Garbayo, alumno de Enxeñaría Informática na Universidade de Vigo, e catro compañeiros con formación en negocios, bioloxía, farmacia e enxeñaría. Os demais integrantes son Pau Ferrer Palomo (Negocios Internacionais, Universidade de Valencia), Beatriz Giráldez Sanjuan (Bioloxía, Universidade de Vigo), María Luisa Rico Orero (Farmacia e Nutrición Humana e Dietética, Universidade de Valencia) e Martina Urrutia Santamarina (Enxeñaría Industrial, Universidade Politécnica de Valencia). Os autores presentan o proxecto como resultado dun reto académico que buscaba replicar o funcionamento dun comité de dirección dunha cadea de residencias, con equipos multidisciplinares que aportaran distintos enfoques.
Os promotores sostén que o uso de unidades xeográficas mínimas, como as seccións censais do INE, ofrece unha radiografía granular do territorio que permite decisións máis finas que as análises agregadas por municipios. Esta granularidade facilita identificar micro-ámbitos con necesidades elevadas, algo que en Galicia pode traducirse na detección de localidades con alta dependencia e baixa oferta residencial. Con todo, a precisión do modelo depende da calidade e actualización dos datos censais e económicos; calquera desfase temporal nesas fontes podería afectar ás recomendacións.
Máis aló do deseño técnico, SEED plantea interrogantes de índole ética e de política pública. A decisión de incorporar a renda media como criterio de viabilidade pode deixar en segundo plano zonas con carencias económicas pero con gran necesidade social, o que obriga a plantear mecanismos compensatorios se se pretende un despregamento verdadeiramente equitativo. Así mesmo, a ferramenta é un apoio para a toma de decisións, non un substituto da intervención pública; o seu uso por empresas privadas ou como guía en licitacións esixe transparencia nos supostos e nos umbrais aplicados.
Desde o punto de vista das administracións, un algoritmo así podería resultar útil para planificar investimentos e ubicar recursos de maneira máis eficiente, sempre que vaia acompañado de criterios de acceso e financiamento que garanticen o servizo a colectivos vulnerables. En Galicia, onde a dispersión poboacional e o envellecemento son retos estruturais, modelos baseados en datos poderían mellorar a cobertura se se integran con políticas de transporte, atención domiciliaria e axudas económicas. Os autores do proxecto abogan por pilotos concretos que permitan validar as predicións en contextos reais antes de despregar solucións a gran escala.
La experiencia de Akademia Future Builders deixa, ademais, unha lección sobre a colaboración interdisciplinar: combinar informática, demografía, bioloxía e economía permite formular solucións máis holísticas a problemas complexos. Para que SEED cumpra a súa promesa, subliñan a necesidade de involucrar aos concellos, consellos comarcais e entidades sociais na interpretación dos resultados e na adaptación dos criterios ás realidades locais. Só así, conclúen, poderán converterse en decisións de implantación que respondan tanto á equidade como á viabilidade.
Pódete interesar:
