Un equipo de estudantes, coa participación da Universidade de Vigo e tutelado pola Akademia Future Builders da Fundación Innovación Bankinter, desenvolveu SEED, un algoritmo que propón a ubicación das próximas 1.000 residencias de maiores en España. O proxecto, presentado e premiado en marzo de 2026, apóiase no cruzamento de datos demográficos, económicos e de cobertura territorial para orientar investimentos públicos e privados. A motivación é clara: anticipar o impacto do envellecemento demográfico e aliviar a carga que recae sobre familias e coidadores cando o apoio no fogar resulta insuficiente.

Os creadores de SEED traballaron sobre máis de 36.000 seccións censais para detectar zonas con maior demanda potencial, viabilidade económica e menor saturación de prazas. O algoritmo, que acadou a máxima valoración do programa formativo, non só sinala localidades, senón que impón distancias mínimas entre centros propostos para evitar competir en exceso. Esta lóxica busca equilibrar a oferta evitando concentracións que deixarían sen acceso a comarcas con maior carencia de servizos.

Segundo explicou o director xeral de HDS Formación, Jesús Cubero, o envellecemento é un dos grandes desafíos do país e calquera planificación que ignore esa realidade está condenada a fracasar. O equipo lembra no seu informe técnico que, coas tendencias actuais, en 2050 máis do 30% da poboación española superará os 65 anos, unha presión que esixirá ampliar a rede residencial se se quere manter a calidade e o acceso. Cubero subliña ademais que a residencia non é un produto para unha soa persoa, senón unha solución que repercute no conxunto do sistema familiar.

CONTENIDO PATROCINADO

Salado Golf & Beach Resort

Descubre la oportunidad de inversión más exclusiva del Caribe. Villas de lujo con retorno garantizado del 12% anual en Punta Cana.

Conoce más →

SEED articula a súa decisión sobre tres variables ponderadas: a demanda residencial, a viabilidade económica e a saturación territorial. A primeira representa a maior parte do peso analítico, valorando a estrutura de idades, o índice de dependencia de grao III e a densidade de poboación para estimar onde haberá máis necesidade prevista. A viabilidade incorpora a renda media por fogar como indicador da capacidade de pago, coa intención de reducir riscos financeiros e favorecer localizacións sostibles. A saturación actúa como corrección de equidade: mellora a puntuación de áreas con baixa cobertura provincial para priorizar despregamentos onde máis falta fai.

Desde o punto de vista técnico, o algoritmo emprega un procedemento iterativo do tipo “greedy” que selecciona localizacións sucesivamente en función da puntuación composta e mantén unha separación xeográfica calculada mediante a fórmula de Haversine. Esa distancia mínima non é inamovible: axústase segundo o contexto territorial, de xeito que nas áreas rurais extensas as separacións poden ser maiores e nos espazos urbanos modúlanse para responder á realidade do tecido poboacional. O resultado é unha proposta de 1.000 emplazamentos pensada para optimizar a cobertura e minimizar solapamentos.

Máis alá da achega técnica, os impulsores do proxecto poden unha reflexión sobre o papel social das residencias. Lonxe de entendelas como simples negocios, defenden que a apertura de centros debe contemplarse como un investimento en saúde pública e en benestar familiar. Ese enfoque desborda a planificación puramente económica e esixe diálogo coas autoridades locais, profesionais sanitarios e asociacións de maiores para adaptar cada proposta ás necesidades reais do territorio.

A iniciativa, na que colaboraron expertos externos e que contou cun participante ourensán entre os estudantes, planta tamén interrogantes sobre a gobernanza e o financiamento do modelo residencial. Investidores privados, administracións autonómicas e concellos terán que valorar se seguen as recomendacións algorítmicas, as adaptan ou as combinan con outros criterios non cuantificables, como a calidade asistencial ou a capacidade de atención sociosanitaria integrada.

Os promotores recoñecen as limitacións inherentes a calquera modelo preditivo: a heteroxeneidade territorial, cambios socioeconómicos e a evolución das políticas públicas poden alterar pronósticos e prioridades. Por iso plantean SEED como unha ferramenta de apoio á decisión, non como unha receita única, e abogan polo seu uso en procesos participativos que incorporen axustes locais e valores sociais. A proposta abre un debate necesario sobre como orientar os recursos para unha poboación que envellece e sobre a responsabilidade colectiva na organización do coidado.