Un equipo de estudiantes, con la participación de la Universidade de Vigo y tutelado por la Akademia Future Builders de la Fundación Innovación Bankinter, ha desarrollado SEED, un algoritmo que propone la ubicación de las próximas 1.000 residencias de mayores en España. El proyecto, presentado y premiado en marzo de 2026, se apoya en el cruce de datos demográficos, económicos y de cobertura territorial para orientar inversiones públicas y privadas. La motivación es clara: anticipar el impacto del envejecimiento demográfico y aliviar la carga que recae sobre familias y cuidadores cuando el apoyo en el hogar resulta insuficiente.

Los creadores de SEED trabajaron sobre más de 36.000 secciones censales para detectar zonas con mayor demanda potencial, viabilidad económica y menor saturación de plazas. El algoritmo, que alcanzó la máxima valoración del programa formativo, no solo marca localidades, sino que impone distancias mínimas entre centros propuestos para evitar competir en exceso. Esta lógica busca equilibrar la oferta evitando concentraciones que dejarían sin acceso a comarcas con mayor carencia de servicios.

Según explicó el director general de HDS Formación, Jesús Cubero, el envejecimiento es uno de los grandes desafíos del país y cualquier planificación que ignore esa realidad está condenada a fracasar. El equipo recuerda en su informe técnico que, con las tendencias actuales, en 2050 más del 30% de la población española superará los 65 años, una presión que exigirá ampliar la red residencial si se quiere mantener la calidad y el acceso. Cubero subraya además que la residencia no es un producto para una sola persona, sino una solución que repercute en el conjunto del 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 su decisión sobre tres variables ponderadas: la demanda residencial, la viabilidad económica y la saturación territorial. La primera representa la mayor parte del peso analítico, valorando la estructura de edades, el índice de dependencia de grado III y la densidad poblacional para estimar dónde habrá más necesidad prevista. La viabilidad incorpora la renta media por hogar como proxy de capacidad de pago, con la intención de reducir riesgos financieros y favorecer ubicaciones sostenibles. La saturación actúa como corrección de equidad: mejora la puntuación de áreas con baja cobertura provincial para priorizar despliegues donde más falta hace.

Desde el punto de vista técnico, el algoritmo emplea un procedimiento iterativo tipo “greedy” que selecciona localizaciones sucesivamente en función de la puntuación compuesta y mantiene una separación geográfica calculada mediante la fórmula de Haversine. Esa distancia mínima no es inamovible: se ajusta según el contexto territorial, de modo que en áreas rurales extensas las separaciones pueden ser mayores y en espacios urbanos se modulan para responder a la realidad del tejido poblacional. El resultado es una propuesta de 1.000 emplazamientos pensada para optimizar cobertura y minimizar solapamientos.

Más allá de la aportación técnica, los impulsores del proyecto plantean una reflexión sobre el papel social de las residencias. Lejos de entenderlas como meros negocios, defienden que la apertura de centros debe contemplarse como una inversión en salud pública y en bienestar familiar. Ese enfoque desborda la planificación puramente económica y exige diálogo con autoridades locales, profesionales sanitarios y asociaciones de mayores para adaptar cada propuesta a las necesidades reales del territorio.

La iniciativa, en la que colaboraron expertos externos y que contó con un participante ourensano entre los estudiantes, plantea también interrogantes sobre la gobernanza y la financiación del modelo residencial. Inversores privados, administraciones autonómicas y ayuntamientos tendrán que valorar si siguen las recomendaciones algorítmicas, las adaptan o las combinan con otros criterios no cuantificables, como la calidad asistencial o la capacidad de atención sociosanitaria integrada.

Los promotores reconocen las limitaciones inherentes a cualquier modelo predictivo: la heterogeneidad territorial, cambios socioeconómicos y la evolución de las políticas públicas pueden alterar pronósticos y prioridades. Por eso plantean SEED como una herramienta de apoyo a la decisión, no como una receta única, y abogan por su uso en procesos participativos que incorporen ajustes locales y valores sociales. La propuesta abre un debate necesario sobre cómo orientar recursos para una población que envejece y sobre la responsabilidad colectiva en la organización del cuidado.