Claves del proyecto SEED

¿De dónde viene la idea de SEED? SEED surge del caso práctico real de Akademia Future Builders “Desarrollo de un algoritmo de IA de venta”, cuyo reto era abrir 1.000 nuevas residencias en España. Para ello, se formaron equipos multidisciplinares, combinando distintos conocimientos y formas de pensar, que simulan un comité de dirección de una cadena de residencias para mayores.

El clustering (o agrupamiento) es una técnica de análisis de datos que sirve para identificar y agrupar elementos por su cercanía o similitud

¿Cómo se desarrolla un algoritmo que cumple con estos objetivos? Para desarrollar un algoritmo como SEED que equilibre rentabilidad económica y necesidad social, el primer paso es transformar un reto demográfico real en un modelo matemático. Esto se logra alimentando el sistema con estructuras de datos sólidas y granulares, utilizando unidades geográficas mínimas como las secciones censales del INE para tener una radiografía exacta del territorio.

El núcleo del desarrollo consiste en programar una arquitectura de puntuación ponderada multicapa. Primero, el algoritmo evalúa la demanda residencial (otorgándole un 45% de peso) analizando la tasa de dependencia local y basándose en un estudio previo de la pirámide poblacional ideal. Esta métrica propia permite medir la idoneidad demográfica de cada barrio, comparando su estructura de edades real con una curva teórica perfecta para identificar dónde reside el público objetivo. Después, cruza esta necesidad con la viabilidad económica (40%), usando la renta media para asegurar que el entorno pueda asumir el coste del servicio y garantizar la sostenibilidad del centro. Por último, integra la saturación territorial (15%) para priorizar aquellas zonas donde la oferta actual de residencias es deficiente.

El clustering (o agrupamiento) es una técnica de análisis de datos que sirve para identificar y agrupar elementos por su cercanía o similitud. En este desarrollo, se aplica para organizar el territorio de forma inteligente. En lugar de usar métodos estadísticos tradicionales que agrupan puntos ciegamente, el algoritmo impone dinámicamente una separación mínima entre cada nueva residencia que varía si la zona es rural o de alta densidad urbana, garantizando que los centros no se “canibalicen” compitiendo por los mismos usuarios.

¿Quiénes somos? Luis Garbayo (Ingeniería Informática-Universidade de Vigo), Pau Ferrer Palomo (Negocios Internacionales - Universidad de Valencia), Beatriz Giráldez Sanjuan (Biología - Universidade de Vigo), María Luisa Rico Orero (Farmacia y Nutrición Humana y Dietética - Universidad de Valencia), y Martina Urrutia Santamarina (Ingeniería Industrial - Universidad Politécnica de Valencia), alumnos del programa Akademia Future Builders.