Cómo la sostenibilidad está rediseñando los centros de datos

Columna

Sostenibilidad

28 de agosto de 2026

Cómo la sostenibilidad está rediseñando los centros de datos

La economía digital encuentra límites físicos e intenta reducir su impacto ambiental

El rápido crecimiento de la infraestructura digital transforma el consumo de energía, la disponibilidad hídrica, la refrigeración, los materiales de construcción y la ubicación en variables centrales para el diseño de la próxima generación de centros de datos.

Durante gran parte de la transformación digital, se consolidó la percepción de que la computación se estaba volviendo progresivamente inmaterial. La expresión “nube” contribuyó a esta percepción. Sin embargo, cuanto más digital se vuelve la economía, mayor es la infraestructura física necesaria para sustentarla.

Detrás de cada servicio alojado remotamente existen servidores, procesadores, sistemas de almacenamiento, redes de comunicación, subestaciones eléctricas, sistemas de alimentación redundante y grandes estructuras de refrigeración operando continuamente.

Esta infraestructura consume electricidad, produce calor, utiliza agua directa o indirectamente y depende de grandes cantidades de concreto, acero, componentes electrónicos y equipos con ciclos de sustitución relativamente cortos.

La escala de este proceso comienza a alterar la propia forma en que se diseñan los centros de datos. Sostenibilidad, en este contexto, deja gradualmente de representar solo una meta corporativa o un indicador utilizado en informes ESG y pasa a funcionar como una restricción concreta de ingeniería.

La infraestructura dejó de ser invisible

La dimensión del problema aparece primero en el consumo de electricidad. La Agencia Internacional de la Energía actualizó en 2026 sus proyecciones y estima que los centros de datos habrán consumido aproximadamente 485 TWh de electricidad en el mundo en 2025. En 2030, este valor podrá alcanzar unos 950 TWh, prácticamente el doble en solo cinco años, el equivalente a cerca del 3% de la demanda mundial de electricidad. El crecimiento previsto es cercano al 15% anual, más de cuatro veces superior al crecimiento del consumo eléctrico de los demás sectores considerados en conjunto (IEA, 2026).

El número es relevante no solo por su magnitud. Los centros de datos no distribuyen esta demanda de manera uniforme por el territorio. Las grandes instalaciones concentran decenas o cientos de megavatios en puntos específicos de la red eléctrica, lo que exige disponibilidad simultánea de generación, transmisión, transformación y distribución. Una región puede poseer energía suficiente en términos agregados y, aun así, no disponer de la infraestructura necesaria para conectar rápidamente nuevos emprendimientos de esta escala.

La propia AIE proyecta que la generación eléctrica necesaria para satisfacer los centros de datos pase de aproximadamente 460 TWh en 2024 a más de 1.000 TWh en 2030. Las fuentes renovables deberían representar casi la mitad del crecimiento adicional, pero el gas natural, el carbón y, progresivamente, la energía nuclear también aparecen en la expansión proyectada. Por lo tanto, aumentar la eficiencia interna de las instalaciones no elimina la discusión sobre cómo se producirá esa electricidad (AIE, 2025).

Esta distinción entre eficiencia y consumo absoluto es fundamental. Un centro de datos moderno puede ejecutar mucho más procesamiento utilizando cada kilovatio-hora de forma más eficiente y, aun así, aumentar su consumo total, si su capacidad computacional crece a un ritmo aún superior.

Números de las empresas

Los números de las propias empresas muestran esta evolución. Google informa que su flota global de centros de datos presentó un PUE promedio de 1,09 en 2025 — el Power Usage Effectiveness relaciona toda la energía consumida por una instalación con la efectivamente utilizada por los equipos de tecnología de la información. Un valor ideal sería 1,0. Según la empresa, la media observada entre los participantes de la investigación global del Uptime Institute en 2025 fue de 1,54. Google también afirma haber entregado, en 2025, más de tres veces la capacidad computacional por unidad de energía que podía ofrecer cinco años antes (Google, 2026).

AWS presenta un comportamiento similar. En 2025, sus centros de datos registraron un PUE global promedio de 1,14, frente a 1,15 el año anterior. Son ganancias significativas considerando la escala de las operaciones, pero coexisten con una infraestructura que continúa expandiéndose rápidamente (AWS, 2026).

La conclusión es menos intuitiva de lo que parece: la eficiencia es necesaria, pero ya no es suficiente. La arquitectura sostenible necesita administrar simultáneamente el crecimiento de la capacidad, el origen de la energía, los límites de la red y la cantidad de recursos exigida para cada unidad adicional de procesamiento.

Eficiencia, agua y calor: el proyecto está cambiando

El cambio se vuelve particularmente visible en la refrigeración. Casi toda la electricidad consumida por los componentes computacionales termina convertida en calor. A medida que aumenta la potencia concentrada en los servidores, también aumenta la cantidad de energía térmica que debe eliminarse de espacios relativamente pequeños.

Durante décadas, gran parte de este problema se resolvió enfriando el ambiente y haciendo circular grandes volúmenes de aire por los equipos. El aumento de la densidad computacional comienza a modificar esta lógica. En lugar de retirar el calor después de que se esparce por el gabinete y por el ambiente, nuevas arquitecturas aproximan el sistema de refrigeración al componente que produce ese calor.

Es en este contexto que crece la utilización de la refrigeración líquida directa en los chips. Las llamadas cold plates permiten circular líquido por estructuras instaladas junto a los procesadores, retirando energía térmica directamente de la fuente. La consecuencia no es solo un cambio del equipo responsable de la climatización. El proyecto físico necesita incorporar nuevas tuberías, bombas, intercambiadores de calor, sensores, sistemas redundantes, distribución hidráulica y racks preparados para densidades significativamente mayores.

El agua pasa, entonces, a integrar la discusión de manera más compleja. Los sistemas evaporativos pueden proporcionar refrigeración energéticamente eficiente, pero consumen agua. Los sistemas secos o mecánicos reducen el consumo hídrico, pero pueden demandar más electricidad en determinadas condiciones climáticas. La solución sostenible no consiste simplemente en eliminar una de estas variables, sino en diseñar el sistema considerando simultáneamente agua, energía, temperatura externa y características locales.

La evolución reciente de Microsoft ilustra este cambio. Desde agosto de 2024, los nuevos proyectos propios de la empresa comenzaron a incorporar una arquitectura basada en refrigeración en circuito cerrado. El líquido circula continuamente entre servidores y enfriadores, evitando la evaporación utilizada en sistemas tradicionales. Los primeros proyectos de este tipo comenzaron a implementarse en 2026 y deberían entrar en operación a partir de 2027. La propia empresa reconoce que la sustitución de la refrigeración evaporativa puede producir un aumento nominal en el consumo eléctrico, razón por la cual este cambio necesita ser combinado con refrigeración directamente en el chip y operación a temperaturas más elevadas (Microsoft, 2024).

En junio de 2026, Microsoft informó que aproximadamente el 90% de su flota propia operaba con sistemas de refrigeración de bajo o nulo consumo hídrico, dependiendo de las condiciones climáticas. La compañía también comenzó a adoptar diseños capaces de operar sin consumo de agua por evaporación durante la refrigeración, utilizando circuitos cerrados directamente asociados a los componentes computacionales (Microsoft, 2026).

En AWS, el Water Usage Effectiveness, indicador que relaciona el volumen de agua extraído a la carga computacional, alcanzó 0,12 litros por kWh en 2025, frente a 0,15 en 2024 y con una reducción acumulada del 52% en relación a 2021. En la región que reúne América Central y América del Sur, la empresa reportó un WUE de 0,09 L/kWh en 2025, por debajo de los 0,23 registrados el año anterior (AWS, 2026).

Estos datos muestran que la sostenibilidad comienza a modificar la propia arquitectura térmica de la computación. En lugar de un modelo relativamente uniforme de refrigeración, surge una infraestructura adaptada al clima, a la disponibilidad hídrica, a la densidad de los servidores y al perfil energético de cada región.

El concreto, la energía y la dirección

El impacto ambiental de un centro de datos, sin embargo, no comienza cuando se encienden los servidores. El hormigón, el acero, los cables, los equipos eléctricos y los componentes electrónicos también generan emisiones incorporadas a la construcción. Microsoft ya ha construido en Virginia del Norte sus primeros centros de datos utilizando una estructura híbrida formada por madera contralaminada, acero y hormigón. Según estimaciones de la empresa, la solución puede reducir en aproximadamente un 35% el carbono incorporado en comparación con la construcción convencional en acero y en un 65% en comparación con estructuras típicas de hormigón prefabricado (Microsoft, 2025).

AWS ha comenzado a incorporar materiales de menor intensidad de carbono a escala. Para 2025, la compañía informó haber construido 39 centros de datos con concreto de bajas emisiones y 33 con acero de bajas emisiones. AWS también mantiene programas de recuperación, reparación, reutilización y reciclaje de equipos fuera de servicio, buscando extender la vida útil de los componentes antes de su reemplazo (AWS, 2026).

Esto amplía el concepto de arquitectura sostenible. No se trata solo de eficiencia energética, sino de considerar la huella de carbono del edificio, el origen de los materiales, el ciclo de vida de los equipos y su posibilidad de reparación, reutilización y reciclaje.

La dirección también deja de ser solo una decisión inmobiliaria. La disponibilidad de energía, la capacidad de las líneas de transmisión, el clima, la disponibilidad hídrica, la oferta de fuentes de bajo carbono y la posibilidad de integración con otras infraestructuras pasan a influir directamente en la ubicación de los nuevos emprendimientos.

Esta integración puede transformar incluso el calor producido por los servidores en un recurso aprovechable. En junio de 2026, 14 asociaciones industriales europeas acordaron desarrollar, junto a la Comisión Europea, un modelo de integración entre operadores de centros de datos, empresas de energía y autoridades públicas. Una de las posibilidades previstas es utilizar el calor residual producido por los centros de datos en sistemas urbanos de calefacción, evitando simplemente su disipación al medio ambiente (Comisión Europea, 2026).

La regulación comienza a seguir este cambio. La Directiva de Eficiencia Energética de la Unión Europea estableció obligaciones de monitoreo y reporte para centros de datos con una demanda de potencia superior a 500 kW. La Comisión prepara además un sistema de clasificación que considera no solo la eficiencia energética, sino también la eficiencia hídrica, la utilización de energía limpia, el reaprovechamiento de calor residual y la capacidad de operación flexible en relación con la red eléctrica (Comisión Europea, 2026).

Un centro de datos deja de considerarse eficiente solo porque presenta un buen PUE. El análisis ahora involucra energía, agua, carbono incorporado, materiales, residuos, flexibilidad eléctrica e integración territorial.

Brasil ya está en el centro de esta transformación

En Brasil, la expansión ha dejado de ser una proyección distante y ya interfiere directamente en la planificación del sistema eléctrico. La segunda revisión cuatrimestral de las previsiones de carga para 2026 a 2030, divulgada por ONS, EPE y CCEE el 7 de agosto de 2026, presentó un cambio expresivo en las estimaciones relacionadas con los centros de datos.

La proyección considera 315 MW promedio de carga en 2026, llegando a 5.653 MW promedio en 2030. Solo entre la primera y la segunda revisión realizada en 2026, la estimación para 2030 aumentó en 2.196 MW promedio. En la base consultada en julio había 27 contratos de acceso ya firmados, 30 solicitudes con dictamen de acceso favorable y otras 21 solicitudes aún en análisis, estas últimas aún ni siquiera incorporadas a la proyección. La mayor concentración de las nuevas cargas ocurre en los subsistemas Sudeste/Centro-Oeste, Nordeste y Sur (ONS; EPE; CCEE, 2026).

La velocidad de esta revisión quizás sea tan significativa como la propia cifra final. En pocos meses, la planificación necesitó incorporar más de 2 GW medios adicionales para 2030. Esto demuestra que la discusión sobre centros de datos ya ha alcanzado una dimensión suficiente para modificar previsiones nacionales de demanda y planificación de infraestructura eléctrica.

También existe una oportunidad estratégica. La alta presencia de fuentes renovables en el sistema eléctrico brasileño hace que el país sea potencialmente atractivo para operaciones interesadas en reducir las emisiones asociadas al consumo energético. El propio Plan Brasileño de Inteligencia Artificial destinó R$ 500 millones al programa Pró-Infra IA Sustentável, enfocado al desarrollo de infraestructura y de centros de datos con requisitos relacionados a la sostenibilidad (Siqueira, 2025).

Esta ventaja, sin embargo, no elimina los impactos locales. La electricidad renovable sigue exigiendo generación y transmisión. Los recursos hídricos se distribuyen de manera desigual por el territorio. Las líneas y subestaciones tienen límites físicos. Los grandes emprendimientos pueden modificar significativamente la demanda de una determinada región, incluso cuando el sistema nacional presenta condiciones favorables en términos agregados.

Esta preocupación ya entró formalmente en la agenda ambiental brasileña. En junio de 2026, el Consejo Nacional del Medio Ambiente aprobó la moción nº 147, que señala la necesidad de directrices nacionales y salvaguardas socioambientales específicas para el licenciamiento de centros de datos. El documento menciona explícitamente consumo intenso de energía y agua, emisiones de gases de efecto invernadero, residuos electroelectrónicos, presión territorial y posibles conflictos por el acceso a recursos naturales (Conama, 2026).

La discusión brasileña, por lo tanto, no debería limitarse a la cantidad de emprendimientos que el país puede atraer. El problema más relevante es definir dónde se instalarán estos centros de datos, cómo se conectarán al sistema eléctrico, qué tecnología de refrigeración utilizarán, cuál será su demanda hídrica, qué materiales se emplearán y cómo se evaluarán los impactos acumulados.

La próxima generación de infraestructura digital tiende a ser muy diferente de aquella responsable de la primera expansión de la computación en la nube. Refrigeración líquida directamente en los componentes, circuitos cerrados de agua, sistemas capaces de adaptar el consumo a las condiciones de la red, fuentes de energía de bajo carbono, almacenamiento, fuentes de bajo carbono, reutilización de equipos y recuperación de calor pasan gradualmente de experiencias aisladas a decisiones estructurales de diseño.

Esto también altera la lógica económica del sector. La eficiencia energética reduce los costos operativos. Un menor consumo de agua reduce la exposición a restricciones locales. La flexibilidad eléctrica facilita la integración con redes congestionadas. Los materiales de menor intensidad de carbono reducen la huella incorporada de los nuevos desarrollos. Los sistemas de recuperación y reutilización disminuyen los residuos y la dependencia de nuevas materias primas. La sostenibilidad, por lo tanto, deja de ser solo un requisito reputacional y pasa a interferir en la viabilidad técnica y económica de estas instalaciones.

El crecimiento de la economía digital difícilmente se verá interrumpido. El desafío será impedir que la infraestructura física necesaria para sustentarla crezca con la misma intensidad en consumo de recursos e impacto ambiental. Durante muchos años, la abstracción de la “nube” permitió que la infraestructura digital pareciera distante de las limitaciones físicas tradicionales. La expansión actual demuestra justamente lo contrario. El futuro de los centros de datos estará condicionado por la energía, el agua, los materiales, las redes eléctricas, el clima y el territorio. La evolución más importante de esta infraestructura quizás no esté solo en los procesadores instalados dentro de los edificios, sino en la forma en que estos edificios serán concebidos para continuar aumentando su capacidad sin volver ambientalmente inviable el propio crecimiento que necesitan sustentar.

Para tener acceso a las referencias de este texto haga clic aquí

Quién publicó esta columna

Maurício Acconcia Dias

Possui graduação em Ciência da Computação pela Universidade Federal de Lavras, mestrado e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo e MBA em Data Science Analytics pela USP/Esalq. Atua com desenvolvimento de hardware para sistemas inteligentes aplicados à robótica. É consultor em Data Science & Analytics e Desenvolvimento de sistemas embarcados e orientador do MBA USP/Esalq.

También te puede interesar

02 de octubre de 2026

Determinantes de la ubicación de supermercados en São Paulo

Un estudio investigó los factores determinantes de la ubicación de supermercados en el estado de São Paulo, con el objetivo de investigar los factores que explican la presencia y expansión de estos establecimientos, considerando dimensiones socioeconómicas, demográficas y de mercado. Se utilizaron datos de los Censos Demográficos de 2010 y 2022 del IBGE y información del Cadastro Nacional de Pessoas Jurídicas de la Receita Federal do Brasil para construir una base de datos georreferenciada. Se aplicó un modelo de clasificación Random Forest, ajustado por grid search con validación cruzada, priorizando la métrica recall-macro debido al desbalanceo de la variable dependiente, que representó la presencia o ausencia de supermercados en un buffer de 50 metros. Los resultados indicaron que la ubicación de supermercados está fuertemente asociada a características demográficas, de ingresos y de población en el entorno. El análisis de importancia de las variables evidenció que factores sociodemográficos, como alfabetización de ancianos, ingresos familiares y la presencia de otros establecimientos de alimentación, ejercieron una influencia significativa, especialmente en el entorno inmediato. Los hallazgos reforzaron la hipótesis de que la distribución espacial de supermercados no es aleatoria, siendo condicionada por características socioeconómicas y por la estructura comercial del territorio, ofreciendo subsidios para decisiones empresariales y planificación urbana.

Palabras clave: Análisis espacial; Aprendizaje automático; Expansión; Ubicación comercial; Supermercados.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Educación Antirracista: Prácticas Educativas Inclusivas y Desarrollo Social

La educación antirracista, comprendida como eje estructurante de la educación inclusiva y del desarrollo social, fue investigada en el contexto brasileño. El estudio tuvo como objetivo identificar y analizar, con base en documentos legales y en la percepción de profesores, las prácticas educativas capaces de promover el antirracismo en la escuela y en la sociedad, y cómo la implementación de las Leyes nº 10.639/03 y nº 11.645/08 contribuyó a la justicia social. Se adoptó un enfoque cualitativo y documental, con análisis de legislación educacional, directrices curriculares, informes institucionales y literatura académica. Complementariamente, se aplicó un cuestionario semiestructurado a 295 profesores de Educación Básica. Los datos fueron evaluados cuantitativa y cualitativamente, por medio de análisis de contenido temático, y validados con estudios bibliográficos. Los resultados revelaron una paradoja: a pesar de un marco legal robusto, la implementación de las políticas antirracistas se mostró frágil y puntual, con carencia de formación docente, materiales didácticos adecuados y monitoreo. Se constató la persistencia de desigualdades educacionales significativas entre estudiantes blancos y negros, y la mayoría de los profesores reconoció la ocurrencia de racismo en las escuelas, pero sin protocolos institucionales claros. El análisis neurocientífico demostró que el racismo impacta negativamente el desarrollo cognitivo y emocional de los estudiantes. Se concluyó que la educación antirracista es central para una educación de calidad, exigiendo compromiso político, inversión pública y articulación intersectorial. La integración de la Neurociencia en la formación docente y la producción de materiales cualificados son cruciales para fortalecer el papel de la escuela en la construcción de una sociedad más justa e inclusiva.

Palabras clave: Desarrollo Social; Educación Antirracista; Justicia Social; Ley 10.639/03; Prácticas Educativas Inclusivas.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Caminos de la Inclusión: Percepciones de Padres y Profesores sobre la Escolarización de Estudiantes con Doble Excepcionalidad en el Contexto Brasileño

La Doble Excepcionalidad, caracterizada por la coexistencia de Altas Habilidades/Superdotación y trastornos del neurodesarrollo, representa un fenómeno complejo que desafía los modelos tradicionales de identificación y escolarización. El estudio tuvo como objetivo comprender las percepciones de padres o tutores, profesores y otros profesionales de la educación sobre la escolarización de estudiantes con Doble Excepcionalidad en el contexto brasileño, investigando desafíos, estrategias pedagógicas y posibilidades de inclusión basadas en la equidad. La investigación adoptó un enfoque cualitativo, exploratorio y descriptivo, y recopiló datos a través de un cuestionario en línea, voluntario y anónimo, respondido por 25 participantes. Los datos discursivos fueron analizados mediante análisis de contenido temático. Los resultados indicaron que el conocimiento sobre el tema se construye frecuentemente a partir de experiencias personales y profesionales, revelando lagunas en la formación sistematizada. Se identificaron dificultades en la identificación de estos estudiantes, en la formación docente y en la implementación de planes educativos individualizados, flexibilización pedagógica y enriquecimiento curricular. Se relataron repercusiones socioemocionales, como frustración y baja autoestima. Sin embargo, algunas escuelas demostraron prácticas inclusivas fundamentadas en la equidad, articulando necesidades específicas y potencialidades. Aunque los resultados no permiten generalizaciones, evidenciaron la necesidad de fortalecer la formación profesional y la articulación entre escuela, familia y servicios especializados. Se concluyó que la inclusión de estudiantes con Doble Excepcionalidad requiere prácticas que reconozcan simultáneamente sus dificultades y potencialidades, garantizando condiciones equitativas de participación, aprendizaje y desarrollo.

Palabras clave: Desarrollo humano; Formación docente; Inclusión escolar; Neurodivergencia; Prácticas pedagógicas.

02 de octubre de 2026

Modelado predictivo para la gestión de inventarios: aumento de la productividad y la eficiencia en un centro de distribución de alimentos

La gestión eficiente de las operaciones logísticas en centros de distribución es fundamental para la competitividad, especialmente en actividades intensivas en mano de obra, que impactan los costos operativos y el nivel de servicio. El estudio tuvo como objetivo desarrollar y evaluar diferentes modelos de pronóstico de demanda para optimizar la gestión de inventario y recursos en un centro de distribución de alimentos. Para ello, se utilizaron datos históricos de movimiento de un sistema WMS, aplicando modelos de regresión lineal, suavización exponencial de Holt-Winters y el algoritmo LightGBM. Los resultados indicaron que los modelos tradicionales presentaron limitaciones en la captura de la dinámica de la demanda, con un rendimiento inferior al LightGBM. El algoritmo de aprendizaje automático demostró un rendimiento superior, especialmente después de la incorporación de mayor granularidad de los datos y variables temporales, lo que permitió una mayor adherencia a la dinámica de la demanda. La aplicación del modelo resultó en una reducción del 36,38% en el desplazamiento para el pallet picking y del 31,98% para el case picking, totalizando una reducción global del 33,64%. Se concluyó que la utilización de modelos predictivos contribuyó a la mejora de la eficiencia operativa, permitiendo una mejor asignación de recursos y organización de los artículos en el proceso de separación de pedidos.

Palabras clave: Aprendizaje automático; Clasificación ABC; Eficiencia operativa; Logística; Pronóstico de demanda.

02 de octubre de 2026

Transformación de Datos en Estrategia: Investigación Aplicada para la Optimización de Operaciones en Ecoturismo

La creciente demanda en el turismo ecológico en Minas Gerais impulsó la búsqueda de inteligencia de negocios para transformar datos de clientes en información estratégica. El estudio objetivó estructurar un pipeline de ciencia de datos para recolectar, segmentar y clasificar la base de clientes de una operación de ecoturismo, con el fin de optimizar acciones de marketing y anticipar movimientos de mercado. Se realizó una investigación exploratoria, de naturaleza cuali-cuantitativa, por medio de un estudio de caso. Se utilizaron 2.777 registros transaccionales de una empresa de ecoturismo, referentes a enero de 2024 a diciembre de 2025. El proceso metodológico involucró recolección automatizada de datos (API Google Sheets), tratamiento y enriquecimiento (ETL), validación y creación de atributos RFM (Recencia, Frecuencia y Valor Monetario). Se aplicó reducción de dimensionalidad vía PCA y agrupamiento K-Means, con el número de clusters definido por el método del Codo y Silhouette Score. Se validaron los resultados con DBSCAN y K-Medoids. Los resultados revelaron la identificación de tres segmentos comportamentales de clientes: “Fiel”, “Bajo Valor” y “Potencial”. El segmento “Fiel” representó el mayor valor económico acumulado, mientras que el “Potencial” se destacó por el alto ticket promedio y potencial de conversión en recurrencia. La integración de las técnicas de análisis de datos demostró ser un método robusto y replicable para generar inteligencia en el ecoturismo. Se concluyó que el pipeline de ciencia de datos estructurado viabilizó la segmentación comportamental de la base de clientes, la validación estadística de los grupos y la creación de un sistema predictivo para nuevos compradores, proporcionando subsidios para decisiones estratégicas basadas en datos y futuros análisis.

Palabras clave: Clusterización; Inteligencia de negocios; Machine Learning; Segmentación de clientes; Toma de decisiones.

02 de octubre de 2026

Clasificación de clientes morosos mediante técnicas supervisadas de aprendizaje automático

El riesgo de incumplimiento en operaciones de crédito demandó enfoques analíticos para anticipar pérdidas. Este estudio evaluó comparativamente el desempeño de modelos supervisados de aprendizaje automático en la clasificación de clientes incumplidos en operaciones de tarjeta de crédito. Se utilizó la base pública “Default of Credit Card Clients”, de la Universidad de California Irvine, con 30.000 observaciones y desbalanceo de clases. Se emplearon los algoritmos Regresión Logística, Random Forest y Extreme Gradient Boosting. El desbalanceo se trató mediante la asignación de pesos a las clases, y la optimización de los modelos se realizó con el método RandomizedSearchCV, priorizando la sensibilidad. Los resultados de la validación cruzada indicaron que el modelo Extreme Gradient Boosting presentó mayor capacidad de identificación de la clase incumplida y mejor desempeño discriminatorio, seguido por Random Forest y Regresión Logística, con una sensibilidad de 0,8250 y un AUC-ROC de 0,7844 para el XGBoost. El análisis de interpretabilidad, realizado por la técnica Shapley Additive Explanations (SHAP), evidenció la predominancia de variables asociadas al comportamiento de pago, especialmente el historial de retrasos. Se concluyó que los modelos basados en árboles, particularmente técnicas de boosting, se mostraron más adecuados para capturar patrones complejos en los datos, configurándose como alternativas consistentes para la gestión de riesgo de crédito.

Palabras clave: Aprendizaje Automático; Tarjeta de Crédito; Clasificación; Extreme Gradient Boosting; Riesgo de Crédito.

02 de octubre de 2026

Análisis de Sentimientos sobre Bancos Brasileños en Twitter/X: Comparación entre Instituciones Tradicionales y Digitales

Un estudio analizó la percepción pública sobre instituciones financieras brasileñas en la plataforma Twitter/X, resaltando la importancia del monitoreo de sentimientos en redes sociales para la comprensión de la reputación y la experiencia del cliente en el sector bancario. El objetivo consistió en comparar la percepción de los usuarios sobre la imagen y la reputación de bancos tradicionales y digitales, a partir de los patrones de sentimiento identificados en las manifestaciones analizadas, buscando identificar diferencias estructurales entre estos grupos. La metodología se basó en el análisis de 1.096 tweets recopilados entre noviembre de 2022 y junio de 2023. Se utilizaron dos enfoques complementarios de análisis de sentimientos, la suma y la media de las etiquetas, para captar el sentimiento mayoritario y los matices de la percepción. Adicionalmente, se desarrollaron el Modelo de Perfil de Mercado, con indicadores de reputación emocional, riesgo reputacional, neutralidad y polarización, y el Modelo de Clusterización Bancaria, que permitió agrupar las instituciones conforme a patrones de percepción. Los resultados indicaron predominancia de sentimientos neutros y negativos, mayor volumen de interacciones en los bancos digitales y diferencias estructurales en la intensidad emocional de las percepciones, con mayor estabilidad en los bancos digitales y mayor polarización en los tradicionales. Se concluyó que la combinación de técnicas analíticas y estadísticas contribuyó a una comprensión profunda de la imagen institucional en el entorno digital, evidenciando la importancia de estrategias de gestión de la reputación basadas en datos.

Palabras clave: Bancos digitales; Bancos tradicionales; Modelado de datos; Opinion mining; Redes Sociales.

02 de octubre de 2026

Optimización de la planificación presupuestaria anual mediante metodologías de gestión de proyectos

El Plan Presupuestario Anual (POA) es un proceso crucial para traducir la estrategia organizacional en metas operativas y financieras, pero frecuentemente enfrenta presiones de plazos, dependencias interdepartamentales y la repetición de gastos habituales. El estudio objetivó analizar cómo la aplicación combinada de prácticas de gestión de proyectos y del Presupuesto Base Cero (PBC) puede optimizar el POA. Para ello, se desarrolló un estudio de caso en la operación brasileña de una compañía abierta del sector de bebidas, utilizando investigación documental de su informe de resultados de 2023 y un cuestionario anónimo aplicado a 47 encuestados. El análisis documental indicó crecimiento de la receta neta, expansión del margen bruto y del EBITDA ajustado, y avance contenido de los gastos de ventas, generales y administrativos, sugiriendo disciplina de costos y apalancamiento operativo. El relevamiento complementario reveló alta percepción de efecto cascada en el cronograma, fuerte apoyo a la definición de responsables por paquetes de costos y preferencia por justificación técnica de los gastos, además de demanda por flexibilidad controlada tras la definición de la línea base. Se concluyó que la estructuración del POA como proyecto, asociada al rigor del PBC, aumentó la previsibilidad del proceso, reforzó la responsabilidad sobre los gastos y amplió la coherencia entre la ejecución presupuestaria y el desempeño económico-financiero.

Palabras clave: Control de Costos; Eficiencia Operativa; Presupuesto Base Cero; PMBOK; Sector de Bebidas.

02 de octubre de 2026

Innovación en modelos de negocio tradicionales y su impacto en el entorno laboral

El estudio analizó cómo la innovación aplicada en modelos de negocio tradicionales impacta el ambiente de trabajo. Con este objetivo, se realizó una investigación de campo que involucró a 225 profesionales de diferentes sectores y niveles jerárquicos. La recolección de datos se llevó a cabo a través de un cuestionario estructurado, que investigó el perfil, las percepciones y los comportamientos de los participantes en relación con la innovación. Los resultados obtenidos indicaron que los colaboradores de empresas consideradas innovadoras percibieron niveles elevados de innovación, demostraron mayor compromiso, motivación para proponer mejoras y una mejor comprensión de los cambios implementados. En contraste, los profesionales de empresas tradicionales presentaron una percepción de innovación más baja, mayor neutralidad frente a las transformaciones y niveles más elevados de estrés e inseguridad en el ambiente laboral. Se observó, además, que el liderazgo, la comunicación clara, el apoyo y la capacitación adecuada fueron identificados como factores esenciales para facilitar la adaptación a los cambios y aumentar la receptividad de los colaboradores. Se concluyó que la tipología organizacional, asociada a la cultura y a las prácticas de gestión, influye directamente en la forma en que se vive la innovación internamente y sus efectos en el ambiente de trabajo.

Palabras clave: Compromiso; Empresas tradicionales; Gestión del cambio.