MADRID, 07 (SERVIMEDIA)
Un nuevo proyecto de investigación liderado por el Instituto Andaluz Interuniversitario en Ciencia de Datos e Inteligencia Computacional (Instituto DaSCI) de la Universidad de Granada (UGR) diseñaron incentivos más efectivos y justos que fomenten la adopción de tecnologías eólicas en la industria marítima y, para ello, los investigadores usaron la Inteligencia Artificial (IA).
Según informó la UGR, la investigación se centra en la propulsión asistida por viento, una tecnología que combina la eficiencia energética con un menor impacto ambiental. Los autores de este trabajo generaron un modelo de simulaciones de agentes. Estas evalúan cómo diferentes políticas de incentivos influyen en la adopción de las tecnologías. Las simulaciones analizan distintos factores como el conocimiento tecnológico, costes económicos y dinámicas de creación de redes sociales entre los armadores.
El estudio destaca que los incentivos selectivos, dirigidos a un grupo estratégico de adoptantes, son “significativamente más útiles” que las políticas de subvenciones uniformes. Las simulaciones realizadas mostraron que orientar las ayudas en función de criterios como el consumo energético y la actividad social de los receptores (en este caso, el sector del transporte marítimo) puede multiplicar las tasas de adopción, optimizando el impacto de los presupuestos disponibles.
El catedrático e investigador de la UGR Sergio Damas afirmó que el enfoque del trabajo “no solo busca acelerar la adopción de tecnologías verdes, sino también garantizar que las decisiones sobre la asignación de recursos sean más objetivas y justas”.
El modelo desarrollado utiliza un proceso en tres fases para simular las interacciones y decisiones de los actores involucrados, integrando datos sobre comportamiento económico, social y tecnológico. Este enfoque permite explorar distintos escenarios de implementación y optimizar las estrategias de incentivos en función de los resultados obtenidos.
Los experimentos realizados confirman que las políticas de selección basadas en datos sociales y energéticos son más eficaces y facilitan un cambio estructural en las redes de adopción tecnológica, creando efectos en cascada que benefician al sector en su conjunto.
- Te recomendamos -
