Ignacio Arriagada M.

Optimizar la recolección de desechos domiciliarios representa un gran desafío para las municipalidades, puesto que está en juego el bienestar y la salud de sus habitantes, el impacto ambiental, un manejo sostenible y adecuado de los residuos, y el tránsito de la basura. Ante esto y el crecimiento que presentan las áreas urbanas en gran parte del país, es necesario implementar estrategias y tecnologías que mejoren este servicio.

Una solución la ofrece Rescol, un prototipo de software creado por un grupo de académicos de la Pontificia Universidad Católica de Valparaíso (PUCV) y de la Universidad Andrés Bello (UNAB), que, en base a algoritmos completos y metaheurísticos, puede identificar los mejores recorridos para la recolección de basura.

"El software tiene tres secciones. Por ejemplo, la primera sección es la que se encarga de manejar los datos que tenemos de la red vial. Hay que mencionar que antes de utilizar el software tuvimos que hacer todo un proceso de estimación de la cantidad de residuos que había por cada una de las calles que íbamos a tomar en cuenta para la recolección. Una vez que uno tiene esa estimación, el software tiene un módulo que se encarga de hacer la optimización de las rutas, generando un conjunto de áreas con diferentes horarios expeditos y la cantidad de camiones necesarios para cumplir con la recolección. Toda esta información se genera con algoritmos", explica a este medio Leslie Pérez, una de las creadoras de la plataforma y académica de la Escuela de Ingeniería Informática de la PUCV.

Actualmente, el equipo de expertos lleva adelante la primera etapa de ejecución de Rescol, con la generación de un prototipo que está siendo utilizado por los Departamentos de Aseo de los municipios de Cerro Navia y Quinta Normal, en la Región Metropolitana, para organizar la recolección de residuos.

"Hemos revisado muchos datos. Ejemplo de ellos es que hemos hecho más de 50 mil mediciones de GPS y, con eso, el software ha generado nuevas rutas. Con esta información hemos logrado un 8% de reducción de las distancias recorridas por los camiones y eso implica un gran ahorro, de tiempo, combustible, generación de emisiones, entre otros", detalla Pérez.

Reciclaje

Uno de los objetivos a largo plazo que persigue Rescol es facilitar que las comunas implementen sistemas de recolección que estén enfocados en el reciclaje.

"Actualmente, lo que se recicla es muy poco y no hay ningún sistema establecido para ello en las municipalidades. Como el reciclaje es un proceso caro, el volumen que se trata es pequeño, por lo que la colaboración es esencial para hacer factible esto y abaratar costos. Por lo tanto, nuestro software está apuntando a crear sistemas colaborativos de recolección de residuos domiciliarios que hagan más fácil el reciclaje en los diferentes tipos de reutilización que se puede hacer dentro de las ciudades, algo tan importante para los objetivos que tenemos como país", puntualizó la ingeniera civil informática y doctora en ciencias de la ingeniería y tecnología.

"Hemos logrado un 8% de reducción de las distancias recorridas por los camiones y eso implica un gran ahorro, de tiempo, combustible, generación de emisiones, entre otros".

Leslie Pérez, ingeniera civil informática

Las áreas urbanas de la OCDE son en las que más proporción de empleos están o van a estar expuestos a la inteligencia artificial (AI) generativa, pero también las que más partido pueden sacarle en creación de actividad y de productividad, lo que puede contribuir a una mayor divergencia entre regiones.

En un informe sobre las diferencias regionales, la Organización para la Cooperación y el Desarrollo Económico (OCDE) estima que alrededor del 26% de los trabajadores de sus países están actualmente expuestos a esa tecnología, aunque sólo un 1% pueden considerarse altamente expuestos.

Sobre todo, los autores del trabajo destacan que conforme se desarrollen los nuevos programas y se integren en el mercado las nuevas formas de IA generativa, los empleos altamente expuestos van a crecer muy significativamente, pero con enormes diferencias entre las regiones de los países miembros.

En "un futuro próximo", esos empleos altamente expuestos representarán entre un mínimo del 16% en el estado mexicano de Guerrero o porcentajes también inferiores al 20% en La Guajira (Colombia) o Norte Huetar (Costa Rica) al 77% en el área metropolitana de Londres.

Se considera que un trabajador está expuesto cuando al menos el 20% de las tareas laborales pueden hacerse al menos 50% más rápidas con la ayuda de la IA generativa, y altamente expuesto cuando el porcentaje de esas tareas es del 50%.