Dotar a las paredes de memoria para optimizar el flujo de tráfico y transformar la experiencia laboral

El experto

• ¿Por qué? Para pasar de la amnesia a la anticipación

El concepto mismo de lugar de trabajo se ha redefinido (A. Ancillo et al., 2023). Dado que las tasas medias de ocupación en Europa suelen situarse por debajo del 50 % desde la generalización del teletrabajo, el reto ya no consiste simplemente en medir, sino en interpretar los datos para optimizar un activo infrautilizado en un entorno de trabajo híbrido que requiere una gestión proactiva (Behera et al., 2024).

- Un imperativo económico y ecológico: En 2024, los espacios de trabajo costaban una media de 11 051 € por puesto de trabajo (Buzzy Ratios 2025). Al mismo tiempo, está en marcha la carrera por descarbonizar los activos inmobiliarios. Dotar a un edificio de «memoria» —la capacidad de anticipar la ocupación— se ha convertido en una palanca clave para reducir estos costes y alinear el rendimiento operativo con los objetivos de sostenibilidad.

- Una palanca organizativa y humana: Más allá de las cifras, se trata de abordar los retos de la experiencia y el bienestar. El diseño del espacio influye directamente en los patrones de trabajo híbrido y en la satisfacción de los empleados (Kumari et al. 2024).

 

• ¿Cómo? Las herramientas para construir esta memoria predictiva

Para que un edificio «recuerde» y «piense», basamos su inteligencia en dos pilares:

Los datos, sus cinco sentidos: fuentes de recuerdos en bruto.

El análisis de los datos generados (ocupación, reservas, calidad del aire) facilita la monitorización en tiempo real y constituye la materia prima de nuestro modelo (E. Ndaguba y C. Arukwe, 2024).

Modelos de IA: su capacidad de razonamiento y aprendizaje.

Utilización de técnicas avanzadas de aprendizaje automático para estructurar esta memoria. Desarrollo y perfeccionamiento de modelos predictivos híbridos capaces de integrar fuentes de datos múltiples y heterogéneas para extraer patrones complejos y calcular las probabilidades de ocupación futuras con gran precisión.

En la práctica, el sistema aprende y deduce lo siguiente: «El modelo procesa datos históricos (memoria) y contextuales (calendario, tiempo). Identifica que, aunque los martes por la mañana suele haber un pico de afluencia, la combinación de un fin de semana largo y un evento excepcional reducirá drásticamente el número de visitantes. Alerta de una caída prevista en la afluencia y, por lo tanto, sugiere compartir los espacios».

 

Conclusión: Hacia una cartera inmobiliaria inteligente y adaptative

Este trabajo no solo pretende crear algoritmos, sino dotar a los edificios de una «memoria» que permita una gestión predictiva, en lugar de reactiva, abordando así los retos actuales identificados por investigaciones recientes.

El impacto es triple: optimización económica ante el aumento de los costes, una contribución activa a la estrategia de descarbonización y una mejora cualitativa de la experiencia de los empleados a través de espacios adaptativos. En última instancia, son los paneles de control predictivos los que proporcionarán a los gestores la ventaja necesaria para gestionar los inmuebles como un activo dinámico, eficiente y profundamente humano.

 

Bibliografía

[1] X. Baron (2011). Repensar el espacio y el tiempo del trabajo intelectual. L'Expansion Management Review.

[2] A. Ancillo, S. Gavrila, M. Núñez (2023). El cambio en el lugar de trabajo en el contexto de la COVID-19: la nueva (próxima) normalidad. Technological Forecasting & Social Change.

[3] Behera, T.K., Dave, D.M. (2024). De reactivo a proactivo: predicción y optimización del rendimiento para obtener una ventaja competitiva. En: Mishra, A., El Barachi, M., Kumar, M. (eds) Transformación de la industria mediante la tecnología de gemelos digitales. Springer.

[4] Buzzy Ratios (2025) – Workplace Ratios, IDET.

[5] Kumari, S., Shukla, B., & Mishra, P. (2024). Lugar de trabajo híbrido, compromiso laboral, rendimiento y felicidad: un modelo para optimizar la productividad. Multidisciplinary Reviews, 8(1), 2025012. https://doi.org/10.31893/multirev.2025012

[6] E. Ndaguba y C. Arukwe (2024). Capítulo 7 - Ecosistema de espacios inteligentes: una revisión general. En Smart Spaces. Págs. 139-166. ISBN: 978-0-443-13462-3 https://doi.org/10.1016/B978-0-443-13462-3.00010-8

Fecha de publicación Marzo 2026