🥊 Dos grandes proyectos industriales se miden hoy. En una esquina, la inversión de Renault en Villamuriel y Valladolid: 600 millones de euros para una planta de baterías y un centro de I+D en Castilla y León, según publica Onda Cero. En la otra, la gigafactoría de baterías que el Grupo Volkswagen (a través de PowerCo) anunció para Sagunto (Valencia), un proyecto varias veces mayor. ¿Cuál saca más partido a cada euro? ¿Y qué debería hacer una administración pública para multiplicar el empleo en cada caso? Una tabla comparativa cara a cara hará de árbitro, y un bandido contextual (un modelo de aprendizaje por refuerzo) nos dirá qué estrategia gana en cada territorio. 📊
El caso de hoy: la inversión de Renault en Villamuriel y Valladolid
Según la información publicada, Renault Group destinará 600 M€ a dos proyectos complementarios: una planta de baterías de iones de litio con una capacidad anunciada de 30 GWh anuales y un centro de I+D dedicado a la propulsión eléctrica y a la digitalización de procesos, en colaboración con universidades de la región. Los números que acompañan al anuncio son ambiciosos:
- ✅ 1.500 empleos directos.
- ✅ Entre 3.000 y 4.000 empleos indirectos (proveedores, logística, servicios).
- ✅ Un aumento estimado de la recaudación local de 80 M€ al año.
Hay un detalle importante: la inversión de Renault no parte de cero. Villamuriel de Cerrato (Palencia) y Valladolid ya tienen plantas del grupo, plantillas formadas y un tejido de proveedores consolidado. Es, por tanto, un proyecto de transformación de un ecosistema que ya existe. Esta característica será nuestro contexto A, y tendrá mucho peso en el modelo.
El contrincante: un caso análogo
Como rival hemos elegido la gigafactoría de PowerCo en Sagunto, anunciada en 2022-2023. Según las cifras que comunicó entonces el grupo, se trata de una inversión inicial de unos 3.000 M€, alrededor de 3.000 empleos directos y una capacidad inicial de 40 GWh. Es un proyecto greenfield: se construye sobre suelo nuevo, en una zona sin tradición en la fabricación de celdas, así que la cadena de suministro hay que levantarla casi desde cero. Será el contexto B.
¿Es justo el careo? Solo en parte, y conviene decirlo desde el principio. Los dos proyectos pertenecen al mismo sector, apuntan al mismo mercado (el vehículo eléctrico europeo) y se sitúan en el mismo país. Sin embargo, difieren en escala, en madurez y en punto de partida. Precisamente por eso nos sirven: el objetivo no es proclamar un ganador absoluto, sino ver que la mejor decisión depende del contexto. Esa es la idea central del bandido contextual. 🧠
Tabla comparativa cara a cara (Figura 1)
Empezamos por las cifras absolutas y después las normalizamos, porque comparar 600 M€ con 3.000 M€ sin más sería como comparar el sueldo total de una empresa pequeña con el de una multinacional. En la columna «Gana» se indica qué proyecto sale mejor parado en cada indicador (en verde, la celda ganadora).
| Indicador | A · Renault Villamuriel + Valladolid | B · PowerCo Sagunto | Gana |
|---|---|---|---|
| Inversión anunciada | 600 M€ | ≈ 3.000 M€ | B (volumen) |
| Empleo directo | 1.500 | ≈ 3.000 | B (volumen) |
| Capacidad de baterías | 30 GWh | 40 GWh | B (volumen) |
| Inversión por empleo directo | 0,40 M€ | 1,00 M€ | A (eficiencia) |
| Empleos directos por cada 100 M€ | 250 | 100 | A (eficiencia) |
| Inversión por GWh | 20 M€ ⚠️ | 75 M€ | A… ¿demasiado bueno? |
| Empleo indirecto anunciado | 3.000–4.000 | No comparable | — |
| Recaudación local anual estimada | 80 M€ (13,3 % de la inversión) | No comparable | — |
Fuentes: columna A, cifras de la noticia de Onda Cero; columna B, cifras aproximadas anunciadas públicamente por el Grupo Volkswagen/PowerCo en 2022-2023. Las ratios son cálculos propios. Contrastad las cifras en clase antes de sacar conclusiones fuertes.
Diferencias estadísticas relevantes
La Figura 1 parece una paliza de B: gana en los tres paneles. Pero aquí va la primera lección del duelo: los valores absolutos premian el tamaño, y las ratios premian la eficiencia. En cuanto dividimos por la inversión, la tabla cambia de color.
🔎 1. Intensidad de empleo
Con 250 empleos directos por cada 100 M€, la inversión de Renault es 2,5 veces más intensiva en empleo que Sagunto (100 por cada 100 M€). ¿Es una ventaja real? En parte, sí: ampliar una planta existente cuesta menos que construir una desde cero. También puede haber otra explicación: parte de esos 1.500 empleos podría consistir en recolocar plantilla ya contratada. Conviene distinguir entre empleo creado y empleo mantenido, una diferencia que las notas de prensa casi nunca aclaran.
⚠️ 2. El dato sospechoso: 20 M€ por GWh
Aquí toca actuar como árbitro. En la industria, una fábrica de celdas suele costar varias decenas de millones de euros por cada GWh de capacidad; Sagunto, con unos 75 M€/GWh, entra en ese rango. Los 20 M€/GWh que salen de las cifras de A son sorprendentemente bajos. Caben tres hipótesis: (a) los 600 M€ no cubren toda la planta y hay más dinero comprometido en otras fases; (b) los 30 GWh se refieren a ensamblaje de packs y no a fabricación de celdas; (c) hay un error en la cifra publicada. Un buen analista no descarta el dato, pero lo marca y lo comprueba en las fuentes primarias. Detectar valores anómalos antes de modelizar forma parte del método, no es un paso opcional. 🧮
📐 3. Retorno fiscal
80 M€ de recaudación anual sobre 600 M€ equivalen a un 13,3 % al año. Si se cumpliera, en unos 7,5 años se «recuperaría» una cifra igual a la inversión privada. Es otro indicador que hay que tomar con cautela: se trata de una estimación, no de una medida, y su intervalo de incertidumbre es desconocido.
El modelo que separa A de B (Figura 2)
Pasemos al terreno del aprendizaje por refuerzo. Imaginemos una agencia de desarrollo regional con un presupuesto para acompañar proyectos industriales como estos. Cada vez que llega un proyecto, debe elegir una acción en la que concentrar su apoyo:
- 🎓 Formación (FP dual, recualificación en baterías).
- 🔗 Proveedores locales (atraer y ampliar empresas auxiliares).
- 🔬 Ayudas a I+D (proyectos con universidades).
Esta situación es un bandido contextual: una variante del bandido multibrazo en la que, antes de tirar de un brazo, el agente observa un contexto y aprende una política que asigna a cada contexto la mejor acción. Aquí el contexto es el tipo de proyecto: A (ecosistema ya existente) o B (gigafactoría nueva). La recompensa es el número de empleos indirectos generados por cada millón de euros de apoyo público, medidos al cabo de un tiempo.
El algoritmo alterna entre explorar (probar acciones de las que sabe poco) y explotar (repetir la que mejor ha funcionado en ese contexto). La referencia clásica es LinUCB, propuesto por Li, Chu, Langford y Schapire (2010) en arXiv para recomendar noticias. La mecánica es la misma: noticias y usuarios en su caso, políticas industriales y territorios en el nuestro.
| Contexto | Acción | Rondas en que se eligió | Recompensa media (empleos indirectos / M€) |
|---|---|---|---|
| A · Ecosistema existente (Villamuriel/Valladolid) | Formación | 18 | 14 |
| Proveedores locales | 64 | 22 ★ | |
| Ayudas I+D | 18 | 11 | |
| B · Gigafactoría nueva (Sagunto) | Formación | 70 | 25 ★ |
| Proveedores locales | 20 | 16 | |
| Ayudas I+D | 10 | 12 |
Datos ilustrativos para uso docente: simulación de 100 rondas por contexto. No son mediciones reales de ninguno de los dos proyectos.
🎯 Qué nos dice la Figura 2
La conclusión salta a la vista: la acción ganadora cambia según el contexto. En el contexto A, donde ya hay plantilla formada, lo que más empleo indirecto genera es reforzar la red de proveedores locales (22 empleos por millón). En el contexto B, donde falta personal cualificado, gana la formación (25 por millón).
¿Y si la agencia ignorara el contexto y usara un bandido clásico? Promediaría ambos casos: formación obtendría (14 + 25) / 2 = 19,5, proveedores (22 + 16) / 2 = 19 e I+D 11,5. Elegiría formación en todas partes. En Sagunto acertaría, pero en Castilla y León obtendría 14 en lugar de 22, es decir, 8 empleos menos por cada millón. Con 100 M€ de apoyo, ese arrepentimiento (regret) ascendería a unos 800 empleos indirectos no creados. Ese es el valor de tener en cuenta el contexto. 💡
Fijaos también en la columna «Rondas en que se eligió»: el algoritmo no se ha limitado a la ganadora. Ha seguido probando las demás acciones (18 y 18 rondas en A) para no quedarse atascado en una conclusión prematura. Ese es el equilibrio entre exploración y explotación que define el aprendizaje por refuerzo.
Lecciones para el aula
Este duelo se puede llevar a clase en una o dos sesiones. Si buscáis simuladores y actividades para practicar, tenéis más material en los recursos interactivos de canaldocente.es. Para contrastar las cifras de empleo y producción industrial, la fuente de referencia es el Instituto Nacional de Estadística (INE). Propuestas y retos:
- 🧮 Calculad la inversión por empleo directo de la inversión de Renault usando solo los 1.500 empleos y, después, sumando la mitad de los indirectos (1.750). ¿Cuánto cambia la ratio?
- 🔎 Buscad en fuentes primarias si los 30 GWh corresponden a celdas o a ensamblaje de packs. ¿Se mantiene la alarma de los 20 M€/GWh?
- 📊 Rehaced la Figura 1 con una escala común para los tres paneles. ¿Qué gráfico resulta más honesto y cuál más legible?
- 🎯 Añadid un tercer contexto, «región sin tradición industrial». ¿Qué acción creéis que ganaría? Inventad recompensas ilustrativas y justificadlas.
- 🧠 Programad un bandido ε-greedy por contexto (con ε = 0,1) en Python o en una hoja de cálculo y simulad 100 rondas. ¿Converge a las mismas ganadoras de la Figura 2?
- 📚 Explicad con vuestras palabras la diferencia entre un bandido multibrazo clásico y uno contextual usando el cálculo del arrepentimiento de este artículo.
- ✅ Debate: ¿es ético que una administración «experimente» con políticas públicas como hace un algoritmo que explora? ¿Qué salvaguardas pondríais?
Veredicto
🏆 En volumen gana Sagunto; en eficiencia gana la inversión de Renault en Villamuriel y Valladolid, con una salvedad importante: el coste por GWh es tan bajo que hay que verificarlo antes de celebrarlo. El veredicto de fondo, sin embargo, lo da el modelo: no existe una receta única. El bandido contextual muestra que un ecosistema industrial maduro rinde más si se refuerza su red de proveedores, mientras que una gigafactoría nueva necesita sobre todo formar talento. La tabla comparativa sirve para medir y el modelo para decidir, siempre que los datos de partida sean de fiar.