Nuevo Modelo de Subsidios para PPPs de Carga de VE: El Rendimiento Paga
La carrera por electrificar el transporte ya no se trata de quién construye la mejor batería o el sedán más rápido: se trata cada vez más de quién construye la infraestructura que mantiene esos vehículos en movimiento. Y en esa carrera, un factor silencioso pero poderoso comienza a moldear los resultados de manera más decisiva que el acero, los cables o incluso los kilovatios: cómo los gobiernos pagan por ella. Un nuevo estudio publicado en el Journal of Industrial Engineering and Engineering Management ofrece una hoja de ruta detallada y rigurosamente modelada sobre cómo pueden estructurarse las asociaciones público-privadas (APP) en la carga de vehículos eléctricos (VE): no solo para construir más estaciones, sino para construir mejores estaciones, más rápido y con mayor valor a largo plazo para la sociedad.
A primera vista, el problema parece sencillo. Todavía hay muy pocos cargadores públicos, demasiados cuellos de botella en el despliegue y demasiada incertidumbre en torno a los rendimientos para los inversores privados. Pero bajo la superficie, el verdadero desafío es conductual: cuando los operadores privados asumen el costo y el riesgo de construir y mantener redes de carga, sus incentivos no siempre se alinean con el bien público. Pueden priorizar corredores de alto tráfico y precios premium sobre el acceso equitativo o la resiliencia de la red. Si no se controla, esta desalineación puede ralentizar la adopción, profundizar las disparidades regionales y, en última instancia, socavar los objetivos climáticos a los que debe servir la electrificación.
Entran en juego los subsidios basados en el rendimiento: pagos no solo por construir una estación, sino por entregar resultados medibles: tiempo de actividad, satisfacción del usuario, integración con redes inteligentes, incluso apoyo a programas de respuesta a la demanda. Aquí es donde el trabajo de Zhang Yiting, Wang Xueqing, Ma Rui, Liu Yunfeng (Universidad de Tianjin) y Wang Dan (Universidad de Chongqing) abre nuevos caminos. En lugar de ofrecer amplias recetas políticas, construyen un juego de Stackelberg: un modelo jerárquico donde el gobierno se mueve primero (estableciendo reglas de subsidio) y los operadores privados responden (eligiendo niveles de esfuerzo) para simular cómo los pagos vinculados al rendimiento pueden remodelar el comportamiento.
Lo que surge no es una receta única para todos, sino un marco matizado que revela cuándo y cómo los incentivos de rendimiento realmente marcan la diferencia, y cuándo no.
Uno de los hallazgos más sorprendentes del estudio es el papel crítico de la estructura de costos del operador. No todas las empresas de carga son iguales. Algunas, quizás respaldadas por startups expertas en tecnología o gigantes energéticos integrados, pueden implementar actualizaciones de software, precios dinámicos o mantenimiento predictivo a un costo marginal relativamente bajo. Otras, particularmente las empresas regionales más pequeñas, enfrentan costos internos elevados por cada hora extra de tiempo de técnico, cada capa adicional de análisis de datos o cada actualización de estándares de interoperabilidad.
El modelo muestra que cuando el coeficiente de costo-esfuerzo de los operadores es bajo, los subsidios basados en el rendimiento actúan como turbocompresores. Un pequeño aumento en la tasa de incentivo (digamos, por cada punto porcentual de ganancia en el tiempo de actividad de la estación o la satisfacción del cliente) desencadena un aumento desproporcionadamente grande en el esfuerzo. Los operadores responden optimizando las rutas para los equipos de servicio, invirtiendo en paneles de monitoreo en tiempo real o incluso co-ubicando cargadores con comercios minoristas para mejorar el tiempo de permanencia y la seguridad del usuario.
Pero si se invierte la situación, el efecto se evapora. Cuando el esfuerzo es costoso (piense: ubicaciones remotas, hardware heredado, escasez de mano de obra), los operadores se vuelven mucho menos receptivos a los ajustes de rendimiento. No importa cuán generoso sea el bono, el costo interno de perseguir ese último 5% de confiabilidad o capacidad de respuesta simplemente no vale la pena. En esos casos, advierte el estudio, los subsidios fijos o las subvenciones de capital por adelantado pueden generar más valor social: liberan al operador de las matemáticas imposibles de los rendimientos marginales de alto esfuerzo.
Esta idea por sí sola podría ahorrar a los gobiernos millones en incentivos mal asignados. En lugar de implementar un programa uniforme de «pago por rendimiento» a nivel nacional, un enfoque más inteligente sería segmentar a los licitantes durante la contratación: categorizarlos según la complejidad operativa proyectada y luego adaptar la estructura de subsidios en consecuencia: con un fuerte componente de rendimiento para actores ágiles en zonas urbanas densas, y con un fuerte apoyo fijo para aquellos que abordan corredores rurales desatendidos.
Luego está el precio. No el precio de la electricidad, sino la tarifa que pagan los usuarios por cargar. Uno podría suponer que las tarifas de carga más altas dañan la demanda y, por lo tanto, perjudican el bienestar social. Pero el modelo revela un giro sorprendente: depende de cómo reaccionan los usuarios y de cuánto se beneficia el operador de los ingresos extra.
Digamos que el gobierno permite una tarifa más alta por kWh, pero vincula parte del subsidio del operador a la retención de la demanda. Si el aumento de precio es modesto y el operador responde mejorando el servicio (reparaciones más rápidas, mejor integración de aplicaciones, instalaciones más limpias), los usuarios pueden encogerse de hombros y seguir enchufándose. De hecho, los ingresos adicionales permiten al operador redoblar la apuesta por la calidad, creando un ciclo virtuoso.
Pero si los precios suben demasiado o el servicio no mejora al mismo ritmo, la demanda se desploma, y con ella el bienestar. Crucialmente, los investigadores identifican un punto de inflexión: una banda de precio precisa donde el bienestar aumenta con el precio, luego declina abruptamente. Más allá de ese umbral, el excedente del consumidor se evapora más rápido de lo que se acumulan las ganancias del operador.
Esto tiene relevancia directa para los debates actuales sobre la «fijación de precios basada en el valor» en los centros de carga rápida. La red Supercharger de Tesla, por ejemplo, ya varía los precios según la ubicación y la hora del día. Otras redes están experimentando con niveles de membresía y tarifas por inactividad. El estudio no dice «no fijar precios dinámicamente», sino calibrar con cuidado y nunca desvincular los precios de las obligaciones de rendimiento. Un precio más alto debería hacer ganar al operador un subsidio mayor, pero solo si los usuarios no huyen.
Quizás el resultado más contraintuitivo involucra la incertidumbre, específicamente, cómo los cambios inesperados en la demanda (digamos, debido a un crédito fiscal repentino para VE, una historia viral sobre ansiedad de autonomía o un llamado a revisión de un gran fabricante de automóviles) afectan la política óptima.
El sentido común dice: cuando la demanda es volátil, juega a lo seguro. Mantén los pagos fijos. Evita las métricas de rendimiento que podrían variar enormemente mes a mes.
El modelo dice lo contrario, pero solo bajo ciertas condiciones. Cuando el esfuerzo del operador es barato, las caídas moderadas de la demanda en realidad aumentan el esfuerzo óptimo. ¿Por qué? Porque el operador, enfrentando ingresos decrecientes, se apoya más en palancas controlables, como la calidad del servicio o el tiempo de actividad, para retener clientes. En ese escenario, un subsidio de rendimiento bien diseñado se convierte en una fuerza estabilizadora: recompensa al operador precisamente cuando está trabajando más duro para capear el temporal.
Aún más intrigante: existe un punto óptimo para la volatilidad de la demanda en sí. Demasiado estable, y los operadores se vuelven complacientes. Demasiado caótica, y la planificación se vuelve imposible. Pero en una zona «Ricitos de Oro» de fluctuación moderada y predecible, el bienestar en realidad alcanza su punto máximo. ¿La implicación? Los gobiernos no deberían aspirar a pronósticos de demanda ultra estables. En su lugar, deberían dirigir la variabilidad, utilizando programas piloto, incentivos específicos o incluso mensajería pública, para mantener el ecosistema en esa zona de tensión productiva.
Por supuesto, la política del mundo real no puede perseguir óptimos teóricos sin considerar restricciones duras: namely, los límites presupuestarios y las garantías de ganancia mínima para los socios privados. Aquí, los investigadores extienden su modelo a seis escenarios realistas, desde «suficientes fondos públicos + bajas expectativas privadas» (el ideal) hasta «presupuesto ajustado + altas demandas de ganancia» (la pesadilla).
Su guía es refrescantemente pragmática: cuando el plan de rendimiento ideal es inasequible, no solo recortes la tasa de incentivo. En su lugar, incorpora un subsidio base fijo, luego modula el multiplicador de rendimiento para alcanzar tanto los objetivos fiscales como de participación. Piensa en ello como una estructura de salario más bono: la porción fija asegura la supervivencia; la porción variable preserva la motivación.
Este enfoque híbrido aparece de forma incipiente en programas como el CALeVIP de California, que mezcla vales por adelantado con pagos de bonificación para estaciones que cumplen con los puntos de referencia de utilización o tiempo de actividad. El trabajo del equipo de Tianjin-Chongqing sugiere que tales híbridos no son solo políticamente convenientes, sino que son óptimos económicamente bajo restricciones del mundo real.
En un plano más amplio, el estudio llega a un punto filosófico más amplio: los subsidios basados en el rendimiento no son solo herramientas financieras, son mecanismos de coordinación. Traducen objetivos públicos abstractos (equidad, resiliencia, velocidad de despliegue) en acciones concretas y auditables que las empresas privadas pueden ejecutar.
Pero, y es un pero crucial, esas métricas deben elegirse sabiamente. El modelo asume que el rendimiento (μ) es una función directa del esfuerzo (e): más esfuerzo → mayor tiempo de actividad, reparaciones más rápidas, mejores calificaciones de usuarios. Sin embargo, en la práctica, no todo «rendimiento» es igualmente valioso. Una estación con un 99% de disponibilidad pero ubicada a 20 millas de la carretera sirve a menos necesidades sociales que una con un 95% de tiempo de actividad en un corredor de carga clave, incluso si esta última tiene una puntuación más baja en un índice de confiabilidad genérico.
Los investigadores reconocen esta limitación: su modelo simplifica el rendimiento en una única función lineal. Trabajos futuros, sugieren, deberían incorporar métricas multidimensionales: equidad geográfica, capacidad de soporte de la red, compatibilidad con modelos de VE de bajos ingresos, idealmente ponderadas por prioridades locales. Una jurisdicción podría priorizar «estaciones per cápita en códigos postales desfavorecidos»; otra, «MW de carga controlable para servicios auxiliares». El contrato de subsidio reflejaría entonces esa diversidad.
Ya están apareciendo signos de esta evolución. El programa National Electric Vehicle Infrastructure (NEVI) de EE. UU. exige que el 75% de los cargadores de corredor estén ubicados dentro de una milla de un intercambio de autopista, privilegiando explícitamente la accesibilidad sobre el volumen puro. Mientras tanto, la Office for Zero Emission Vehicles del Reino Unido ahora requiere que los receptores de subvenciones informen no solo el uso, sino también los tiempos promedio de espera y las tasas de resolución de quejas.
Lo que el análisis de Tianjin-Chongqing proporciona es un marco riguroso para ir más allá: para probar, in silico, cómo el cambio de ponderaciones en las métricas afecta el comportamiento del operador, el beneficio público y la sostenibilidad fiscal, antes de comprometer cientos de millones en un diseño de programa.
Entonces, ¿en qué lugar deja esto a los formuladores de políticas hoy?
Primero: diagnosticar antes de recetar. Antes de redactar los términos de los subsidios, los gobiernos deberían recopilar datos, o requerir que los licitantes divulguen, estimaciones de sus costos marginales de esfuerzo. Un simple cuestionario que sondee los procesos internos (¿Cuántos técnicos de campo por cada 100 estaciones? ¿Cuál es su objetivo de tiempo medio de reparación? ¿Se integran con plataformas de respuesta a la demanda de servicios públicos?) podría generar suficiente señal para segmentar a los operadores de manera significativa.
Segundo: adoptar precios adaptativos. En lugar de temer la variabilidad de precios, diseña contratos que permitan, e incluso alienten, tarifas dinámicas, siempre que estén acompañadas de fuertes protecciones al consumidor (por ejemplo, límites a las primas por horas pico) y respaldos de rendimiento (por ejemplo, bonos vinculados a puntajes de satisfacción ajustados por precio).
Tercero: repensar el riesgo. En lugar de ver la incertidumbre de la demanda como una amenaza que debe minimizarse, considera cómo la volatilidad moderada y gestionada puede mejorar la capacidad de respuesta. Los programas piloto incluso podrían introducir variación controlada, por ejemplo, escalonando el lanzamiento de incentivos en diferentes regiones, para mantener a los operadores ágiles.
Cuarto: hibridar intencionalmente. Cuando las restricciones presupuestarias o de participación lo obliguen, combine pagos fijos y variables deliberadamente, no como un compromiso, sino como una palanca estratégica. Use el componente fijo para garantizar la construcción de la red de referencia; reserve los pagos de rendimiento para logros diferenciales: despliegue ultrarrápido, integración con energías renovables o servicio en zonas prioritarias de equidad.
Finalmente, y quizás lo más importante: medir lo que importa. Vaya más allá de los kWh entregados y el conteo de estaciones. Realice un seguimiento de resultados como el tiempo medio de carga durante las horas pico, el porcentaje de estaciones interoperables con todos los VE principales o la reducción de la «ansiedad de carga» reportada en las encuestas de usuarios. Luego, alimente esas métricas nuevamente en la fórmula de subsidio.
La electrificación del transporte es una maratón, no un sprint. Pero las paradas en boxes, donde los conductores se conectan, se relajan y deciden si todo este asunto de los VE vale la pena el inconveniente, determinarán quién termina fuerte. Hacer bien esas paradas requiere más que concreto y conductos. Exige contratos inteligentes que alineen el beneficio con el propósito público. Gracias a esta nueva investigación, ahora tenemos un mapa mucho más claro sobre cómo trazarlos.
Zhang Yiting, Wang Xueqing, Ma Rui, Liu Yunfeng Facultad de Gestión y Economía, Universidad de Tianjin, Tianjin 300072, China Wang Dan Escuela de Políticas Públicas y Administración, Universidad de Chongqing, Chongqing 400044, China Journal of Industrial Engineering and Engineering Management, Vol. 38, No. 5 (2024) DOI: 10.13587/j.cnki.jieem.2024.05.015