Opcionalidad en química de baterías: I+D asistida por AI y valoración de carteras tecnológicas

1. Definir la operación y la cuestión de valoración

El análisis debe comenzar con la decisión que debe tomarse. Una ronda de fondos propios en fase semilla o de crecimiento, una inversión estratégica, una empresa conjunta, una licencia, una adquisición, una financiación de proyecto o una venta de cartera tienen una fecha de valoración, un perímetro, una necesidad de financiación, una estructura de control y un umbral de evidencia específicos. La promesa científica debe traducirse en los derechos, activos, obligaciones y vías de desarrollo que conlleva la operación.

La cuestión central es qué opciones de química pueden generar prestaciones cualificadas para la aplicación y efectivo dentro del capital y el tiempo disponibles. El modelo debe distinguir candidatos de investigación, invenciones protegidas, materiales validados, celdas prototipo, procesos piloto, programas con clientes y producción comercial. También debe separar el valor de la plataforma operativa del valor de las vías químicas individuales.

La evidencia para la decisión debe congelarse y fecharse. Cada afirmación material debe indicar su fuente, condiciones de prueba, incertidumbre, responsable y estado de verificación. Las lagunas resolubles pertenecen a la diligencia debida; la incertidumbre residual puede influir en el precio, la financiación por etapas, los hitos, las garantías, la gobernanza, la preferencia de liquidación, el alcance de la licencia o la contraprestación contingente. Esto convierte la opcionalidad científica en un calendario transaccional.

2. Establecer el perímetro legal, científico y económico

El perímetro debe identificar entidades jurídicas, laboratorios, líneas piloto, equipos, datos, muestras, patentes, software, licencias, subvenciones, acuerdos de colaboración y dependencias de personal. Las relaciones con universidades, laboratorios nacionales, clientes y proveedores pueden asignar propiedad intelectual de fondo, invenciones de primer plano, derechos de publicación y campos comerciales. Una valoración no puede asumir derechos que la empresa no controla.

El perímetro científico debe identificar el cátodo, el ánodo, el electrolito, el separador, la interfaz, el diseño de la celda, el protocolo de formación, el sistema de gestión de baterías y los supuestos del pack. Una química declarada puede depender de varios componentes complementarios. El perímetro económico debe mostrar qué componentes son propios, comprados, licenciados o suministrados mediante una relación restringida.

Los equipos y datos compartidos pueden generar beneficios y dependencias. La diligencia debida debe examinar los derechos de acceso, el coste de sustitución, la transferibilidad, las disposiciones sobre cambio de control, las obligaciones de subvención y los controles de exportación. La previsión debe incluir únicamente la capacidad que sobreviva a la transacción prevista y pueda operar con arreglo a derechos documentados.

3. Construir un árbol de opciones de química

El árbol de opciones debe mapear las mejoras de la tecnología de iones de litio existente y las vías emergentes por sistema de material, arquitectura de celda y aplicación prevista. Las ramas pueden incluir cátodos LFP y ricos en manganeso, sistemas ricos en níquel, ánodos ricos en silicio o de litio metálico, sistemas de iones de sodio, de estado sólido, de litio-azufre, de hierro-aire y de flujo redox. Cada rama debe indicar si compite con, complementa o atiende un caso de uso diferente de la tecnología existente.

Sustituya las ramas ilustrativas por la cartera controlada, los derechos propios y las aplicaciones objetivo.

El árbol debe evitar que una familia de patentes amplia o una plataforma de investigación se presenten como varios activos comerciales independientes cuando las ramas dependen del mismo mecanismo no resuelto. También debe revelar aprendizaje compartido, infraestructura común y rutas de fabricación incompatibles. Las opciones deben agruparse según la evidencia y el capital necesarios para alcanzar la siguiente puerta de decisión.

4. Definir la aplicación objetivo antes de comparar químicas

El valor de una batería depende de la aplicación. Los vehículos de pasajeros, el transporte pesado, la aviación, la electrónica de consumo, los equipos industriales, el almacenamiento en red de corta duración y el almacenamiento de larga duración requieren equilibrios diferentes de densidad energética, potencia, vida de ciclo, vida en calendario, seguridad, temperatura, velocidad de carga, huella física, peso y coste. Una química puede ser superior para una aplicación y no ser económica para otra.

La declaración de aplicación debe definir el ciclo de servicio, el entorno operativo, la vida útil, el patrón de carga, la garantía, el límite del sistema y la restricción del cliente. Debe incluir efectos de pack o de sistema en lugar de basarse únicamente en métricas de celda. La gestión térmica, la contención, los controles y los sistemas auxiliares pueden alterar la ventaja que implica un resultado de materiales.

El modelo comercial debe identificar al comprador, la vía de adquisición, la alternativa de sustitución, el proceso de cualificación y la disposición a pagar. Un mercado direccionable no demuestra el encaje del producto. El valor debe seguir una propuesta específica de rendimiento-coste que el cliente pueda probar y contratar.

5. Crear el registro de evidencia científica

Tabla 1. Registro de evidencia de la química de baterías

Los campos de evidencia deben adaptarse al sistema de materiales, al formato de celda y a la aplicación prevista.

Toda afirmación debe vincular composición, lote, proceso, muestra, diseño de celda, protocolo de prueba, datos brutos, código de análisis, resultado y revisor. Las correcciones deben conservar los valores anteriores y las fechas de vigencia. El número de réplicas, los datos faltantes, las exclusiones y los experimentos fallidos deben permanecer visibles. Un gráfico seleccionado sin su denominador y sin los ensayos no exitosos es una evidencia débil para la transacción.

La trazabilidad bidireccional es importante. Los revisores deben poder pasar de una afirmación de valoración a las celdas relevantes y de una celda seleccionada de vuelta a los lotes de material, la síntesis, el ensamblaje y las condiciones de prueba. El registro debe distinguir entre simulación, predicción del modelo, observación de laboratorio, replicación independiente, evidencia piloto y resultado del cliente.

6. Gobernar la procedencia de los datos y la comparabilidad científica

Los conjuntos de datos de baterías combinan literatura, simulación, datos de proveedores, experimentos internos y bases de datos públicas. Las unidades, las convenciones de nomenclatura, los historiales de muestras y las condiciones de prueba pueden diferir. La procedencia debe identificar la fuente original, la licencia, la transformación, las comprobaciones de calidad y el uso permitido. El entrenamiento con datos confidenciales de socios puede crear restricciones que persisten tras la exportación del modelo.

La comparabilidad exige un diseño y un protocolo de referencia definidos. La densidad energética reportada puede referirse al material activo, al electrodo, a la celda o al paquete; la vida cíclica depende de la profundidad de descarga, la temperatura, la tasa de carga y la definición de fin de vida. El coste puede representar la materia prima, la producción de celdas o el sistema completo. El modelo de evidencia debe preservar estos límites.

La calidad de los datos debe puntuarse en función de la completitud, representatividad, consistencia, exactitud y relevancia para la decisión objetivo. Un conjunto de datos grande formado a partir de experimentos incompatibles puede aportar menos valor para la decisión que una serie controlada más pequeña. La información revelada en la transacción debe indicar las lagunas significativas y el trabajo necesario para cerrarlas.

7. Definir el papel de AI en el flujo de trabajo de I+D

AI puede apoyar la extracción de literatura, la representación molecular y cristalina, la predicción de propiedades, la clasificación de candidatos, la selección de experimentos, la detección de anomalías y la optimización de procesos. Cada uso debe indicar la entrada, el objetivo de predicción, la decisión, la autoridad humana y el método de validación. La etiqueta AI no debe combinar capacidades no relacionadas en una única afirmación de plataforma indiferenciada.

El flujo de trabajo debe separar la generación de la verificación. Un modelo puede cribar un gran espacio químico y aun así producir candidatos inestables, poco prácticos de sintetizar, inseguros o dependientes de materiales no disponibles. Los experimentos físicos siguen siendo la prueba de la afirmación pertinente. Los resultados negativos mejoran el modelo solo cuando se registran sin sesgo de selección.

El caso de inversión debe cuantificar la decisión modificada por AI: menos experimentos, un tiempo de ciclo más rápido, una mayor tasa de aciertos, una mayor reproducibilidad o mejores ventanas de proceso. Deben incluirse los costes de cómputo, curación de datos, automatización de laboratorio, revisión especializada e integración. El volumen de actividad y la novedad del modelo no establecen valor económico.

8. Validar modelos moleculares y de materiales

La validación debe reflejar la propiedad y el dominio químico en los que se utilizará un modelo. Las divisiones aleatorias entre entrenamiento y prueba pueden exagerar el rendimiento cuando aparecen moléculas o estructuras casi duplicadas en distintos conjuntos. Las pruebas basadas en tiempo, en esqueletos moleculares, en composición y fuera de dominio pueden aportar una evidencia más sólida de transferencia a candidatos genuinamente nuevos.

El cuadro de evaluación debe presentar las distribuciones de error, la calibración, la incertidumbre, los modos de fallo y el dominio de aplicabilidad. La calidad del ranking puede importar más que el error numérico promedio cuando el modelo selecciona experimentos. Las propiedades raras pero de gran impacto, como la inflamabilidad, la formación de dendritas o la inestabilidad interfacial, requieren evidencia específica.

La evaluación comparativa debe contrastar el modelo con la selección de expertos, métodos basados en física y líneas base estadísticas más simples. Los cambios en los datos, la tokenización, la arquitectura y las etiquetas de propiedades deben versionarse conjuntamente. Una valoración debe reflejar la utilidad de decisión demostrada en lugar del tamaño de un modelo fundacional o de la asignación de cómputo.

9. Utilice aprendizaje activo con selección experimental controlada.

El aprendizaje activo puede elegir experimentos que equilibren el rendimiento esperado, la ganancia de información, la incertidumbre y la viabilidad en el laboratorio. La política de adquisición debe registrarse antes de conocer los resultados. Las restricciones deben incluir los precursores disponibles, las condiciones de síntesis, la seguridad, el equipo, el coste y el tiempo.

El programa debe preservar un conjunto de exploración representativo junto con la explotación de regiones prometedoras. Concentrarse solo en los candidatos previstos como ganadores puede reforzar el sesgo del modelo y dejar la incertidumbre oculta. La síntesis fallida y los resultados nulos son evidencia valiosa cuando su registro es completo.

La evaluación económica debe medir la calidad de los candidatos por unidad de tiempo y gasto, incluidos el montaje y la caracterización. Un bucle de selección más rápido crea valor cuando adelanta una decisión, elimina una vía deficiente o produce un candidato reproducible. También puede acelerar el gasto sin mejorar la probabilidad de éxito comercial.

10. Construya el sistema de control del laboratorio autónomo.

Los laboratorios automatizados conectan la selección de modelos, la robótica, la síntesis, la medición, el análisis y la retroalimentación. El sistema de control debe indicar las acciones permitidas, los límites de los instrumentos, la custodia de materiales, la calibración, la gestión de excepciones y la aprobación humana. Las decisiones críticas para la seguridad y los procesos peligrosos requieren enclavamientos protegidos y una supervisión competente.

La reproducibilidad debe probarse a lo largo del tiempo, los instrumentos, los operadores y los laboratorios. Una secuencia autónoma puede repetir eficientemente un error de medición sistemático. Los materiales de referencia, los blancos, los experimentos duplicados y los ensayos independientes deben incorporarse al flujo de trabajo.

El caso de negocio debe incluir la utilización, el rendimiento, la recuperación ante fallos, el mantenimiento, los consumibles y la mano de obra especializada. La autonomía del laboratorio puede aumentar el volumen de datos; el valor empresarial surge cuando los experimentos controlados mejoran las decisiones de opción y acortan el camino hacia la evidencia de aplicación.

11. Separe la predicción, la síntesis y la prueba electroquímica.

Una estructura estable predicha no es un material sintetizado. Un material sintetizado no es un electrodo funcional. Una media celda prometedora no es una celda completa cualificada. La escalera de evidencia debe mantener estos estados separados y especificar la prueba necesaria para avanzar.

Los registros de síntesis deben mostrar la pureza de fase, la morfología, la composición y el rendimiento. La evidencia del electrodo debe incluir la carga, la porosidad, el aglomerante, el aditivo conductor, el espesor y la ruta de fabricación. La evidencia de la celda debe indicar el contraelectrodo, el electrolito, el balance de capacidad, la formación y las condiciones de prueba.

La valoración debe aplicar probabilidad y capital a la próxima conversión no demostrada. Las predicciones del modelo pueden reducir el coste de búsqueda, pero no pueden tratarse como inventario comercial propio. El valor de opción debe aumentar a medida que la prueba física independiente cierra una incertidumbre material.

12. Cree una matriz común de rendimiento químico.

Tabla 2. Comparación de química específica por aplicación.

Sustituya las entradas cualitativas por evidencia controlada y comparable para la aplicación objetivo.

La matriz debe utilizar el mismo límite y las mismas condiciones de funcionamiento para cada vía. Debe mostrar el nivel de confianza, la madurez y la fuente junto a cada valor. El mejor resultado de laboratorio no debe compararse con una especificación comercial conservadora.

Las disyuntivas deben ser explícitas. Una mayor energía puede aumentar el coste de los materiales o la carga de seguridad; una carga más rápida puede reducir la vida útil; los materiales abundantes pueden requerir nueva infraestructura de procesamiento. El valor de la aplicación debe calcularse a partir del sistema completo y del resultado del servicio.

13. Modelar la degradación y la evidencia de vida útil

El valor de la batería depende de cómo cambia el rendimiento con el tiempo, los ciclos, la temperatura, el estado de carga y el ciclo de trabajo. La degradación puede surgir de varios mecanismos acoplados. El programa debe conectar los resultados electroquímicos con la caracterización física y distinguir la pérdida reversible del daño permanente.

Las pruebas aceleradas requieren una relación validada con las condiciones de uso. Un protocolo breve de alta exigencia puede clasificar candidatos y puede representar erróneamente el envejecimiento calendario o las interacciones en campo. La extrapolación de la vida útil debe indicar la forma del modelo, el rango de datos, la incertidumbre y la evidencia necesaria para la confirmación.

La garantía y la economía del cliente deben utilizar cohortes maduras y pertinentes para la aplicación. Una opción química con un rendimiento inicial excepcional y evidencia débil de vida útil debe conllevar una reserva de desarrollo. La previsión debe incluir el tiempo y el coste necesarios para consolidar la evidencia de degradación.

14. Validar la seguridad en los niveles de material, celda y sistema

La evidencia de seguridad debe abordar la reactividad del material, la estabilidad térmica, la generación de gases, el cortocircuito, la respuesta ante abuso, la propagación y los controles del sistema. Una ventaja a nivel de material puede verse compensada por un defecto de fabricación, una inestabilidad de la interfaz o el diseño del pack. Los estándares aplicables y los requisitos del cliente deben asociarse por aplicación y geografía.

Las pruebas deben utilizar celdas representativas y estados de peor caso creíbles. Superar un protocolo no garantiza un funcionamiento seguro en todos los formatos, edades y condiciones. Los incidentes, los cuasi accidentes y las pruebas destructivas deben incorporarse al registro de evidencia.

La valoración debe reflejar los requisitos de contención, monitorización, certificación, seguros, retirada y remediación. La incertidumbre crítica en materia de seguridad puede afectar el acceso al mercado y la estructura de financiación. No puede compensarse con una métrica energética favorable sin un proceso de decisión competente.

15. Evaluar la fabricabilidad de forma temprana

Los materiales deben evaluarse en cuanto a rendimiento de síntesis, pureza, sensibilidad a la humedad, manipulación, recubrimiento, secado, calandrado, montaje, formación y control de calidad. Una química que funciona en celdas fabricadas artesanalmente puede fallar al trasladarse a electrodos más gruesos, formatos más grandes o una producción más rápida.

Los experimentos de fabricabilidad deben identificar parámetros críticos del proceso y ventanas aceptables. Deben incluirse la compatibilidad de equipos, los controles ambientales, la recuperación de disolventes, el tratamiento de materiales peligrosos y la inspección. El mapa de opciones debe mostrar qué activos existentes pueden reutilizarse y cuáles requieren una nueva línea.

El trabajo temprano de diseño para la fabricación puede evitar que una ruta científicamente atractiva acumule costes ocultos de escalado. Los modelos de transacción deben distinguir el coste de la receta de laboratorio, el coste de conversión piloto y el coste de producción madura, con supuestos explícitos de rendimiento y utilización.

16. Elaborar la matriz de madurez tecnológica y evidencias.

Las puntuaciones son ilustrativas; sustitúyalas por evidencia revisada de forma independiente y definiciones de puertas.

La madurez debe definirse mediante evidencia observable, no mediante una cifra no respaldada. La madurez científica, las prestaciones de las celdas, la madurez de fabricación, la madurez del cliente, la madurez de la cadena de suministro y la madurez económica pueden avanzar a velocidades distintas. La dimensión crítica más débil a menudo condiciona la siguiente decisión de financiación.

Las definiciones de puertas deben identificar las pruebas requeridas, los umbrales de aceptación, el responsable, el revisor independiente, el coste y el calendario. El avance debe conservar la evidencia y las condiciones de los fallos. Un panel de cartera debe mostrar tanto la madurez actual como el trabajo necesario para alcanzar el próximo punto de inflexión de valor.

17. Cuantificar el riesgo de escalado por transición.

El escalado debe modelarse como una secuencia: lote de material, electrodo, celda pequeña, celda grande, módulo o sistema, proceso piloto, muestra para el cliente y producción cualificada. Cada transición puede cambiar las interfaces, el comportamiento térmico, la uniformidad, el rendimiento y los requisitos de control.

El equipo debe identificar qué mecanismos físicos se espera que permanezcan estables y cuáles requieren nueva evidencia. El escalado geométrico por sí solo es insuficiente. Las celdas más grandes pueden cambiar la densidad de corriente, la presión, la disipación de calor y las consecuencias de los defectos. El equipo piloto puede producir un material distinto del de los métodos de laboratorio.

El modelo de probabilidad debe asignar incertidumbre a cada transición y evitar multiplicar porcentajes arbitrarios sin evidencia. Las revisiones técnicas, los programas comparables y el historial observado de la cartera pueden orientar los rangos. La financiación debe vincularse a la siguiente transición que altere la decisión.

18. Proteger la propiedad intelectual y la libertad de operación.

La propiedad intelectual puede incluir la composición, el proceso, el diseño de la celda, el software de control, los datos, el know-how y los métodos de prueba. El número de patentes es un indicador débil de valor si no se consideran el alcance de las reivindicaciones, la jurisdicción, la vida útil restante, la titularidad y la conexión con el producto comercial. Los secretos comerciales requieren controles documentados y continuidad del personal.

La revisión de libertad de operación debe abordar el material, el proceso, la aplicación y el ámbito geográfico previstos. Una patente puede ser válida y comercialmente limitada; un producto prometedor puede enfrentarse a derechos de terceros. Los acuerdos de colaboración, laborales y de subvención deben revisarse en cuanto a cesión, licencia, publicación y derechos gubernamentales.

La valoración debería separar los derechos de bloqueo, el know-how habilitante y las solicitudes defensivas. También debería incluir el coste y el tiempo de tramitación, impugnación, diseño alternativo y licencia. Los candidatos generados por AI requieren registros claros de la contribución humana, los derechos sobre los datos y las decisiones de invención conforme a la legislación aplicable.

19. Valorar la transferibilidad de los datos y de la plataforma

Una plataforma de I+D química puede respaldar varios programas mediante conjuntos de datos, automatización, modelos y métodos experimentales compartidos. El valor de transferencia debería demostrarse en distintos materiales o aplicaciones mediante pruebas controladas. Un éxito limitado a un único dominio estrecho no debería valorarse como un motor de descubrimiento general.

Los derechos sobre los datos deberían abarcar el entrenamiento, la validación, la evaluación comparativa, la conservación, el uso por parte del cliente y el cambio de control. Los modelos deberían ser exportables, estar documentados y ser reproducibles sin depender de una sola persona ni de un entorno de computación inaccesible. Los métodos de laboratorio deberían sobrevivir a la sustitución de equipos y a la rotación del personal.

El valor de la plataforma debería separarse del valor de las opciones individuales para evitar la doble contabilización. La plataforma obtiene valor mediante una reducción repetible del tiempo de decisión, el coste o el riesgo de fallo en los distintos programas. Las previsiones deberían incluir los costes continuos de datos, computación, laboratorio y especialistas.

20. Trazar la exposición a materiales críticos y a la cadena de suministro

Cada ruta debería trazar los materiales activos, los precursores, las etapas de procesamiento, la concentración geográfica, la cualificación de proveedores, la exposición al precio y la ruta de reciclaje. Evitar un mineral crítico puede introducir otro material restringido o un proceso inmaduro. El riesgo de suministro debería evaluarse a nivel de especificación y procesamiento, no solo por elemento.

El mapa debería mostrar los requisitos actuales y ampliados, proveedores alternativos, pedidos mínimos, plazos de entrega, pureza, logística y obligaciones medioambientales. La disponibilidad de grado laboratorio no demuestra suministro comercial. Los requisitos de localización y contenido del cliente pueden afectar a los mercados elegibles y a los incentivos.

La opcionalidad de la cadena de suministro puede crear valor estratégico cuando una química reduce la concentración o la sensibilidad al precio para una aplicación definida. La valoración debería incluir el coste y el tiempo de cualificar alternativas y debería comprobar cómo afectan los precios de la química incumbente a la competitividad.

21. Comparar las rutas químicas según el coste total del sistema

La comparación de costes debería conectar las cantidades y los precios de los materiales con la conversión, el rendimiento, la formación, la calidad, la integración del pack, la gestión térmica, los controles, el balance de planta, la garantía y el reciclaje. Un bajo coste de material activo puede compensarse con una baja densidad energética, un mayor confinamiento, una fabricación más lenta o una vida útil más corta. Los límites del sistema deberían ser coherentes.

El modelo debería separar el coste observado actual del coste objetivo en fase madura. Las tasas de aprendizaje, las economías de escala, las mejoras de proceso y los supuestos sobre precios de los insumos requieren evidencia. Las tecnologías incumbentes siguen mejorando mientras se desarrollan las rutas emergentes, por lo que una referencia estática puede sobrestimar la ventaja futura.

El coste total de propiedad debería reflejar el ciclo de servicio del cliente, la financiación, la eficiencia, la sustitución y el valor residual. La opción adquiere relevancia económica cuando cumple un umbral de decisión bajo un plan creíble de fabricación y cualificación. La paridad de costes afirmada únicamente a partir de una factura de materiales es insuficiente.

22. Construir el mapa de la cadena de suministro y de aplicaciones

El mapa debe identificar la capacidad propia, el acceso contratado, la concentración y las brechas de calificación.

El mapa debe conectar la especificación inicial con el rendimiento de la aplicación final. La sustitución a menudo está limitada por el proceso y la calificación del cliente, incluso cuando otro material parece químicamente similar. Los anuncios de capacidad deben distinguirse del suministro operativo y calificado.

La diligencia debida comercial debe rastrear cada dependencia crítica a través del contrato, el plazo de entrega, el mecanismo de precio, el historial de calidad y la ruta alternativa. El modelo de cartera debe identificar opciones que comparten un cuello de botella concentrado y debe evitar tratarlas como diversificación independiente.

23. Integrar la evidencia sobre sostenibilidad y regulación

Las rutas de las baterías pueden diferir en la extracción de minerales, el uso de energía, el agua, las emisiones, los materiales peligrosos, la durabilidad, la reparación, la segunda vida y el reciclaje. Las comparaciones ambientales deben utilizar un límite del ciclo de vida coherente y deben indicar la geografía, el mix eléctrico, los supuestos de recuperación y la calidad de los datos. Una afirmación sobre un material de laboratorio no establece un menor impacto en el ciclo de vida.

Las normas aplicables en materia de baterías, sustancias químicas, productos, transporte y residuos deben mapearse por mercado objetivo y aplicación. Las obligaciones de información de producto, huella de carbono, contenido reciclado y diligencia debida pueden influir en la arquitectura de datos y la selección de proveedores. El calendario y el alcance deben ser confirmados por asesoría jurídica competente.

La valoración debe incluir los costes de cumplimiento, pruebas, informes, remediación y fin de vida. Los atributos de sostenibilidad pueden respaldar el valor para el cliente cuando se miden, verifican y son contractualmente relevantes. Los objetivos aspiracionales deben mantenerse fuera de los beneficios realizados.

24. Definir la vía de calificación del cliente

La calificación debe identificar al cliente, el producto, la aplicación, la etapa de la muestra, el plan de pruebas, los criterios de aceptación, la auditoría, la congelación del diseño y el proceso de control de cambios. Las muestras de investigación, las celdas de ingeniería, las muestras A, las muestras con intención de producción y la calificación en serie deben mantenerse separadas. El lenguaje del cliente debe reproducirse con precisión sin convertir el interés en compromiso.

La vía debe mostrar cantidades de muestras, plazos de entrega, respuesta ante fallos, utillaje, capacidad piloto y recursos del cliente. Una prueba técnicamente exitosa aún puede no convertirse en ingresos debido a cambios en el calendario, la integración, las compras, la garantía o la estrategia. Las previsiones deben utilizar evidencia observada de conversión y probabilidades explícitas por etapa.

La concentración de clientes y la dependencia de programas deben ser visibles. Una opción química puede encajar bien con un comprador y tener transferencia limitada. Los términos de la transacción pueden vincular el valor a la calificación independiente, el volumen contratado o la aceptación de producción, en lugar de a un compromiso etiquetado por la dirección.

25. Medir el aprendizaje de la cartera y la interacción entre opciones

Las opciones pueden compartir datos de materiales, métodos de prueba, automatización, proveedores, conocimiento de procesos y relaciones con clientes. El modelo de cartera debe identificar externalidades de aprendizaje genuinas e interacciones negativas, como la competencia por capacidad de laboratorio, capital o atención especializada. Los recursos compartidos son restricciones además de sinergias.

El aprendizaje debe medirse mediante menos experimentos, mayor reproducibilidad, mejor predicción, identificación más rápida de fallos y transferencia entre programas. Las publicaciones y los conjuntos de datos pueden respaldar el aprendizaje, pero no demuestran progreso comercial. La evidencia debe conectar una capacidad compartida con un cambio en la decisión sobre una opción.

La gobernanza de la cartera debe impedir que el coste hundido o el entusiasmo técnico mantengan vías débiles. Un programa puede detenerse mientras sus datos conservan valor de plataforma. El registro de opciones debe recoger las decisiones de continuación, pivote, asociación, licencia y terminación, con sus motivos y el aprendizaje recuperado.

26. Establecer criterios de cancelación, pivote y aceleración

Cada vía debe tener criterios predefinidos de continuación. Los criterios técnicos pueden incluir rendimiento, reproducibilidad, degradación, seguridad y transición de escala. Los criterios comerciales pueden incluir ventaja de aplicación, patrocinio de clientes, cadena de suministro, coste y tiempo. Los criterios de capital deben incluir el gasto restante, la autonomía financiera y la viabilidad de financiación.

Los criterios de cancelación deben identificar resultados que invaliden la propuesta de valor o hagan que el siguiente experimento no sea económicamente viable. Los criterios de pivote pueden reorientar una química hacia otra aplicación o modelo de negocio cuando la evidencia respalde el cambio. Los criterios de aceleración deben exigir suficiente evidencia y capacidad para justificar un mayor gasto.

Las decisiones deben tomarlas responsables técnicos y comerciales con rendición de cuentas y con cuestionamiento independiente. Los cambios de umbrales después de conocer los resultados deben documentarse. Esta disciplina convierte la opcionalidad de una excusa para la investigación indefinida en un sistema controlado de asignación de capital.

27. Construir el modelo de opción ajustado por probabilidad

Valores solo ilustrativos; sustitúyalos por probabilidades, flujos de caja, calendario y necesidades de capital validados de forma independiente.

El modelo debe definir el valor comercial en caso de éxito, la probabilidad de alcanzar ese estado, el calendario, el capital restante, la dilución, los impuestos y el riesgo. Las probabilidades deben vincularse a hitos observables y deben estar condicionadas a la financiación. Debe modelarse el fallo correlacionado entre opciones cuando compartan un supuesto de material, mecanismo, proceso o cliente.

El valor en caso de éxito debe utilizar supuestos de volumen, precio, margen, capital y competencia específicos de la aplicación. No debe aplicar una cuota de mercado completa a cada opción. El modelo debe incluir vías de licencia, asociación y venta cuando sean alternativas creíbles a la fabricación propia.

El valor ajustado por probabilidad es una ayuda a la decisión, no un sustituto de la evidencia. Los rangos y las sensibilidades deben mostrar qué supuestos controlan el resultado. La misma opción no debe contarse tanto como programa independiente como dentro de un múltiplo de plataforma.

28. Conciliar los enfoques estratégico, de ingresos y de mercado

Un enfoque de ingresos puede modelar flujos de caja ajustados por probabilidad o pagos por hitos. Un enfoque de mercado puede examinar transacciones, empresas o licencias comparables ajustando por evidencia, derechos, aplicación, madurez y necesidad de capital. Un enfoque de costes puede informar la reposición o reproducción, pero normalmente no capta la opcionalidad exitosa.

El valor estratégico puede surgir de la seguridad de suministro, el acceso a aplicaciones, el tiempo ahorrado, los derechos de bloqueo, el aprendizaje de fabricación o el encaje en cartera. Cada sinergia debe tener un responsable, una acción, un calendario, un coste y una línea base independiente. La capacidad del comprador para financiar la ampliación no debe convertirse silenciosamente en valor para el vendedor.

La conclusión de valoración debe conciliar los enfoques y explicar las diferencias. Una incertidumbre amplia puede respaldar rangos, contraprestaciones escalonadas o estructuras de opciones. La precisión no respaldada por evidencia técnica genera una confianza falsa.

29. Traducir la velocidad de I+D en valor económico

La investigación más rápida crea valor cuando adelanta un flujo de caja, elimina una vía fallida, reduce el capital necesario o mejora la probabilidad de cualificación. El modelo debe identificar la fecha de decisión modificada por AI o por la automatización y la consecuencia posterior. El rendimiento del laboratorio por sí solo no constituye un beneficio completo.

Los ahorros de tiempo deben ser netos de la curación de datos, la configuración de la automatización, la validación de modelos, la síntesis, la caracterización y las restricciones de cola. Una etapa temprana más rápida puede trasladar el cuello de botella a la fabricación piloto o a las pruebas con clientes. El plan integrado debe identificar la ruta crítica.

El valor económico puede estimarse mediante gasto evitado, una alianza más temprana, menor dilución o una entrada al mercado acelerada, con probabilidad y descuento. La compresión declarada de años a meses debe tratarse como un objetivo hasta que la evidencia del programa la respalde.

30. Construir la previsión integrada de desarrollo y caja

La previsión debe conectar experimentos, candidatos, transiciones de escala, plantilla, equipos, materiales, muestras de clientes, cualificación y financiación. Cada programa debe tener casos base, a la baja y de parada. Los costes de plataforma compartidos deben asignarse de forma coherente sin ocultar el coste real de una opción.

La quema de caja debe reflejar la utilización del laboratorio, las pruebas externas, la capacidad de cálculo, la propiedad intelectual, el trabajo regulatorio, las campañas piloto y los equipos con plazos de entrega largos. Los hitos deben tener fechas basadas en evidencia e incluir la recuperación tras fallos. Un plan técnico sin margen de financiación puede destruir el valor de opción.

El consejo de administración debe conciliar los datos reales mensuales con los resultados del programa y las puertas de decisión. Las desviaciones deben identificar alcance, productividad, resultado y calendario. Las mejoras de la previsión solo deben incorporarse después de que la evidencia cambie el supuesto correspondiente.

La construcción de la previsión debe comenzar a nivel de experimento y lote y agregarse solo después de que las unidades sean coherentes. Un programa puede reportar recuento de candidatos, recuento de celdas, amperios-hora, kilovatios-hora, toneladas piloto y muestras de clientes en distintas etapas. Estas medidas deben conectarse con el trabajo, el tiempo y el gasto necesarios para avanzar una opción. Una previsión que salta de candidatos de laboratorio a ingresos comerciales sin los pasos intermedios de conversión oculta el principal riesgo de inversión.

La carga de recursos debe identificar instrumentos escasos, tiempo de sala seca, equipos piloto, revisores especializados y ventanas de pruebas con clientes. Los retrasos suelen surgir de colas y dependencias, no de la duración nominal de un experimento. La ruta crítica debe incluir compras, instalación, calibración, plazo de entrega de materiales, revisión de seguridad, logística de muestras y retroalimentación. La actividad paralela puede acortar los calendarios y puede aumentar la quema de caja antes de que la evidencia justifique el compromiso.

La planificación a la baja debe suponer que los experimentos prioritarios fracasan, que un lote de material no está disponible, que una prueba debe repetirse o que una ventana de cliente se desplaza. La dirección debe mostrar qué gastos pueden detenerse y qué compromisos son fijos. El modelo de liquidez debe preservar una ruta hacia una decisión ordenada en lugar de forzar la financiación en situación de tensión justo antes de una puerta decisiva.

Las previsiones de cartera también deben indicar el valor de la información que se espera de cada tramo de gasto. El gasto puede crear valor al confirmar una vía sólida, rechazar una vía débil o revelar una aplicación mejor. Informar solo hitos técnicos favorables pasa por alto el beneficio económico de una parada temprana y bien fundamentada. Por tanto, la eficiencia del capital debe medir la calidad y el momento de las decisiones, así como el número de resultados técnicos.

31. Diseñar financiación basada en hitos

Valores únicamente ilustrativos; sustitúyalos por valor comercial, probabilidad, calendario y necesidades de financiación validados de forma independiente.

La sensibilidad debe leerse junto con las puertas de evidencia. Una probabilidad mayor debe derivarse de evidencia técnica, de fabricación y de cliente reproducible, y no de la confianza de la dirección. El capital restante debe incluir el coste total hasta el estado comercial definido, incluidos la recuperación tras fallos, el capital circulante y las comisiones de financiación. Un modelo puede mostrar un valor positivo en varias combinaciones y aun así ser inviable si la liquidez no permite alcanzar la siguiente puerta.

El consejo debe identificar la evidencia que puede llevar la opción de un rango de probabilidad a otro. La replicación independiente puede reducir el riesgo científico; una campaña piloto puede reducir el riesgo de proceso; la aceptación del cliente puede reducir el riesgo de aplicación. Estos cambios no deben sumarse mecánicamente cuando son dependientes. Por ejemplo, una prueba de cliente exitosa con celdas de laboratorio puede dejar sustancialmente sin resolver la probabilidad de fabricación.

La sensibilidad al capital también respalda las decisiones de asociación. Un socio estratégico con fabricación cualificada, materiales o acceso a clientes puede reducir el capital y el tiempo necesarios a cambio de recibir participación económica o control. Los casos de operación independiente y de asociación deben reconocer explícitamente estas transferencias. La empresa no debe atribuirse la infraestructura del socio como valor propio, y debe reflejar la exclusividad, las restricciones de campo de uso, la gobernanza y los derechos de terminación.

El diseño de la financiación debe considerar las consecuencias del éxito parcial. Un material puede cumplir los objetivos de rendimiento y no alcanzar el coste de proceso; un cliente puede aceptar muestras y retrasar el lanzamiento de una plataforma. Los documentos de hitos deben definir el resultado aceptado, el proceso de subsanación y los derechos de decisión. Los hitos ambiguos pueden generar disputas precisamente cuando se necesita capital nuevo.

La financiación debe eliminar las incertidumbres que impiden la cualificación del cliente y la generación de caja. Los hitos pueden incluir material reproducible, validación independiente de celdas, resultado de seguridad, lote piloto, rendimiento de fabricación, aceptación de muestras por el cliente, desarrollo contratado, congelación del diseño y cualificación de producción. Cada uno debe tener una fuente, un responsable y una prueba de aceptación.

Los fondos propios pueden absorber la incertidumbre de la investigación y de la cartera. El capital estratégico puede aportar capacidad de aplicación, de cadena de suministro o de fabricación, y puede introducir restricciones de exclusividad o control. Las subvenciones pueden financiar trabajo definido y conllevar obligaciones de información, de acceso o comerciales. La deuda suele exigir una evidencia más sólida de activos, de finalización y de caja.

La financiación por tramos, los warrants, las licencias, las empresas conjuntas y la contraprestación contingente pueden alinear el capital con la prueba. Los términos deben preservar suficiente recorrido financiero para alcanzar la siguiente puerta bajo un plan de escenario adverso. Los hitos deben ser técnicamente significativos y resistentes a un cumplimiento meramente cosmético.

32. Preparar el data room del portafolio tecnológico

Tabla 3. Data room del portafolio de tecnologías de baterías

El acceso debe estar controlado y la evidencia debe conciliarse con los sistemas de origen.

La sala de datos debe conservar la versión, la fecha, el propietario y la relación entre la evidencia científica y financiera. Los resúmenes deben enlazar con los registros originales. Los experimentos fallidos relevantes, las disputas, las restricciones, los eventos de seguridad y las interrupciones del programa deben divulgarse con contexto y medidas de remediación.

Los revisores deben seleccionar muestras de forma independiente y reproducir la cadena de evidencia. Los controles de acceso deben proteger los secretos comerciales y, al mismo tiempo, permitir una verificación con el rigor necesario para tomar decisiones. La evidencia no disponible debe registrarse como una laguna y no recrearse de memoria.

33. Realizar conjuntamente la diligencia debida científica y comercial

La diligencia debida científica debe evaluar la composición, el mecanismo, la reproducibilidad, la calidad de las pruebas, la degradación, la seguridad y las transiciones de escala. La diligencia debida comercial debe evaluar la necesidad de aplicación, el proceso del cliente, la competencia, la cadena de suministro, el coste y la cualificación. Las dos líneas de trabajo deben utilizar un único mapa de opciones y conciliar los supuestos.

Una ventaja técnica puede ser comercialmente irrelevante; un problema del cliente puede superar las capacidades de la química. Las revisiones conjuntas deben identificar las pocas variables que determinan tanto el rendimiento como el valor. Las explicaciones de la dirección deben estar vinculadas a experimentos, contratos, presupuestos y calendarios.

Los hallazgos deben incidir en el precio, la estructura, las condiciones, las garantías, la integración y la financiación. Un anexo técnico largo que no cambie la decisión de la transacción tiene un valor limitado. Las cuestiones abiertas deben indicar materialidad, responsable, medida correctora, coste y evidencia de finalización.

34. Evaluar el riesgo de transferencia del equipo y de las personas clave

Los programas de baterías dependen del conocimiento tácito en materiales, electroquímica, procesos, modelización y cualificación de clientes. La diligencia debida debe identificar quién puede reproducir cada método crítico, interpretar anomalías y operar los equipos. Deben revisarse los acuerdos laborales, de consultoría, de invención y de retención.

La documentación debe permitir que un equipo competente repita la síntesis de materiales, el ensamblaje de celdas, las pruebas, el análisis y el despliegue de modelos. La concentración en un único fundador o científico aumenta el riesgo de continuidad incluso cuando existen patentes. Los planes de sucesión y transferencia de conocimiento deben contar con una estimación de costes.

El modelo de transacción debe incluir retención, contratación, reubicación e integración. El valor del equipo depende de la disposición y la capacidad de continuar bajo la estructura propuesta. No debe suponerse únicamente a partir de la vinculación histórica.

35. Controlar los riesgos de ciberseguridad, modelos y laboratorio

Los entornos de investigación contienen formulaciones sensibles, datos de socios, control de instrumentos y propiedad intelectual. Los controles deben abarcar identidad, acceso, segmentación, aplicación de parches, registro de eventos, copias de seguridad, desarrollo seguro, acceso de proveedores y respuesta a incidentes. La disponibilidad del laboratorio y la integridad de los datos requieren una recuperación probada.

Los paquetes de modelos deben estar versionados y protegidos frente a cambios no autorizados. Los datos de entrenamiento, el código, los parámetros, el entorno y los resultados deben ser reproducibles. Los equipos automatizados deben tener autoridad acotada, estados seguros y enclavamientos independientes.

La diligencia debida en ciberseguridad debe inspeccionar la arquitectura, los incidentes, los hallazgos abiertos, los ejercicios de recuperación y las dependencias críticas. El seguro no sustituye el control. Las brechas materiales deben afectar al alcance, al coste de remediación, a la integración y a la valoración.

36. Crear el cuadro de mando de la cartera para el consejo

Tabla 4. Cuadro de mando de la cartera química para el consejo

Presentar la evidencia, la incertidumbre y la tesorería de forma conjunta; evitar la precisión no respaldada.

El cuadro de mando debe mostrar el cambio desde la revisión anterior, no solo el estado actual. Debe identificar qué evidencia modificó la probabilidad, el valor, el calendario o el capital. Las etiquetas verdes sin fuente ni incertidumbre son una gobernanza débil.

El consejo debe revisar la concentración de la cartera, el riesgo correlacionado, los cuellos de botella de recursos y la autonomía de tesorería. Las decisiones deben preservar una pista de auditoría. Los responsables técnicos y el área financiera deben usar los mismos identificadores de opciones y definiciones de hitos de decisión.

37. Modelar la concentración y correlación de la cartera

La diversificación requiere impulsores independientes. Varias opciones químicas pueden depender del mismo precio del litio, mecanismo de electrolito, línea piloto, fundador, cliente o supuesto regulatorio. El modelo debería identificar causas comunes y aplicarles pruebas de estrés conjuntas.

La concentración debe evaluarse según el valor esperado, el capital restante, el tiempo, la aplicación, el cliente y el recurso crítico. Un programa pequeño puede consumir una proporción desproporcionada de la escasa capacidad de expertos o de la capacidad piloto. La secuenciación de la cartera puede crear valor cuando los experimentos tempranos informan varias vías.

El análisis de escenarios debe someter a prueba la reducción de costes de los incumbentes, la reversión del precio de los materiales, el retraso de clientes, el fallo de escalado y la restricción de financiación. El valor de la cartera debe reflejar la capacidad de detener, aplazar, asociarse o reorientar opciones a medida que cambia la evidencia.

38. Planificar la integración de la transacción y la captura de valor

Un adquirente o inversor estratégico debe definir cómo operarán los laboratorios, los datos, los modelos, la propiedad intelectual, los equipos de trabajo, los proveedores y los programas de clientes tras el cierre. La integración puede interrumpir experimentos y cualificaciones si cambian los sistemas, los equipos o los derechos de decisión. Los requisitos de continuidad deben identificarse antes de la firma.

Los planes de captura de valor deben asignar responsables a la migración de datos, la reproducibilidad de modelos, los controles de propiedad intelectual, el acceso al laboratorio, la cualificación de proveedores y la comunicación con clientes. Las sinergias deben separarse del valor de la opción independiente y respaldarse con acciones y costes.

Los primeros cien días deben preservar la evidencia científica y la cadencia del programa mientras se ponen a prueba las afirmaciones centrales. La integración no debe forzar todas las opciones a un único proceso cuando sus necesidades experimentales difieren. La gobernanza debe conservar la autoridad para detener y pivotar.

39. Utilizar un plan de valor de opción a cien días

Tabla 5. Plan de valor de opciones químicas a cien días

Los plazos son ilustrativos y deben reflejar el alcance de la transacción, la madurez y los compromisos con los clientes.

El plan debe ejecutarse a través de responsables con rendición de cuentas en las áreas científica, de ingeniería, comercial, jurídica y financiera. Las revisiones semanales de evidencia deben cerrar brechas críticas y conciliar definiciones. La revisión independiente debe centrarse en las afirmaciones que determinan el valor de la transacción.

Se alcanza la preparación cuando las afirmaciones centrales sobre la opción, la plataforma, la probabilidad, el capital y el cliente pueden reproducirse a partir de registros controlados. Los resultados mixtos pueden respaldar una transacción cuando la incertidumbre es explícita y está estructurada adecuadamente. El sistema de gobernanza debe continuar tras el cierre.

40. Conclusión

La I+D asistida por AI puede mejorar el descubrimiento de baterías y las decisiones de cartera al buscar en espacios más amplios, priorizar experimentos y conectar los datos con el aprendizaje controlado. El valor es defendible cuando las predicciones del modelo conducen a materiales reproducibles, celdas relevantes para la aplicación, procesos escalables, cualificación de clientes y caja. La velocidad de búsqueda y el rendimiento máximo son insuficientes sin esta cadena.

Los consejos y los inversores deben valorar las vías químicas como opciones condicionadas por evidencia. Deben comparar tecnologías con límites de sistema coherentes, conservar la evidencia de los fallos, los datos de prueba y los derechos de propiedad intelectual, mapear materiales críticos, definir criterios de descarte y vincular cada transición con el capital. La diversificación de la cartera debe tener en cuenta mecanismos, personas, equipos y mercados compartidos.

El caso de la transacción debe conciliar la evidencia científica, de fabricación, de cliente y financiera. Los modelos ajustados por probabilidad deben exponer los supuestos que determinan el valor y respaldar la financiación por etapas o estructuras contingentes cuando persista la incertidumbre. Este marco convierte una narrativa amplia de innovación en una cartera de aplicaciones, hitos, necesidades de caja y opciones estratégicas lista para la toma de decisiones.

La cartera debe mantenerse dinámica después de una financiación o adquisición. Nuevos experimentos, cambios en los costes de los incumbentes, disponibilidad de materiales, comentarios de clientes y novedades regulatorias pueden alterar tanto la vía preferida como la secuencia de capital. La gobernanza debe exigir una reevaluación con fecha cuando la evidencia cruce un umbral definido. La revisión debe conciliar el caso de inversión original con los resultados observados, conservar las explicaciones de los cambios e identificar si el valor surgió de la opción esperada o de un giro disciplinado. Este ciclo continuo de evidencia protege la calidad de las decisiones, respalda una comunicación transparente con los inversores y evita que una narrativa histórica atractiva sustituya la posición científica y comercial actual.

La evidencia debe seguir siendo reproducible.

Referencias

1. Agencia Internacional de la Energía, Global EV Outlook 2026: baterías de vehículos eléctricos, https://www.iea.org/reports/global-ev-outlook-2026/electric-vehicle-batteries
2. Agencia Internacional de la Energía, Perspectivas globales del vehículo eléctrico 2026: resumen ejecutivo, https://www.iea.org/reports/global-ev-outlook-2026/executive-summary
3. Agencia Internacional de la Energía, Perspectivas globales de vehículos eléctricos 2025: Baterías para vehículos eléctricos, https://www.iea.org/reports/global-ev-outlook-2025/electric-vehicle-batteries
4. Agencia Internacional de la Energía, Baterías y transiciones energéticas seguras: resumen ejecutivo, https://www.iea.org/reports/batteries-and-secure-energy-transitions/executive-summary
5. Agencia Internacional de la Energía, El estado de la innovación energética 2025: resumen ejecutivo, https://www.iea.org/reports/the-state-of-energy-innovation-2025/executive-summary
6. Agencia Internacional de la Energía, Perspectivas globales de minerales críticos 2025: más allá de las baterías NMC, https://www.iea.org/reports/global-critical-minerals-outlook-2025/beyond-nmc-batteries-supply-chain-issues-for-emerging-battery-technologies
7. Agencia Internacional de la Energía, Cómo la innovación puede ayudar a asegurar los futuros mercados de baterías y el suministro de minerales, https://www.iea.org/commentaries/how-can-innovation-help-secure-future-battery-markets-and-mineral-supplies
8. Departamento de Energía de los Estados Unidos, AI para la Energía, https://www.energy.gov/sites/default/files/2024-04/AI%20EO%20Report%20Section%205.2g%28i%29_043024.pdf
9. Departamento de Energía de los Estados Unidos, Diseño de materiales con funcionalidad predecible, https://www.energy.gov/undersecretaryforscience/genesis-mission/designing-materials-predictable-functionality
10. Departamento de Energía de los Estados Unidos, Cómo lograr laboratorios autónomos impulsados por AI, https://www.energy.gov/undersecretaryforscience/genesis-mission/achieving-ai-driven-autonomous-laboratories
11. Departamento de Energía de los Estados Unidos, Nuevo enfoque para la síntesis de materiales con validación rápida por un laboratorio robótico, https://www.energy.gov/science/bes/articles/new-approach-materials-synthesis-quick-validation-robotic-lab
12. Argonne Leadership Computing Facility, Creación de modelos fundacionales de AI para acelerar el descubrimiento de nuevos materiales para baterías, https://www.alcf.anl.gov/news/building-ai-foundation-models-accelerate-discovery-new-battery-materials
13. Argonne Leadership Computing Facility, Modelos fundacionales para el diseño molecular orientado al almacenamiento y la conversión de energía, https://www.alcf.anl.gov/science/case-studies/foundation-models-molecular-design-energy-storage-and-conversion
14. Argonne Leadership Computing Facility, Diseño molecular autónomo para baterías de flujo redox, https://www.alcf.anl.gov/science/projects/autonomous-molecular-design-redox-flow-batteries
15. Argonne Leadership Computing Facility, Dinámica de reacciones heterogéneas para el almacenamiento de energía y la producción de hidrógeno, https://www.alcf.anl.gov/science/projects/heterogeneous-reaction-dynamics-energy-storage-and-hydrogen-production-0
16. Laboratorio Nacional Argonne, Software del modelo BatPaC, https://www.anl.gov/amd/batpac-model-software
17. Laboratorio Nacional de Energías Renovables, Análisis de la cadena de suministro y de costes de tecnologías avanzadas, https://www.nrel.gov/manufacturing/advanced-tech.html
18. Laboratorio Nacional de Energías Renovables, Modelado multiescala de la física de las baterías, https://www.nrel.gov/transportation/multi-scale-battery-physics-modeling.html
19. Departamento de Energía de Estados Unidos, Plan nacional para baterías de litio 2021-2030, https://www.energy.gov/sites/default/files/2021-06/FCAB%20National%20Blueprint%20Lithium%20Batteries%200621_0.pdf
20. Unión Europea, Reglamento (UE) 2023/1542 sobre las baterías y los residuos de baterías https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32023R1542
21. Unión Europea, Reglamento (UE) 2024/1689 por el que se establecen normas armonizadas sobre inteligencia artificial, https://eur-lex.europa.eu/eli/reg/2024/1689/oj
22. Instituto Nacional de Estándares y Tecnología, Marco de Gestión de Riesgos de Inteligencia Artificial 1.0, https://www.nist.gov/itl/ai-risk-management-framework
23. Organización Internacional de Normalización, ISO 9001 Sistemas de gestión de la calidad, https://www.iso.org/standard/62085.html
24. Organización Internacional de Normalización, Sistemas de gestión de inteligencia artificial ISO/IEC 42001, https://www.iso.org/standard/81230.html
25. Naciones Unidas, Recomendaciones relativas al transporte de mercancías peligrosas, Manual de pruebas y criterios, subsección 38.3, https://unece.org/transport/dangerous-goods/rev7-files
26. Consejo de Normas Internacionales de Valoración, Normas Internacionales de Valoración, https://ivsc.org/standards/