Innovación y Software

Optimización de Modelos de Lenguaje Grande (LLMs) a través del Prompt Engineering

2026-03-09T03:00:12-05:00

Este artículo exploró el impacto del prompt engineering en la optimización del rendimiento de modelos de lenguaje grande (LLMs, por sus siglas en inglés) como GPT y BERT. El prompt engineering fue presentado como un enfoque innovador que consistía en diseñar instrucciones específicas para guiar las respuestas de los modelos, mejorando su precisión y relevancia sin modificar sus parámetros internos. El estudio evaluó metodologías para la construcción de prompts efectivos, comparó diferentes estrategias como el few-shot y el zero-shot learning, y analizó casos prácticos en áreas como la generación de texto, la respuesta a preguntas y el análisis de sentimientos. Los resultados mostraron que un diseño estratégico de prompts podía mejorar significativamente la calidad de las respuestas, reducir errores y ampliar el rango de aplicaciones de los LLMs.

Aplicación web para clasificar y asistir en la gestión de incidentes usando LLMs de OpenAI

2026-03-09T03:00:13-05:00

Se establece la propuesta de una aplicación web destinada a asistir en la administración de incidentes técnicos en el campo de la tecnología de la información.. La implementación fue llevada a cabo con una arquitectura en 3 capas, basándonos en tecnologías web mediante React, Laravel y MySQL como base de datos. Se establecieron modelos de lenguaje de gran envergadura, aplicando técnicas de diseño de instrucciones para poder analizar descripciones de incidentes técnicos y llegar a proporcionar automáticamente sugerencias y clasificar la prioridad, basándonos en criterios para los incidentes que se generan en el presente. La propuesta fue desarrollada sobre la base de la metodología ágil de tipo SCRUM y validada con usuarios reales, que evaluaron la funcionalidad y la precisión que obtenía dicho sistema. La herramienta obtuvo un 77,3 % de precisión en la propuesta de sugerencias correctas, destacando en categorías como software, redes. Estos resultados evidenciaron la utilidad de la solución como apoyo en la selección de soluciones y en la reducción del esfuerzo cognitivo durante las etapas iniciales de diagnóstico. Se concluye que el uso de LLMs en el soporte técnico representa una alternativa eficaz para optimizar procesos, siempre que se utilice como complemento de la experiencia humana.

Impacto de las Tecnologías de la Información y Comunicación (TIC) en la Integración de la Cadena de Suministro en Proyectos de Construcción

2026-03-09T03:00:15-05:00

En los últimos años, el sector de la construcción ha experimentado una transformación significativa impulsada por la digitalización. En este contexto, ha cobrado especial relevancia el uso de Tecnologías de la Información y la Comunicación (TIC) como medio para optimizar la gestión de la cadena de suministro (SCM). Estas tecnologías no solo han demostrado ser útiles para mejorar la trazabilidad y la eficiencia en los procesos constructivos, sino que también han contribuido a fortalecer la comunicación entre los distintos actores que participan a lo largo del ciclo de vida del proyecto.

Diversos estudios recientes han resaltado los beneficios de herramientas digitales como BIM (Modelado de Información para la Construcción), el Internet de las Cosas (IoT), el blockchain y las plataformas colaborativas, que permiten una gestión más integrada y transparente de los proyectos (Wu et al., 2022; Celik et al., 2023). Esta revisión sistemática, basada en el análisis de 30 artículos científicos indexados entre los años 2019 y 2024, evidencia que la aplicación de estas tecnologías favorece la coordinación interorganizacional, reduce la probabilidad de errores y aumenta la capacidad del sistema para adaptarse a cambios e imprevistos (Hargaden et al., 2021; Fernandez-Carames et al., 2024).

Diseño de una arquitectura de microservicios en contenedores virtuales

2026-03-09T03:00:13-05:00

En este artículo se presenta la propuesta metodológica para el diseño e implementación de una arquitectura de microservicios en contenedores. La propuesta abarca desde las metodologías utilizadas para la fase de investigación de las primeras fases de desarrollo del proyecto hasta la parte de la metodología utilizada para la creación de un sistema informático de prueba. Se propone una arquitectura basada en arquitecturas de dominio, así como también se expone el diseño de la arquitectura física del sistema, basado en los requerimientos expuestos por la institución colaboradora para el caso de prueba. Como parte de los resultados, se describe la configuración de los microservicios y contenedores, así como su integración en una red común de servicios en ejecución.

Automatización inteligente para procesos correctos: n8n como motor de eficiencia digital

2026-03-08T22:40:56-05:00

En un contexto donde los sistemas digitales se vuelven cada vez más fragmentados, la integración y automatización de procesos ya no son un lujo técnico, sino una necesidad estructural para escalar, proteger datos y mejorar la experiencia del usuario final. Este trabajo analiza el potencial estratégico de n8n, una plataforma de automatización e integración open source que combina lo mejor del enfoque low-code con la extensibilidad del desarrollo tradicional. A través de una comparación técnica y funcional con otras herramientas líderes del mercado como Zapier y Make, se argumenta por qué n8n, especialmente en su versión Community Edition, representa una solución ideal para empresas de desarrollo de software que buscan flexibilidad, control sobre sus flujos y soberanía tecnológica. Además, se exploran sus capacidades de integración con APIs, su arquitectura modular, su soporte nativo para IA, y se presentan casos reales de aplicación en flujos como onboarding automatizado, ETL, testing continuo y soporte omnicanal. Finalmente, se discute la relevancia de adoptar una visión colaborativa entre automatización y desarrollo, superando el falso dilema entre “low-code vs high code”, y proponiendo una sinergia que potencie productos digitales seguros, escalables y sostenibles.

Aplicación del algoritmo KNN para la predicción de enfermedad celíaca utilizando variables clínicas y serológicas

2026-03-09T03:00:15-05:00

La enfermedad celíaca corresponde a una condición autoinmune con una prevalencia cercana al 1% a nivel global, frecuentemente subdiagnosticada debido a la escasa sospecha clínica, lo que incrementa su morbilidad y mortalidad. En este contexto, la aplicacion del algoritmo K-Nearest Neighbors (KNN) surgió como un modelo predictivo para contribuir a la detección de esta enfermedad mediante variables clínicas y serológicas. Se diseñó un modelo supervisado con el algoritmo KNN utilizando variables clínicas y serológicas extraídas de una base de datos académica de 2,206 registros. Para balancear las clases, se aplicó la técnica de sobremuestreo sintético (SMOTE). Los datos fueron segmentados para entrenamiento y validación, optimizando el parámetro de clasificación mediante validación cruzada. Además, se desarrolló una plataforma web diseñada para admitir el ingreso, análisis y emisión que permite la carga, procesamiento y generación de reportes médicos con acceso por roles y estimación de probabilidad diagnóstica. Este modelo alcanzó una exactitud del 94%, una precisión del 97 % y una sensibilidad del 91 %. El algoritmo demostró ser útil para la predicción de la enfermedad celíaca a partir de datos clínicos y serológicos, y su implementación en la web permite su integración práctica en entornos clínicos.

Evaluación de Costos en la Gestión de Inventarios: Un Estudio de Simulación Basado en Python

2026-03-09T03:00:12-05:00

This article presents the results of a research project whose objective was to design a simulation process using a stochastic-dynamic model and the Jupyter Notebook tool with Phyton programming, to understand and analyze the behavior of the costs associated with an inventory management system with stochastic demand and periodic review, in a walnut distribution company. Data was collected on inventory holding costs, shortage costs, ordering costs, warehouse capacity, delivery times and demand for the last 6 months. The results obtained revealed that, over a 3-month horizon, the operating cost presents a parabolic behavior in relation to demand, which allows identifying the optimal or equilibrium point between inventory and total average costs, depending on an uncertain demand.

Sistema web de comercialización para mejorar la eficiencia y gestión logística en LAKTOMART S.A.

2026-03-08T22:41:46-05:00

El propósito de la investigación fue la mejora de la eficiencia y gestión logística en el área de comercio y distribución de la empresa LAKTOMART S.A. a través del desarrollo de una plataforma en línea utilizando la arquitectura Modelo-Vista-Controlador (MVC. Se adoptó un diseño preexperimental con una orientación cuantitativa y tuvo un alcance explicativo. La metodología aplicada fue el RUP (Rational Unified Process). Para la implementación de la aplicación web, se usaron HTML5, CSS3, JQuery V3.7.1, PHP V8.2.0 con el framework Laravel V10.48.180, domPDF V0.8 y MySQL V8.0.31 para la administración de bases de datos. Además, la evaluación de los indicadores económicos vinculados a los subsistemas de ventas y distribución, generaron resultados positivos que confirmaron la viabilidad económica del sistema desarrollado en cuestión. Las hipótesis fueron evaluadas utilizando los test de normalidad según Shapiro-Wilk, y se aplicaron pruebas estadísticas inferenciales, como la prueba t de Student para muestras relacionadas y la prueba no paramétrica de Mann-Whitney para muestras independientes, manejando un nivel de significancia del 5%. El software estadístico R fue utilizado para todas las pruebas. En base a los hallazgos se concluyó que la plataforma en línea con arquitectura MVC mejora la eficiencia y eficacia en el negocio electrónico de LAKTOMART S.A.

Técnicas y Herramientas de Deep Learning para la Predicción Meteorológica Inteligente

2026-03-08T22:41:33-05:00

En el presente artículo, se desarrolló un análisis de las técnicas de aprendizaje profundo para lograr una predicción meteorológica usando los enfoques estadísticos de reducción de escala. Estos son importantes, ya que permiten ajustar las proyecciones climáticas de gran escala generadas por el modelo climático MCG a pronósticos más exactos y definidos para áreas específicas, de tal manera permitiendo sobrepasar las limitaciones de los modelos numéricos tradicionales en la representación de fenómenos locales y de pequeña escala. Se analizaron estudios que ponen en práctica las Redes Neuronales Convolucionales (CNN) y Redes Generativas Adversariales (GAN) con el objetivo de poder mejorar la resolución espacial y temporal de los datos climáticos. Ambas herramientas y técnicas han demostrado ser efectivas en proyectos como VALUE, que se encarga de evaluar métodos de downscaling en Europa, y DL4DS, una biblioteca en Python, encargada de aplicar algoritmos de aprendizaje profundo al downscaling empírico de datos climáticos. El principal objetivo de este artículo fue analizar la efectividad de ambas herramientas y técnicas enfocadas en la precisión, escalabilidad y eficiencia computacional, brindando una perspectiva completa de su uso para la mejora de las predicciones meteorológicas a nivel local.

Un Caso De Estudio Del Algoritmo De Cifrado Salsa20, Utilizando Inyección De Ruido Con Inteligencia Artificial

2026-03-08T22:41:00-05:00

El robo digital de datos, genera severas consecuencias financieras en organizaciones. Ello puede amortiguarse utilizando cifrado dinámico, porque pueden generar diferentes textos cifrados partiendo de una misma entrada de texto plano. Está investigación, utiliza inteligencia artificial (IA), aplicado a la ciberseguridad, usando estrategias: "aleatorias ruidosas" (random noisy), estudiando aspectos relacionados en dicho campo. La aplicación de "random noisy", en texto cifrado, es recomendado para mejorar la seguridad de los datos. Estudios recientes refieren su efectividad para contrarrestar ciberataques. Por lo tanto, el objetivo de la presente investigación fue enfocado sobre la aplicación de una nueva propuesta basada en estrategia: random noisy, siendo aplicada a textos cifrados obtenidos por el algoritmo Salsa20, debido a que, ha sido poco estudiado en la literatura. Lo anterior, sustentado en que las estrategias "aleatorias ruidosas", han revelado resultados muy prometedores, en previas investigaciones. El presente trabajo, se considera importante, debido a que, los resultados experimentales han recomendado la efectividad del uso de IA, aplicado en la inyección de ruido a textos cifrados, mostrando incremento en el esquema de seguridad de los datos digitales encriptados. Por lo tanto, es presentada aquí una nueva metodología mejorada, para las organizaciones que utilizan cifrado de datos con el algoritmo Salsa20, así como, la comparación de resultados con cuatro "random noisy" estrategias, basadas sobre el cifrado con los algoritmos: DES, 3DES, AES-256, y Blowfish. En conclusión, la nueva alternativa, aquí presentada, es recomendada porque mostró ser de difícil desencriptado, incluso para las herramientas estándar de los ciber-criminales

Impacto de la Inteligencia Artificial en las ciudades Avanzadas: Un futuro potenciado

2026-03-08T22:41:41-05:00

Este estudio científico se centra en una revisión de la literatura sobre el uso de la Inteligencia Artificial (IA) y su impacto en los diferentes sectores clave que conforman una ciudad. Destacando los beneficios que tiene su implementación y los desafíos a los que se enfrentan los gobiernos para su regulación y control. Para ello, se seleccionaron 9 artículos científicos que abordan los temas que se hablarán a lo largo de este artículo: la política, el transporte, la seguridad ciudadana, la educación, el trabajo y la salud. Con esto se quiere dar a conocer el beneficio que tiene la implementación de la IA en estos sectores que permitirán guiarnos hacia un futuro moderno donde la IA prevalece como una herramienta insustituible.

Identificación y Medición de Deuda Técnica Autoadmitida en Herramientas de Aprendizaje Profundo: Una Revisión Sistemática

2026-03-20T11:25:53-05:00

La Deuda Técnica en el desarrollo de Software se refiere a las consecuencias de decisiones que priorizan soluciones rápidas sobre soluciones óptimas. Este concepto, introducido por Ward Cunningham en 1992, ha sido ampliamente estudiado para mejorar la calidad del software. En el contexto del aprendizaje profundo, la DT también está presente debido al uso de herramientas que, aunque facilitan la creación de modelos, pueden generar DT y afectar su rendimiento. Con un proceso de tres fases, este trabajo presenta una revisión sistemática de la literatura con el objetivo de identificar los tipos de DT presentes en herramientas de aprendizaje profundo, así como las técnicas empleadas para su identificación y medición. Los estudios revisados muestran que la DT puede aparecer en diversas fases del desarrollo, como el diseño, definición de requisitos, pruebas, documentación, código, algoritmos y compatibilidad. Además, se identifican aspectos adicionales afectados, tales como los datos, los modelos, el conocimiento y la infraestructura.Para identificar la DT, se han utilizado enfoques como el análisis de comentarios en código estático, pull requests y commits, aplicando técnicas manuales, minería de texto, redes neuronales y algoritmos de procesamiento de lenguaje natural. En cuanto a su medición, predominan los métodos estadísticos. Los hallazgos de esta revisión permiten comprender mejor cómo la DT impacta las herramientas de aprendizaje profundo y ofrecen una base para orientar investigaciones futuras sobre su gestión y mitigación en el desarrollo de sistemas inteligentes.

La Innovaciones en Inteligencia Artificial para la Asistencia Quirúrgica: Revisión Sistemática de Aplicaciones y Eficacia Clínica

2026-03-08T22:41:39-05:00

La inteligencia artificial (IA) presenta actualmente una innumerable cantidad de implementaciones con resultados ampliamente comprobados. Las asistencias quirúrgicas, parte fundamental de la cirugía médica, son un ejemplo claro de innovación y eficaz aplicación de tecnologías que replican distintas cualidades y habilidades humanas para mejorar la atención quirúrgica del paciente. La presente investigación, a través de la metodología PRISMA, se enfoca en el análisis de las aplicaciones en IA para la asistencia quirúrgica, haciendo uso de artículos obtenidos luego de implementar una serie de criterios de búsqueda, inclusión y exclusión diseñados para lograr una total sintonía entre la literatura científica descrita y el tema central de la investigación. Se realizó una búsqueda profunda de la bibliografía en las bases de datos ProQuest y Google Académico y se seleccionaron 17 artículos de un total de 272 candidatos. Los resultados obtenidos muestran que, tecnologías como el Machine Learning (ML), Deep Learning (DL) o Robótica Quirúrgica son utilizadas para mejorar la atención al paciente con procedimientos menos invasivos y reduciendo riesgos. Este estudio subraya el impacto transformador de la IA en la asistencia quirúrgica y sugiere la necesidad de investigar más sobre su integración en nuevas especialidades y los aspectos éticos y normativos para garantizar su uso seguro.

Revisión Sistemática de la Literatura de la Deuda de Requisitos: Sus Causas y Medición

2026-03-08T22:41:24-05:00

La Deuda Técnica de Requisitos se define como la diferencia entre los requisitos inicialmente planteados y el producto final de software. Este estudio tuvo como objetivo realizar una Revisión Sistemática de la Literatura, basada en una metodología estructurada en tres fases: definición de un protocolo de búsqueda, selección de fuentes científicas relevantes y aplicación de criterios de inclusión y exclusión, seguido de la síntesis de la información recopilada. Se analizaron investigaciones de los últimos cinco años, considerando un total de trece artículos. Los resultados indican que las principales causas de la Deuda Técnica de Requisitos incluyen la falta de documentación formal, la presión por cumplir con plazos de entrega, la deficiente comunicación entre el cliente y el equipo de desarrollo, así como la ausencia de herramientas automatizadas que optimicen la trazabilidad de los requisitos, entre otros factores. Respecto a su medición, se han propuesto estrategias como el análisis costo-beneficio y la estimación de costos de rectificación; sin embargo, aún no se han validado en contextos reales, lo que limita su aplicabilidad práctica. En conclusión, la Deuda Técnica de Requisitos representa un desafío en la ingeniería de software, afectando directamente la calidad y el éxito de los proyectos. Este trabajo proporciona un panorama actualizado que puede servir como fundamento para futuras investigaciones en el área, con el fin de desarrollar estrategias más efectivas para su gestión y posible mitigación.

Analizando atributos clave de la IA y tecnologías para autenticación biométrica en hospitales inteligentes

2026-03-09T03:00:11-05:00

La presente revisión sistemática examina el uso de inteligencia artificial (IA) en la autenticación biométrica para hospitales inteligentes, enfocándose en cuales son las propuestas tecnológicas más eficientes y usados en el mundo para mejorar la seguridad y protección de datos médicos y que no se tengan acceso no autorizado a ellos. La IA, a través de redes neuronales y algoritmos de machine learning sumados a los usos en conjunto con la seguridad biométrica, ha demostrado aumentar la precisión en la identificación de individuos y la detección de comportamientos anómalos que podrían indicar accesos no autorizados. La metodología PRISMA incluyó una búsqueda detallada de estudios científicos utilizando términos clave combinados con operadores booleanos, seleccionando artículos relevantes siguiendo criterios de inclusión y exclusión. Los resultados reflejan que la integración de IA en la autenticación biométrica refuerza la seguridad en cuanto a un acceso controlado, protección y seguridad de datos. Los estudios analizados muestran que el uso de biometría multimodal y algoritmos avanzados no solo mejora la fiabilidad del proceso, sino que también reduce los falsos positivos, lo cual es crucial en la gestión de datos sensibles. La combinación de diversas características biométricas, como reconocimiento facial y análisis de señales fisiológicas, vienen demostrando ser eficaces incluso en ámbitos médicos

Algoritmos de machine learning para la predicción de la demencia: Revisión sistemática

2026-03-09T03:00:14-05:00

El trabajo a continuación aborda la identificación de los algoritmos usados en machine learning para la detección temprana de demencia o daño cognitivo degenerativo, en la actualidad uno de los principales desafíos clínicos y socioeconómicos de este siglo. Indica los algoritmos más relevantes en machine learning que con su alta confiabilidad y eficacia están ganando terreno en un mundo mucho más tecnológico. La metodología usada corresponde a las normativas de la declaración PRISMA, utilizando repositorios de alta exigencia investigativa como SCOPUS, SCIELO, IEEE XPLORE, SAGE JOURNAL y GOOGLE ACADEMICO encontrando 15 trabajos que cumplian con todos los criterios establecidos. Los resultados de la revisión en estos trabajos encontraron muchas comparaciones por estudio académico, entre los modelos más utilizados destacan Random Forest y SVM, los cuales han mostrado precisiones superiores al 85% en múltiples estudios. Las conclusiones afirman la relevancia de Machine Learning como herramienta tecnológica en la detección de demencia y sus variedades, indicando oportunidades para investigaciones futuras, particularmente en casos de estudio más específicos donde el uso de la tecnología es indispensable para ayudar al ser humano.