https://riaa-tecno.unca.edu.ar/handle/123456789/12 2026-04-20T13:31:28Z 2026-04-20T13:31:28Z Cejas Romero, Miguel Bernardo https://riaa-tecno.unca.edu.ar/handle/123456789/1378 2026-04-16T11:45:29Z 2026-01-01T00:00:00Z

Agente inteligente conversacional aplicada a la autogestión de afiliados de obras sociales Cejas Romero, Miguel Bernardo El sistema desarrollado consiste en un agente conversacional inteligente orientado a la autogestión de afiliados de obras sociales, diseñado con el objetivo de mejorar el acceso a la información y la gestión de trámites administrativos mediante interacción en lenguaje natural. El agente permite a los usuarios realizar consultas personalizadas e iniciar gestiones administrativas de forma automatizada, reduciendo la dependencia de los canales tradicionales de atención y optimizando la experiencia del afiliado. La solución se basa en la integración de un modelo de lenguaje de gran escala (LLM) con una base de datos institucional simulada, a través de un backend especializado que incorpora el Model Context Protocol (MCP) como mecanismo de control de acciones. Este enfoque permite estructurar las operaciones posibles del sistema, validar la coherencia de las solicitudes y garantizar trazabilidad y control transaccional durante la ejecución de los trámites iniciados desde la conversación. El prototipo desarrollado contempla procesos representativos de la interacción habitual entre afiliados y obras sociales, combinando consultas informativas personalizadas con trámites administrativos transaccionales. La arquitectura implementada integra una interfaz web conversacional, un agente basado en LLM, un servidor MCP y una base de datos simulada, validándose su funcionamiento mediante pruebas funcionales y validación experta. Los resultados obtenidos demuestran la viabilidad técnica del enfoque propuesto y su potencial aplicación como herramienta de apoyo a la transformación digital del sector salud, particularmente en contextos donde se requiere mayor accesibilidad, integración y eficiencia en la gestión de servicios. Cejas Romero, Miguel Bernardo. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.

2026-01-01T00:00:00Z Flores, Carola Victoria Del Prado, Ana Maria Doria, Maria Vanesa Montejano, Germán Antonio https://riaa-tecno.unca.edu.ar/handle/123456789/1377 2026-04-09T13:55:39Z 2025-01-01T00:00:00Z

Gestión estratégica de repositorios institucionales de acceso abierto con Balanced Scorecard: Aplicación al RIAA FTyCA–UNCA (Argentina) Flores, Carola Victoria; Del Prado, Ana Maria; Doria, Maria Vanesa; Montejano, Germán Antonio Flores, Carola Victoria. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Departamento de Informática; Argentina.; Del Prado, Ana Maria. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Departamento de Informática; Argentina.; Doria, Maria Vanesa. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Departamento de Informática; Argentina.; Montejano, Germán Antonio. Universidad Nacional de San Luis; Argentina.

2025-01-01T00:00:00Z De La Fuente, Gonzalo Uriel https://riaa-tecno.unca.edu.ar/handle/123456789/1376 2026-03-11T12:13:58Z 2025-12-01T00:00:00Z

Agente de gestión probabilística de contextos (AGPC) De La Fuente, Gonzalo Uriel En este trabajo se propone el diseño y desarrollo de un Agente de Gestión Probabilística de Contextos (AGPC), un sistema inteligente orientado a la administración avanzada de información, utilizando un Grafo Contextual Probabilístico (GCP) como núcleo arquitectónico. A diferencia de los enfoques lineales y de memoria estática presentes en la mayoría de asistentes actuales, el AGPC desarrollado implementa un modelo no lineal, difuso y reutilizable de contexto, capaz de establecer y ponderar relaciones probabilísticas entre fragmentos de información o contextos atómicos distribuidos en el tiempo y el espacio. El sistema combina técnicas de Procesamiento de Lenguaje Natural (PLN), Modelos de Lenguaje de Gran Escala (LLMs), bases vectoriales y bases de datos de grafos, permitiendo la recuperación semántica directa e indirecta de información relevante. El diseño propuesto busca garantizar la adaptabilidad a múltiples dominios (auditorías financieras, educación personalizada, entornos legales, médicos, entre otros), así como la escalabilidad para flujos de información en tiempo real. Si bien la arquitectura propuesta es conceptualmente generalizable a diversos contextos, para efectos de este trabajo final se selecciona el dominio legal como caso de aplicación principal. Este dominio permite validar empíricamente el funcionamiento del prototipo y establecer un alcance definido y acotado dentro del marco de la investigación, dado que su complejidad documental, temporal y contextual ofrece un entorno idóneo para evaluar la efectividad del modelo propuesto. El objetivo final de este trabajo es demostrar que un enfoque probabilístico y auditable de la gestión contextual no solo mejora la coherencia y trazabilidad de las respuestas de un agente inteligente, sino que también amplía su capacidad de transferencia de conocimiento entre distintos dominios. De La Fuente, Gonzalo Uriel. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.

2025-12-01T00:00:00Z Agüero, Kevin Alberto https://riaa-tecno.unca.edu.ar/handle/123456789/1375 2026-03-11T11:37:10Z 2026-02-01T00:00:00Z

Sistema de consultas gerencial asistido por chatbot con MCP para obras sociales Agüero, Kevin Alberto El presente trabajo aborda la problemática de la dificultad gerencial en obras sociales para acceder de forma ágil y simple a la información estratégica necesaria para la toma de decisiones. Esta limitación se origina en la dependencia de procesos técnicos manuales y la carencia de soluciones integradas que combinen la potencia de la Inteligencia Artificial (IA) generativa con estrictas garantías de seguridad y trazabilidad sobre datos sensibles. El objetivo del trabajo fue desarrollar un sistema de consultas gerenciales web asistido por un ChatBot basado en el protocolo Model Context Protocol (MCP) y modelos de lenguaje de gran escala (LLM) para generar dashboards y reportes interactivos a partir de consultas en lenguaje natural, facilitando así la toma de decisiones gerenciales en las obras sociales clientes de la empresa Tekhne. La metodología se basó en un enfoque de investigación aplicada y un desarrollo iterativo con Scrum adaptado. Se implementó una arquitectura multi-modelo que utiliza RAG para asegurar la precisión con contexto técnico. La seguridad fue una prioridad crítica, aplicando estrictas medidas contra inyecciones de código y protegiendo la confidencialidad de datos sensibles, como la relacionada con la Ley N.º 23.798 de VIH y la ley 25.326 de Protección de Datos Personales en Argentina. Los resultados de la validación técnica y la evaluación de usabilidad confirmaron la viabilidad del prototipo. El sistema demostró una coherencia en las respuestas y una tasa de bloqueo del 100% ante intentos de inyección de código y consultas no autorizadas, garantizando la seguridad y confidencialidad de los datos. Además, la evaluación de la usabilidad mediante el Cuestionario SUS arrojó un puntaje promedio de 88.5, lo cual lo clasifica como "Aceptable" y refleja una experiencia de usuario intuitiva. El bajo consumo de tokens reforzó la viabilidad económica del sistema para su escalabilidad. El prototipo desarrollado cumple con los objetivos planteados, logrando el acceso a métricas complejas a través de una interacción natural y segura. El sistema sienta una base sólida para futuras implementaciones productivas, posicionando a la IA conversacional como una herramienta esencial para la eficiencia y la toma de decisiones en el sector de la salud. Agüero, Kevin Alberto. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.

2026-02-01T00:00:00Z