Artículo

19 de octubre de 2026

Dinámica del capital de trabajo en el sector salud: un estudio a través del Modelo de Fleuriet entre 2020 y 2024

Dinámica del Capital de Trabajo en el Sector Salud: un Estudio a Través del Modelo de Fleuriet entre 2020 y 2024

Ronaldo Pereira Dias Junior; Marco Antônio Alves de Souza Junior

DOI: 10.22167/2675-6528-202601399

Artículo elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción.

Resumen

La gestión del capital de trabajo desempeña un papel crucial en el sostenimiento de las operaciones y el mantenimiento de la liquidez de las empresas, siendo indispensable en el sector de la salud debido a la constante presión por la liquidez. El estudio analizó la dinámica del capital de trabajo en tres empresas brasileñas del sector de la salud en el período de 2020 a 2024. Se objetivó comprender el comportamiento de los principales indicadores financieros y sus implicaciones sobre la liquidez. Para ello, se adoptó un enfoque cuantitativo y descriptivo, reclasificando los estados contables según el Modelo Dinámico de Fleuriet. La metodología permitió el análisis integrado del Capital Circulante Neto (CCN), la Necesidad de Inversión en Giro (NIG) y el Saldo de Tesorería (ST). Los resultados evidenciaron diferencias relevantes en la estructura financiera de las empresas. La Empresa A demostró una elevada capacidad de autofinanciación, con CCN positivo, NIG negativa y ST positivo, indicando solidez. La Empresa C exhibió robustez estructural, con CCN y ST expresivamente positivos y NIG oscilante entre positiva y negativa. En contraste, la Empresa B presentó mayor variabilidad en los indicadores, con un CCN negativo puntual en 2021 y la ocurrencia del Efecto Tijera entre 2022 y 2023, aunque con recuperación posterior. Se concluyó que la gestión del capital de trabajo está directamente asociada a la estructura operacional y que el Modelo de Fleuriet se mostró una herramienta eficaz para capturar las particularidades de la dinámica financiera de corto plazo en el sector de la salud, reforzando la importancia de análisis individualizados.

Palabras clave: Análisis financiero; Desempeño empresarial; Estructura de capital; Gestión financiera; Liquidez.

1. Introducción

La gestión del capital circulante es un componente estratégico para la sostenibilidad operativa y el mantenimiento de la liquidez de las empresas, siendo reconocida desde las prácticas comerciales históricas como vital para el éxito financiero (Brigham y Ehrhardt, 2016). En un contexto empresarial moderno, el capital circulante frecuentemente representa una porción sustancial de los activos totales, y su administración ineficaz puede llevar a graves problemas financieros e incluso a la insolvencia (Assaf Neto y Silva, 2011). En Brasil, el sector de la salud, caracterizado por su complejidad y alta intensidad de capital, enfrentó presiones significativas en el período de 2020 a 2024. La pandemia de COVID-19, en particular, generó un ambiente de incertidumbre que impactó la previsibilidad de los flujos de caja y la demanda por servicios, haciendo de la gestión eficiente del capital circulante un factor crítico para la resiliencia y continuidad de las operaciones (Carvalho, 2020). El capital circulante, que comprende activos y pasivos circulantes, es esencial para financiar el ciclo operativo de una empresa, desde la adquisición de insumos hasta el cobro de ventas (Assaf Neto y Silva, 2011; Gitman, 2004). Sin embargo, el análisis estático del Capital Circulante Neto (CCN) – la diferencia entre activos y pasivos circulantes – aunque proporciona una indicación inicial de holgura financiera, a menudo no captura la dinámica temporal de los flujos de caja, pudiendo enmascarar riesgos de liquidez (Brigham y Ehrhardt, 2016).

Para una comprensión profunda de la dinámica financiera a corto plazo, el Modelo Dinámico de Fleuriet (Fleuriet y Zeidan, 2015) reclasifica los estados contables, distinguiendo componentes operativos de los financieros. Este modelo integra el Capital de Trabajo Neto (CTN), la Necesidad de Inversión en Giro (NIG) y el Saldo de Tesorería (ST). La NIG cuantifica los recursos aplicados permanentemente en las operaciones, siendo positiva cuando hay demanda de financiación operativa y negativa cuando las operaciones generan recursos. El ST refleja la posición financiera inmediata de la empresa, positivo indicando recursos suficientes para honrar obligaciones a corto plazo y negativo señalando dependencia de financiaciones a corto plazo, elevando el riesgo de insolvencia (Ambrozini et al., 2014). La interacción de estos indicadores es crucial para identificar el “Efecto Tijera”, un desequilibrio donde el crecimiento de la NIG supera al del CTN, comprimiendo el ST y señalando fragilidad estructural (Fleuriet y Zeidan, 2015). La clasificación de los perfiles financieros, basada en los signos de CTN, NIG y ST (Silva, 2023), permite una evaluación precisa de la salud financiera. La aplicación de este modelo es relevante en el sector de la salud brasileño entre 2020 y 2024, período de intensas presiones económicas. Aunque estudios apuntan solidez en partes del sector (Rossi, 2022), otros revelan heterogeneidad significativa en el desempeño del capital de giro entre empresas, incluso con características sectoriales similares (Silva, 2023; Morel, 2019). Esta variabilidad destaca la insuficiencia de análisis agregados y la necesidad de investigaciones individualizadas.

Ante la importancia estratégica de la gestión del capital de trabajo para la resiliencia empresarial, la complejidad y sensibilidad del sector salud a las fluctuaciones económicas, y la necesidad de un análisis que vaya más allá de los indicadores estáticos para capturar la dinámica financiera real, este estudio se justifica por la búsqueda de una comprensión profunda del comportamiento del capital de trabajo en un período de significativas incertidumbres. La aplicación del Modelo Dinámico de Fleuriet ofrece una lente analítica robusta para desvelar las particularidades de la estructura de financiación y liquidez. Así, el presente trabajo tiene como objetivo analizar la dinámica del capital de trabajo en tres empresas brasileñas del sector salud en el período de 2020 a 2024, con el fin de comprender el comportamiento de los principales indicadores financieros – Capital Circulante Neto (CCN), Necesidad de Inversión en Giro (NIG) y Saldo de Tesorería (ST) – y sus implicaciones sobre la liquidez y la estructura financiera de estas organizaciones.

2. Material y Métodos

El presente estudio se caracterizó como una investigación exploratoria y descriptiva, adoptando un enfoque cuantitativo para analizar la dinámica del capital de trabajo. La investigación descriptiva, según Gil (2008), tiene como objetivo primordial describir las características de una determinada población o fenómeno, o establecer relaciones entre variables. En este contexto, se buscó analizar el comportamiento de los principales indicadores de capital de trabajo en empresas del sector de la salud en Brasil, proporcionando una comprensión profunda de sus estructuras financieras y de liquidez. La naturaleza exploratoria permitió identificar y comprender los factores que influyen en la gestión del capital de trabajo en un período de incertidumbres.

La investigación se llevó a cabo en el sector de la salud brasileño, un segmento de alta complejidad e intensidad de capital, centrándose en el período comprendido entre los años 2020 y 2024. Este intervalo temporal fue seleccionado estratégicamente por representar un momento de significativas transformaciones e incertidumbres, notablemente los impactos de la pandemia de COVID-19, que ejercieron una fuerte presión sobre la liquidez y la gestión financiera de las empresas. La unidad de análisis consistió en empresas individuales, lo que permitió una evaluación detallada de las particularidades de cada organización dentro del contexto sectorial y macroeconómico específico. El estudio buscó capturar la dinámica financiera real.

Para el análisis, se seleccionaron tres empresas de capital abierto que operan en el sector de la salud brasileño, cuyas acciones se negocian en la B3 – Brasil, Bolsa, Balcão. La elección de la muestra fue intencional y se justificó por la relevancia de estas organizaciones en el sector, tanto en términos de tamaño como de representatividad, y por la disponibilidad y fiabilidad de su información financiera divulgada públicamente. Las empresas, aquí denominadas Empresa A, Empresa B y Empresa C, fueron elegidas para permitir un análisis comparativo de diferentes modelos de gestión y estructuras operativas dentro del mismo segmento, contribuyendo a una visión integral de la dinámica del capital de trabajo.

Los datos financieros necesarios para la investigación se obtuvieron de los informes contables publicados por las empresas seleccionadas. Específicamente, se recopilaron los Balances Generales Consolidados y los Estados de Resultados. La fuente principal para la recopilación de estos documentos fue el Instituto Assaf, un portal reconocido que reúne y pone a disposición información financiera de diversas compañías brasileñas que cotizan en la B3. El uso de datos disponibles públicamente y auditados aseguró la fiabilidad y consistencia de la información utilizada en el análisis, fundamentales para la aplicación del Modelo Dinámico de Fleuriet.

La primera etapa de la ejecución metodológica implicó la reclasificación de las demostraciones contables de las empresas, siguiendo los supuestos del Modelo Dinámico de Fleuriet (Fleuriet y Zeidan, 2015). Este enfoque difiere del análisis tradicional al distinguir los componentes operativos de los financieros del balance general, categorizando las cuentas en cíclicas (vinculadas al ciclo operativo, como inventarios y clientes) y erráticas (financieras, como disponibilidades y préstamos). Dicha reclasificación es fundamental para una comprensión más precisa de la dinámica entre los ciclos operativo y financiero, permitiendo identificar las fuentes y aplicaciones de recursos de forma más clara y consistente.

Tras la reclasificación, se procedió al cálculo de los principales indicadores del Modelo Dinámico de Fleuriet: Capital Circulante Neto (CCL), Necesidad de Inversión en Giro (NIG) y Saldo de Tesorería (ST). El CCL, que representa la diferencia entre el Activo Circulante y el Pasivo Circulante, se calculó según la ecuación (1) presentada en el TCC. La NIG, que refleja el saldo de las cuentas cíclicas operativas, se determinó por la ecuación (2). Por último, el ST, que indica la posición financiera inmediata de la empresa, se determinó por la ecuación (3). La Tabla 1 ilustra la estructura del balance patrimonial reclasificado según el modelo.

Tabla 1. Balance Patrimonial por el Modelo de Fleuriet

Activo Circulante

Pasivo circulante

ACTIVO CIRCULANTE – FINANCIERO (ERRÁTICO)

PASIVO CIRCULANTE – FINANCIERO (ERRÁTICO)

Fondos disponibles

Préstamos y Financiación

Aplicaciones Financieras

ACTIVO CIRCULANTE – OPERACIONAL (CÍCLICO)

PASIVO CIRCULANTE – OPERACIONAL (CÍCLICO)

Valores a Recibir

Obligaciones Sociales y Laborales

Acciones

Proveedores

Otros Activos Circulantes

Obligaciones Fiscales

Otros Pasivos a Corto Plazo

Fuente: Resultados originales de la investigación

La interpretación de los indicadores CCL, NIG y ST se realizó de forma integrada para evaluar la estructura de financiación y la liquidez a corto plazo de las empresas. El CCL positivo indica holgura financiera, mientras que el negativo señala restricción de liquidez (Assaf Neto, 2020). La NIG expresa la necesidad de recursos para sostener la actividad operativa, siendo positiva cuando hay demanda de financiación y negativa cuando las operaciones generan recursos (Fleuriet y Zeidan, 2015). El ST, por su parte, refleja la capacidad de la empresa de honrar obligaciones de corto plazo. El análisis conjunto permitió identificar el “Efecto Tijera”, un desequilibrio donde el crecimiento de la NIG supera al del CCL, comprimiendo el ST y señalando fragilidad estructural (Ambrozini et al., 2014).

Para una evaluación más completa de la salud financiera, las empresas se clasificaron en diferentes perfiles de liquidez y riesgo, basándose en la combinación de las señales de los indicadores CCL, NIG y ST. Esta clasificación sigue el enfoque propuesto por Fleuriet et al. (1978), adaptado por Marques y Braga (1995) y discutido por Silva (2023). Los perfiles varían de “Excelente” (CCL+, NIG-, ST+) a “Alto Riesgo” (CCL-, NIG+, ST+), permitiendo identificar la posición financiera de cada empresa en relación con su capacidad de autofinanciación y la dependencia de recursos a corto plazo. Esta categorización proporcionó un panorama claro de la dinámica del capital de trabajo.

Es importante reconocer las limitaciones metodológicas de este estudio. En primer lugar, la muestra restringida a tres empresas no permite la generalización de los resultados a todo el sector de la salud brasileño. Las conclusiones son específicas para las organizaciones analizadas y no deben extrapolarse. En segundo lugar, el recorte temporal de 2020 a 2024 coincide con un período de fuerte perturbación macroeconómica, influenciado por la pandemia de COVID-19. Esta coyuntura dificulta la distinción entre tendencias estructurales inherentes a la gestión del capital de giro y efectos coyunturales derivados de un entorno económico atípico, lo que exige cautela en la interpretación de los hallazgos.

3. Resultados y Discusión

El análisis en profundidad de los indicadores de Capital Circulante Neto (CCN), Necesidad de Inversión en Giro (NIG) y Saldo de Tesorería (ST), según el Modelo Dinámico de Fleuriet, reveló patrones distintos en la gestión del capital de trabajo de las tres empresas del sector salud brasileño en el período de 2020 a 2024. Estos hallazgos no solo proporcionan un panorama detallado de la salud financiera de cada organización, sino que también permiten una discusión robusta sobre las implicaciones teóricas y prácticas en un contexto de incertidumbres macroeconómicas.

La Empresa A, una operadora de planes de salud con actuación nacional y modelo de negocio verticalizado, demostró una estructura financiera consistentemente favorable a lo largo de todo el período analizado. El Capital de Trabajo Neto (CTN) se mantuvo positivo y presentó una trayectoria de crecimiento notable, evolucionando de R$ 1.381.478 en 2020 a R$ 5.820.097 en 2024, como se detalla en la Tabla 2. Este crecimiento, con un avance más significativo a partir de 2022, es un fuerte indicativo de que la empresa posee recursos permanentes en volumen suficiente para financiar no solo sus activos permanentes, sino también para generar un excedente sustancial destinado al capital de trabajo. Desde la perspectiva de Assaf Neto (2020), un CTN positivo y creciente refleja una estructura de financiación robusta, donde la empresa no depende excesivamente de fuentes de corto plazo para sustentar sus operaciones, confiriéndole mayor autonomía financiera y resiliencia a choques externos.

Tabla 2. Indicadores del análisis dinámico (en miles de reales) de la Empresa A en el período de 2020 a 2024

Código identificador

2024

2023

2022

2021

2020

CCL

5.820.097

1.988.904

457.377

133.739

1.381.478

NIG

(2.003.435)

(2.904.778)

(2.415.771)

(1.220.291)

(1.052.939)

ST

7.823.532

4.893.682

2.873.148

1.354.030

2.434.417

Fuente: Resultados originales de la investigación

La Necesidad de Inversión en Capital de Trabajo (NIC) de la Empresa A fue consistentemente negativa en todos los años analizados, variando de (R$ 1.052.939) en 2020 a (R$ 2.003.435) en 2024. Este comportamiento es uno de los aspectos más notables de la Empresa A, ya que señala que su ciclo financiero es favorable, es decir, las obligaciones operativas vencen antes de que se realicen los cobros. Esto significa que las propias operaciones de la empresa generan recursos internos suficientes para financiar su necesidad de capital de trabajo, en lugar de demandar capital adicional. Fleuriet y Zeidan (2015) explican que una NIC negativa puede ser resultado de un modelo de negocio que permite cobros anticipados o de un fuerte poder de negociación con proveedores, extendiendo plazos de pago. En el caso de la Empresa A, su actuación como operadora de planes de salud, que típicamente recibe mensualidades de sus beneficiarios antes de efectuar los pagos a prestadores de servicios, corrobora esta explicación. Esta característica operativa confiere a la Empresa A una ventaja competitiva significativa, reduciendo la presión sobre su tesorería y la necesidad de buscar financiamientos externos para el capital de trabajo.

La combinación de un CCL positivo y una NIG consistentemente negativa resultó en un Saldo de Tesorería (ST) igualmente positivo y creciente, pasando de R$ 2.434.417 en 2020 a R$ 7.823.532 en 2024, como se ilustra en la Figura 1. Este escenario indica una posición de liquidez extremadamente cómoda, donde la empresa dispone de recursos financieros inmediatos en volumen expresivo, superando sus obligaciones de corto plazo sin comprometer el financiamiento de su ciclo operativo. Ambrozini et al. (2014) destacan que un ST robusto es una señal de baja exposición a riesgos financieros y de una elevada capacidad de honrar compromisos, además de permitir a la empresa aprovechar oportunidades de inversión o enfrentar imprevistos sin dificultades. La Empresa A, por lo tanto, se encuadra en la clasificación Tipo 1 (Excelente) del Modelo Fleuriet, caracterizada por solidez financiera, bajo riesgo y una notable capacidad de autofinanciamiento, lo que la posiciona de forma privilegiada en el sector de la salud.

Fuente: Resultados originales de la investigación

Figura 1. Indicadores financieros de la Empresa A de acuerdo con el Modelo de Fleuriet

El análisis de las cuentas operativas de la Empresa A revela que el comportamiento consistentemente negativo del NIG está asociado a la predominancia del pasivo operativo sobre el activo operativo. Cuentas como obligaciones sociales y laborales, obligaciones fiscales y otros pasivos a corto plazo presentaron un crecimiento a lo largo de los años, destacando el aumento de “otros pasivos a corto plazo”, que pasó de R$ 387.443 en 2020 a R$ 2.463.097 en 2024. En contrapartida, los activos operativos, como cuentas por cobrar y existencias, mantuvieron un crecimiento más moderado, sin acompañar en la misma proporción la expansión de las obligaciones operativas. Esta dinámica sugiere una gestión eficiente de los plazos de pago y cobro, donde la empresa logra posponer sus desembolsos mientras mantiene un control sobre sus activos operativos. El crecimiento del CCL, por su parte, ocurrió en paralelo a la expansión de los activos circulantes financieros, especialmente aplicaciones financieras, que pasaron de R$ 2.334.120 a R$ 8.177.622. Este movimiento refleja una estrategia de mantenimiento de recursos en activos de alta liquidez, contribuyendo al aumento de la liquidez general y del ST, pero sin estar directamente ligada a la dinámica operativa del capital de giro. La Empresa A demuestra, así, una gestión financiera que prioriza la liquidez y la seguridad, alineándose a las recomendaciones de Gitman (2004) para empresas que buscan minimizar riesgos de insolvencia.

La Empresa B, activa en el segmento de medicina diagnóstica, presentó un comportamiento más heterogéneo en sus indicadores de capital de giro, reflejando una mayor sensibilidad a las variaciones del ciclo operativo y del entorno económico. El CCL de la Empresa B se mostró positivo en la mayoría de los años, con excepción de 2021, cuando alcanzó un valor negativo de (R$ 82.134), según Tabla 3. Este desequilibrio transitorio entre activos y pasivos circulantes en 2021 es un punto de atención, ya que, según Brigham y Ehrhardt (2016), un CCL negativo indica que la empresa está financiando parte de sus activos permanentes con recursos de corto plazo, lo que aumenta el riesgo de liquidez. A partir de 2022, hubo una recomposición de la estructura a largo plazo, con el CCL alcanzando R$ 1.556.090 y avanzando a R$ 2.904.011 en 2024, sugiriendo una recuperación de la capacidad de financiación del capital de giro por recursos permanentes. La evolución del CCL estuvo asociada al comportamiento de los activos circulantes financieros. En 2021, la fuerte expansión de las aplicaciones financieras, que pasaron de R$ 760.816 en 2020 a R$ 2.471.032, no fue suficiente para compensar el crecimiento aún más expresivo del pasivo circulante, resultando en el único CCL negativo del período. En los años subsiguientes, la recomposición del CCL está vinculada al crecimiento de los valores a recibir y a la reducción de los préstamos de corto plazo, que retrocedieron de R$ 2.095.235 en 2021 a R$ 937.851 en 2024, aliviando la presión sobre la estructura de financiación de corto plazo. Esta fluctuación evidencia la necesidad de una gestión activa y adaptativa del capital de giro, especialmente en sectores como el de medicina diagnóstica, que dependen de un volumen elevado de atenciones y de la gestión eficiente de plazos de cobro y pago.

Tabla 3. Indicadores del análisis dinámico (en miles de reales) de la Empresa B en el período de 2020 a 2024

2024

2023

2022

2021

2020

CCL

2.904.011

1.390.139

1.556.090

(82.134)

1.197.759

NIG

1.946.533

1.220.710

(358.719)

(1.600.957)

29.250

ST

957.478

170.213

1.914.809

1.518.823

1.168.509

Fuente: Resultados originales de la investigación

En lo que respecta al NIG, la Empresa B presentó un comportamiento oscilante. En 2020, el indicador fue positivo (R$ 29.250), pasó a negativo en 2021 y 2022, con un pico de (R$ 1.600.957) en 2021, y volvió a valores positivos en 2023 y 2024, alcanzando R$ 1.946.533. Esta variación indica cambios significativos en la relación entre el activo cíclico y el pasivo cíclico. Un NIG positivo, como en 2020, 2023 y 2024, significa que las operaciones demandan recursos para ser sostenidas, exigiendo que la empresa movilice fuentes adicionales de financiación. Por otro lado, un NIG negativo, como en 2021 y 2022, sugiere que las operaciones generan recursos internos. Esta alternancia puede explicarse por la naturaleza del negocio de medicina diagnóstica, que implica la gestión de inventarios de insumos y la recepción de pagos de convenios y pacientes, cuyos plazos pueden variar significativamente. La inestabilidad del NIG refleja la complejidad de gestionar el ciclo operativo en un entorno de salud dinámico, donde la previsibilidad de la demanda y los pagos puede ser desafiante, como señaló Carvalho (2020) sobre entornos de incertidumbre.

A pesar de las variaciones en el CCL y la NIG, el Saldo de Tesorería (ST) de la Empresa B se mantuvo positivo en todos los años analizados, aunque con una reducción significativa en 2023 (R$ 170.213), seguida de una recuperación parcial a R$ 957.478 en 2024, como se puede observar en la Figura 2. El mantenimiento de un ST positivo, incluso en períodos de mayor presión, indica que la empresa logró, de alguna manera, equilibrar sus fuentes y aplicaciones financieras a corto plazo. Sin embargo, la reducción en 2023, combinada con el aumento de la NIG, sugiere una presión sobre la liquidez inmediata, una señal de alerta para la gestión financiera.

Fuente: Resultados originales de la investigación

Figura 2. Indicadores financieros de la Empresa B de acuerdo con el Modelo de Fleuriet

La transición de la NIG a valores positivos en los años más recientes está asociada al crecimiento expresivo de los activos operativos, especialmente de los valores a cobrar, que pasaron de R$ 1.743.233 en 2020 a R$ 4.950.821 en 2024. En contrapartida, las cuentas del pasivo operativo no acompañaron esta expansión en la misma proporción: proveedores retrocedieron de R$ 1.549.633 en 2022 a R$ 1.438.273 en 2024, y otros pasivos de corto plazo, tras una elevación en 2021, se redujeron de R$ 2.746.356 a R$ 1.703.480 en el mismo período. Obligaciones sociales y laborales y obligaciones fiscales, aunque crecientes, mantuvieron una variación más moderada a lo largo del período. Este desajuste entre el crecimiento de las cuentas del activo operativo y la evolución más limitada de las cuentas del pasivo operativo revela una mayor necesidad de financiación del ciclo de giro en los años más recientes, lo que se alinea con la NIG positiva observada. El ST, aunque positivo en todo el período, reflejó la creciente presión del ciclo operativo sobre los recursos financieros de corto plazo, especialmente en 2023, cuando alcanzó su menor valor de R$ 170.213 debido a la combinación entre la caída expresiva de las aplicaciones financieras y la elevación de la NIG. La Empresa B transitó por diferentes clasificaciones del Modelo Fleuriet: Tipo 1 (Excelente) en 2022, Tipo 2 (Sólida) en 2020, 2023 y 2024, y Tipo 6 (Alto Riesgo) en 2021. La ocurrencia del Tipo 6, con CCL y NIG negativos y ST positivo, en 2021, es un indicativo de desequilibrio estructural transitorio, donde recursos de corto plazo financian inversiones de largo plazo, un escenario de alto riesgo según Silva (2023). La recuperación en los años subsiguientes, sin embargo, demuestra la capacidad de la empresa de ajustar su estructura financiera.

Finalmente, la Empresa C, una red hospitalaria de gran tamaño, presentó una estructura de capital de trabajo predominantemente favorable y robusta. El CCL se mantuvo positivo en todos los años, con un crecimiento expresivo de R$ 18.570.851 en 2020 a R$ 33.505.653 en 2024, según Tabla 4. Este crecimiento sustancial del CCL sugiere un fortalecimiento continuo de la liquidez y de la capacidad de financiación del capital de trabajo por recursos permanentes, lo que es crucial para una empresa con elevados volúmenes de inversión y complejidad operativa, como una red hospitalaria. La capacidad de generar y mantener un CCL tan elevado confiere a la Empresa C un margen de seguridad financiera considerable, permitiéndole absorber choques y financiar su expansión sin comprometer la liquidez de corto plazo.

Tabla 4. Indicadores del análisis dinámico (en miles de reales) de la Empresa C en el período de 2020 a 2024

2024

2023

2022

2021

2020

CCL

33.505.653

28.885.934

24.933.887

16.740.556

18.570.851

NIG

(1.216.910)

73.079

(439.488)

5.740.974

3.506.549

ST

34.722.563

28.812.855

25.373.375

10.999.582

15.064.302

Fuente: Resultados originales de la investigación

La Necesidad de Inversión en Capital de Trabajo (NIG) de la Empresa C presentó un comportamiento oscilante. Los años 2020 y 2021 registraron valores positivos (R$ 3.506.549 y R$ 5.740.974, respectivamente), indicando una demanda de financiación del ciclo operativo. Sin embargo, a partir de 2022, la NIG comenzó a oscilar cerca del equilibrio o asumiendo valores negativos, alcanzando (R$ 1.216.910) en 2024. Esta transición hacia una NIG negativa en los años más recientes señala que las obligaciones operativas pasaron a superar los activos del ciclo operativo, indicando un ciclo financiero más favorable. El comportamiento de la NIG está directamente relacionado con el crecimiento expresivo de las obligaciones operativas, especialmente de otros pasivos a corto plazo, que evolucionaron de R$ 1.315.053 en 2020 a R$ 10.431.560 en 2024. Esta expansión superó ampliamente el crecimiento de los activos operativos: los valores a recibir avanzaron de R$ 5.163.870 a R$ 9.463.784 en el mismo período, mientras que los inventarios pasaron de R$ 607.948 a R$ 912.877. Las obligaciones sociales y laborales, así como las obligaciones fiscales, también presentaron crecimiento, pero en una intensidad mucho menor. Esta configuración indica que la empresa se beneficia de un ciclo operativo progresivamente más favorable, en el cual el crecimiento de las obligaciones operativas supera la expansión de los activos del ciclo, reduciendo la necesidad de financiación externa para sostener el giro. Esta capacidad de gestionar el pasivo operativo de forma a financiar el activo operativo es un indicativo de eficiencia en la gestión del capital de trabajo, característica valorada por Fleuriet y Zeidan (2015).

El Saldo de Tesorería (ST) de la Empresa C se mantuvo positivo y creciente a lo largo de todo el período analizado, evolucionando de R$ 15.064.302 en 2020 a R$ 34.722.563 en 2024, según Figura 3. Este desempeño evidencia un elevado margen financiero, resultante de la combinación entre una estructura de financiación favorable, acumulación de recursos financieros en activos de alta liquidez y un ciclo operativo progresivamente más equilibrado. El crecimiento del CCL a lo largo del período está fuertemente asociado a la expansión de los activos circulantes financieros, especialmente de las aplicaciones financieras, que pasaron de R$ 15.580.374 en 2020 a R$ 32.067.003 en 2024. Este movimiento indica el mantenimiento de volúmenes relevantes de recursos en activos de alta liquidez, contribuyendo al fortalecimiento de la posición de liquidez de la empresa. Sin embargo, esta evolución no se deriva directamente de la dinámica operativa del capital de trabajo, estando más relacionada con la gestión financiera de los recursos disponibles. Los resultados indican una trayectoria de reducción progresiva del riesgo financiero en la Empresa C, que en 2022 y 2024 se clasifica como Tipo 1 (Excelente), con CCL positivo, NIG negativo y ST positivo, caracterizando una elevada solidez financiera y financiación de las operaciones por el propio ciclo productivo. En los años 2020, 2021 y 2023, el encuadre es Tipo 2 (Sólida), con los tres indicadores positivos, reflejando una condición financiera equilibrada y capacidad de financiación del giro por recursos permanentes.

Fuente: Resultados originales de la investigación

Figura 3. Indicadores financieros de la Empresa C de acuerdo con el Modelo de Fleuriet

La comparación entre las tres empresas analizadas evidencia diferencias relevantes en la forma en que se gestiona el capital de trabajo en el sector de la salud, incluso en un período de incertidumbre. La Empresa A y la Empresa C presentaron estructuras financieras estables y robustas, con predominio de CCL positivo y ST confortable, lo que indica modelos de rotación ampliamente autofinanciados y con alta capacidad de financiación interna. Este patrón es coherente con lo que Rossi (2022) encontró al analizar operadores de planes de salud, donde la mayoría mantuvo clasificaciones financieras sólidas, con bajos niveles de riesgo de insolvencia. La Empresa A, en particular, se mantuvo consistentemente en la clasificación Tipo 1 (Excelente), incluso ante el escenario adverso impuesto por la pandemia, lo que puede atribuirse a su ciclo financiero característico, que generalmente implica cobros anticipados de cuotas y pagos posteriores de gastos, generando una NIG negativa estructural.

En contraste, la Empresa B presentó mayor variabilidad en los indicadores, alternando períodos de equilibrio estructural con momentos de mayor presión del ciclo operativo, lo que sugiere una gestión de capital de trabajo más sensible a los cambios en el entorno económico y operativo. Esta heterogeneidad entre las empresas analizadas, con la Empresa B transitando por clasificaciones de riesgo más elevado, sugiere que factores individuales de gestión y estructura operativa ejercen una influencia significativa, incluso dentro de un sector con tendencias estructurales a la solidez. Esta variación converge con los hallazgos de Silva (2023) y Morel (2019), quienes documentaron que, incluso en sectores con tendencia estructural a la solidez, diferencias en la estrategia de financiación, estructura de costos y capacidad de generación operativa de ingresos pueden producir clasificaciones financieras bastante heterogéneas. Los resultados aquí encontrados refuerzan la conclusión de que el análisis agregado del sector, por sí solo, es insuficiente para capturar las especificidades de cada organización, haciendo que los análisis individualizados sean indispensables para una evaluación más precisa de la salud financiera de las empresas.

El período de tiempo de 2020 a 2024, que abarca el período pandémico y sus desarrollos, hace que el análisis de los indicadores de capital de trabajo sea particularmente sensible al contexto macroeconómico. Carvalho (2020) identificó que las empresas brasileñas ampliaron sus reservas de efectivo durante la pandemia como respuesta a la incertidumbre económica. Este movimiento es perceptible en el crecimiento del CCL y del ST de las Empresas A y C, impulsado por una mayor asignación a inversiones financieras a corto plazo, lo cual es coherente con un patrón defensivo. Al mismo tiempo, Simão y Carvalho (2023) destacan que el sector de la salud enfrentó una presión adicional durante la crisis, con un aumento simultáneo de la demanda de servicios y de los costos operativos, creando tensiones en los indicadores dinámicos. Esta dinámica es especialmente relevante para la Empresa B, que presentó el único CCL negativo del período en 2021 y la clasificación Tipo 6, justamente en los años de mayor turbulencia pandémica, seguida de una recuperación gradual a medida que el ambiente económico se estabilizó. Las transiciones de la Empresa C entre los Tipos 1 y 2 siguen una lógica similar, indicando que la gestión del capital de trabajo en el sector exigió adaptaciones continuas frente a las oscilaciones del ambiente operativo y económico.

En lo que respecta al Efecto Tijera, las empresas A y C no presentaron evidencias de este fenómeno en el período analizado, ya que ambas mantuvieron CCL creciente y NIG controlada, con la consecuente expansión del saldo de tesorería. En la Empresa B, por otro lado, se identifican indicios puntuales de este efecto entre los años 2022 y 2023, cuando la NIG presentó una elevación expresiva de R$ 1.579.429, mientras que el CCL registró una reducción de R$ 165.951, resultando en una fuerte compresión del ST, con una caída de R$ 1.744.596. Conforme descrito por Fleuriet y Zeidan (2015), el Efecto Tijera ocurre cuando el crecimiento de la NIG supera consistentemente el crecimiento del CCL, presionando progresivamente la liquidez a corto plazo. Esta configuración, verificada de forma puntual en la Empresa B en este intervalo, señala una fragilidad en la estructura de financiación del capital de trabajo, donde las aplicaciones operativas no son acompañadas por las fuentes estructurales de financiación. Sin embargo, en 2024, se observa la reversión de este movimiento en la Empresa B, con el CCL creciendo R$ 1.513.872 frente a un aumento de R$ 725.823 en la NIG, permitiendo la recuperación del ST para R$ 957.478. Esto indica que el desequilibrio identificado fue transitorio y no resultó en un deterioro estructural de la posición financiera de la empresa, pero refuerza la importancia del monitoreo continuo de estos indicadores para evitar que situaciones puntuales se conviertan en problemas estructurales.

El Modelo de Fleuriet demostró ser, a lo largo de este estudio, una herramienta eficaz para capturar esas particularidades que los indicadores tradicionales de liquidez tienden a ocultar, permitiendo una comprensión más dinámica e integrada de la gestión del capital de trabajo. La capacidad de distinguir entre los componentes operativos y financieros del balance general, y de analizar la interacción entre CCL, NIG y ST, ofrece una visión más completa de la salud financiera y de la capacidad de autofinanciación de las empresas. Aun así, el análisis tiene limitaciones que merecen ser reconocidas. La muestra restringida a tres empresas no permite generalizaciones para todo el sector de la salud brasileño, y el recorte temporal coincide con un período de fuerte perturbación macroeconómica, lo que dificulta distinguir tendencias estructurales de efectos coyunturales. Futuras investigaciones podrían expandir la muestra y el período de análisis para validar y profundizar estos hallazgos.

4. Conclusión

Se concluye que el objetivo se alcanzó, ya que este estudio analizó con éxito la dinámica del capital de trabajo en tres empresas brasileñas del sector salud entre 2020 y 2024, comprendiendo el comportamiento del Capital Circulante Neto (CCN), la Necesidad de Inversión en Giro (NIG) y el Saldo de Tesorería (ST), y sus implicaciones en la liquidez y estructura financiera. Los resultados revelaron patrones distintos: la Empresa A y la Empresa C demostraron estructuras financieras robustas y predominantemente autofinanciadas, con CCN positivo y ST confortable. En contraste, la Empresa B exhibió mayor variabilidad, con momentos de desequilibrio y la ocurrencia puntual del Efecto Tijera, evidenciando una gestión más sensible a las fluctuaciones del entorno. El Modelo Dinámico de Fleuriet demostró ser una herramienta eficaz para desvelar estas particularidades, que los Indicadores de Liquidez tradicionales tienden a ocultar, ofreciendo una visión integrada de la gestión del capital de trabajo.

A pesar de haber cumplido su propósito, este análisis tiene limitaciones inherentes. La muestra restringida a solo tres empresas impide la generalización de los hallazgos a la totalidad del sector salud brasileño. Además, el recorte temporal de 2020 a 2024, que coincide con un período de fuerte perturbación macroeconómica debido a la pandemia, dificulta la distinción clara entre tendencias estructurales y efectos coyunturales. Para estudios futuros, se sugiere expandir la muestra de empresas y el período de análisis, a fin de validar y profundizar estos resultados. Investigaciones adicionales podrían también investigar la influencia de variables sectoriales específicas o comparar la dinámica del capital de trabajo en diferentes subsegmentos de la salud.

Referencias Bibliográficas

“””.strip().split(‘\n’)

# Citações identificadas no resumo

# Referências extraídas do documento PDF

“`python

Ambrozini et al., 2014

Ambrozini, M.A.; Matias, A.B.; Pimenta Jr., T. 2014. Análise dinâmica de capital de giro segundo o Modelo Fleuriet: uma classificação das empresas de capital aberto no período de 1996 a 2013. Revista Contabilidade Vista & Revista 25(2): 15-37.

Assaf Neto e Silva, 2011

Assaf Neto, 2020

Assaf Neto, A.; Silva, C.A.T. 2011. Administração do Capital de Giro. 4ed. Atlas, Rio de Janeiro, RJ, Brasil. E-book. Disponível em: <https://app

Brigham y Ehrhardt, 2016

Carvalho, 2020

citas_raw = “””

Fleuriet y Zeidan, 2015

Fleuriet et al., 1978

Gil, 2008

Gitman, 2004

import re

Marques y Braga, 1995

Morel, 2019

pdf_referencias_brutas = “””

Rossi, 2022

Silva, 2023

Simão y Carvalho, 2023

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Finanzas y Controloría del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.