Reproducibilidad de la inferencia de LLMs bajo carga

Carga, Reprodutibilidade da Inferência de Llms sob

doi:10.22167/2675-6528-202602788

Artículo

30 de septiembre de 2026

Reproducibilidad de la inferencia de LLMs bajo carga

Reprodutibilidad de la Inferencia de LLMs bajo Carga

Cláudio Rafael da Silva; Anaximandro Anderson Pereira Melo De Souza

DOI: 10.22167/2675-6528-202602788

Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

La incorporación de Modelos de Lenguaje de Gran Escala, o “Large Language Models” [LLMs], en sistemas corporativos ha ampliado la necesidad de comprender su confiabilidad, sobre todo en contextos en los que las respuestas automatizadas han necesitado ser reproducidas, auditadas y validadas. Se objetivó analizar empíricamente la reproducibilidad de la inferencia de LLMs bajo diferentes niveles de carga concurrente, investigando si el aumento del “batching” dinámico comprometió la estabilidad semántica de las respuestas incluso con temperatura igual a cero, semilla fija y demás parámetros controlados. La investigación, de naturaleza aplicada, exploratoria, descriptiva y cuantitativa, empleó un diseño empírico-experimental. El experimento se llevó a cabo en un entorno computacional controlado, utilizando GPU, motor de inferencia “vLLM”, precisión “bfloat16” y simulación escalonada de solicitudes concurrentes. Se generaron 600 inferencias, distribuidas en 30 niveles de carga con 20 repeticiones cada una, y las respuestas fueron evaluadas por consistencia interna y similitud semántica. Los resultados indicaron que la estabilidad de las respuestas disminuyó con el aumento de la carga concurrente, mostrando que el control de los hiperparámetros de generación no aseguró determinismo absoluto. La degradación se manifestó como una variación semántica sutil entre respuestas formalmente coherentes, y no como una falla explícita del sistema. Se concluyó que la reproducibilidad de LLMs a escala depende no solo del modelo y del “prompt”, sino también de las condiciones físicas y computacionales de la infraestructura de inferencia.

Palabras clave: “Batching” Dinámico; Confiabilidad de Software; Ingeniería de Prompt; “GPU Computing”; Inteligencia Artificial Generativa.

1. Introducción

La creciente incorporación de Modelos de Lenguaje de Gran Escala, o Large Language Models (LLMs), en entornos organizacionales ha transformado la forma en que los sistemas digitales producen, interpretan y automatizan información textual. Si bien estos avances amplían la eficiencia operativa, también introducen desafíos técnicos asociados a la fiabilidad, trazabilidad y previsibilidad de las respuestas generadas. En sistemas basados en inteligencia artificial, especialmente cuando se integran en procesos críticos, la coherencia lingüística no es suficiente; es necesario que el comportamiento del modelo pueda ser probado, auditado y reproducido bajo condiciones controladas (O’Brien et al., 2024; Yuan et al., 2025).

En las arquitecturas actuales, los LLM se ejecutan sobre infraestructuras computacionales de alto rendimiento, generalmente respaldadas por unidades de procesamiento gráfico (GPU), bibliotecas de tensores y motores de inferencia optimizados. Esta infraestructura permite procesar grandes volúmenes de solicitudes simultáneas, pero también introduce factores físicos y matemáticos que pueden interferir en el comportamiento lógico percibido por el usuario. La literatura reciente ha demostrado que la inferencia de LLM no solo depende del prompt y de los hiperparámetros definidos por el desarrollador, sino también de la precisión numérica, la asignación de memoria, el orden de las operaciones matriciales y los mecanismos de agrupación dinámica de solicitudes (Kalamkar et al., 2019; Kwon et al., 2023). Por lo tanto, la fiabilidad de estos sistemas debe analizarse de forma integrada, considerando tanto la capa algorítmica como la capa de infraestructura.

En condiciones ideales, se espera que un modelo configurado con parámetros determinísticos, como temperatura igual a cero y semilla fija, produzca la misma respuesta ante un mismo prompt. Esta expectativa es relevante para pruebas de regresión, depuración de sistemas, validación de filtros de seguridad y auditoría de respuestas automatizadas. Sin embargo, investigaciones recientes han indicado que esta estabilidad no está plenamente garantizada en entornos reales de inferencia. Incluso cuando los parámetros lógicos permanecen constantes, pueden ocurrir pequeñas variaciones numéricas durante la ejecución del modelo y, en determinadas condiciones, pueden ser amplificadas a lo largo del proceso de decodificación, generando respuestas semánticamente distintas (O’Brien et al., 2024; Yuan et al., 2025). La explicación técnica de este fenómeno está relacionada, en parte, con la aritmética de punto flotante, donde las operaciones numéricas realizadas en computadoras, sobre todo con formatos de precisión reducida como bfloat16, no obedecen perfectamente a las propiedades matemáticas abstractas. En cálculos matriciales ejecutados en GPU, el orden de las sumas y multiplicaciones puede variar según la distribución de la carga entre los núcleos de procesamiento, lo que produce pequeñas diferencias en los resultados intermedios (Kalamkar et al., 2019).

Además de la precisión numérica, la gestión de la memoria también juega un papel importante en la estabilidad de las inferencias. Los motores de inferencia modernos, como vLLM, utilizan técnicas de optimización para aumentar el rendimiento de las respuestas en escenarios con múltiples solicitudes simultáneas. Entre estas técnicas, destaca PagedAttention, que reorganiza el uso de la caché de claves y valores para reducir el desperdicio de memoria y permitir un mayor número de conexiones concurrentes (Kwon et al., 2023). Si bien estas soluciones son esenciales para posibilitar la operación de LLMs a escala, también modifican la forma en que los cálculos se distribuyen y ejecutan en el hardware, especialmente cuando el sistema utiliza batching dinámico para agrupar solicitudes de diferentes tamaños. La eficiencia computacional de los modelos, como lo demuestra FlashAttention (Dao et al., 2022), depende en gran medida de la forma en que los datos se mueven entre los niveles de memoria de la GPU, lo que evidencia que la inferencia de LLMs es un fenómeno computacional condicionado por la arquitectura física, la precisión numérica, el paralelismo y la gestión de memoria.

La inestabilidad numérica observada en aceleradores gráficos no constituye un fenómeno reciente, pero su manifestación en la inferencia de LLMs afecta directamente al usuario final. En contextos de ingeniería de software, donde los LLMs producen fragmentos de programa, correcciones o configuraciones de infraestructura, la variación silenciosa entre ejecuciones deja de ser solo ruido estadístico y se convierte en un riesgo de cadena de suministro de software, ya que artefactos distintos pueden ser incorporados a repositorios a partir de solicitudes idénticas. Este riesgo se agrava por el hecho de que las diferencias tienden a preservar la validez sintáctica, escapando a las verificaciones automatizadas habituales. La literatura reciente sobre la incompatibilidad entre la precisión de entrenamiento y de inferencia refuerza cómo la elección del formato numérico influye directamente en la estabilidad del comportamiento observado (Li et al., 2024; Yuan et al., 2025). La justificación de este trabajo surgió de la brecha entre la expectativa práctica de determinismo y el comportamiento efectivamente observado en sistemas de producción, donde variaciones aparentemente pequeñas pueden comprometer pruebas automatizadas, auditorías, validaciones de seguridad y procesos de toma de decisiones basados en respuestas de LLMs, sin manifestarse como un error evidente, sino como una alteración semántica sutil.

La premisa operativa ampliamente asumida en la práctica profesional, según la cual la fijación de una temperatura igual a cero sería suficiente para asegurar salidas idénticas, carece de garantía formal de los motores de inferencia en producción bajo agrupamiento dinámico de solicitudes. Comprender y cuantificar el nivel de carga a partir del cual esta premisa no se sostiene y caracterizar el modo de fallo correspondiente es crucial para la ingeniería de software y la gobernanza de inteligencia artificial, ya que la reproducibilidad a escala es una propiedad sistémica, dependiente de la interacción entre modelo, motor de inferencia, precisión numérica, política de lotes y infraestructura de hardware. Ante este contexto, el objetivo de este trabajo fue analizar empíricamente la reproducibilidad de la inferencia de LLMs bajo diferentes niveles de carga concurrente, investigando si el aumento del tamaño de los lotes dinámicos en un entorno con GPU y precisión bfloat16 produjo variaciones semánticas en las respuestas, incluso con temperatura igual a cero, semilla fija y demás parámetros de inferencia controlados.

2. Material y Métodos

La investigación se caracterizó, por su naturaleza, como aplicada, ya que buscó comprender un problema técnico concreto relacionado con la reproducibilidad de la inferencia en Modelos de Lenguaje de Gran Escala (LLMs) bajo alta carga computacional. El estudio no se limitó a la discusión teórica del no determinismo, sino que procuró producir evidencia empírica para apoyar decisiones prácticas en ingeniería de software, gobernanza de inteligencia artificial y validación de sistemas basados en modelos generativos (Gil, 2019; Vergara, 2016).

En cuanto a los objetivos, el estudio asumió un carácter exploratorio y descriptivo. Fue exploratorio porque investigó un fenómeno aún reciente en la literatura aplicada, relacionado con la posibilidad de variación semántica en inferencias de LLMs incluso cuando los parámetros lógicos de generación permanecieron controlados. Fue descriptivo porque registró, midió y analizó el comportamiento de las respuestas generadas bajo diferentes niveles de carga concurrente, permitiendo observar patrones de estabilidad y degradación semántica (Gil, 2019; Vergara, 2016).

El enfoque metodológico adoptado fue cuantitativo, con apoyo interpretativo cualitativo en el análisis de las respuestas generadas. La dimensión cuantitativa se produjo mediante la medición de la consistencia interna, la similitud semántica y la variación de las respuestas a lo largo de los diferentes niveles de carga. La dimensión cualitativa se utilizó para interpretar el significado de los cambios textuales observados, especialmente cuando las respuestas se mantuvieron formalmente coherentes, pero presentaron un cambio de sentido relevante.

El diseño metodológico correspondió a un experimento computacional controlado, estructurado mediante simulación de carga escalonada. Se optó por este diseño para manipular directamente la variable independiente, representada por el tamaño del lote de solicitudes concurrentes, y observar sus efectos sobre la variable dependiente, que fue la degradación de la reproducibilidad semántica. Los datos se obtuvieron directamente mediante ejecución experimental en un entorno computacional controlado, sin involucrar a encuestados humanos ni muestreo de participantes.

El experimento se llevó a cabo en un entorno de computación en la nube, utilizando “Google Colab Pro” como plataforma operativa y una unidad de procesamiento gráfico (GPU) “NVIDIA A100” como acelerador principal. Esta infraestructura permitió simular condiciones de inferencia bajo alta carga y observar el comportamiento del modelo en un escenario de concurrencia computacional. El motor de inferencia utilizado fue “vLLM”, con el modelo “Qwen2.5-7B-Instruct”, ejecutado en precisión “bfloat16”.

La configuración experimental reprodujo una arquitectura típica de atención eficiente a LLMs, en la cual la optimización de memoria y el agrupamiento dinámico de solicitudes se emplean para ampliar el caudal de procesamiento. Esta elección fue sustentada por estudios que discuten los efectos de la precisión reducida, la gestión eficiente de memoria y las fuentes numéricas de no determinismo en inferencia (Kalamkar et al., 2019; Kwon et al., 2023; O’Brien et al., 2024).

La arquitectura experimental se compuso de diversas capas. En la capa física, se utilizó la GPU “NVIDIA A100” de 40 GB, cuyos núcleos tensoriales ejecutaron operaciones matriciales en precisión reducida. Sobre ella operaron el entorno de ejecución “CUDA” y la biblioteca “PyTorch”, responsables de la asignación de memoria y del despacho de los núcleos de ejecución.

La siguiente capa correspondió al motor de inferencia “vLLM” (versión 0.19.1), que empleó tres mecanismos principales: el “PagedAttention”, que fragmenta la caché de claves y valores en bloques de tamaño fijo; el “chunked prefill”, que limita la cantidad de “tokens” procesados en cada paso de planificación a 8.192; y el escalado asíncrono, que superpone la preparación del siguiente lote en CPU a la ejecución del lote corriente en GPU (Kwon et al., 2023).

Estos mecanismos fueron relevantes porque la composición efectiva de cada lote procesado dependió del estado del planificador en el instante de la ejecución, y no solo del conjunto de solicitudes enviadas. Por encima del motor, se situó el modelo “Qwen2.5-7B-Instruct”, ejecutado en precisión “bfloat16”. En una capa separada, operó la instrumentación de telemetría y el subsistema de evaluación semántica, este último basado en el modelo “all-MiniLM-L6-v2” de la biblioteca “Sentence Transformers”.

Los parámetros de instanciación del motor comprendieron precisión “bfloat16″, ventana de contexto limitada a 1.024 “tokens”, fracción de memoria de vídeo reservada de 0,8, ejecución en proceso único y captura de grafos de ejecución habilitada. Los parámetros de muestreo del modelo fueron configurados con temperatura igual a cero, “Top-P” igual a uno, semilla fijada en 42 y límite de generación de diez “tokens”.

La elección de la precisión “bfloat16” fue una decisión técnica directamente implicada en el fenómeno investigado. Este formato preserva los ocho bits de exponente del “fp32”, manteniendo el mismo rango dinámico de representación, pero reduce la mantisa a siete bits explícitos. En términos de resolución relativa, el “bfloat16” resultó ser aproximadamente ocho veces más burdo que el “fp16” y cerca de sesenta y cinco mil veces más burdo que el “fp32” (Kalamkar et al., 2019; Li et al., 2024).

Esta característica no representó una fragilidad del diseño, sino una condición deliberada de observación, ya que el formato “bfloat16” es estándar en la atención de producción. La adopción de este formato preservó la validez ecológica del experimento y lo situó en la configuración en la que las microvariaciones numéricas tienen mayor probabilidad de hacerse observables. La utilización de “fp32” sería inviable debido al presupuesto de memoria disponible para el modelo de siete mil millones de parámetros.

Las variables de control se definieron para reducir las interferencias externas y aislar el efecto de la carga concurrente. Se mantuvieron constantes los principales hiperparámetros de generación, el modelo, el prompt de control, el entorno de ejecución y el formato de precisión numérica. La variable independiente fue el tamaño del lote dinámico de solicitudes, variando en diferentes niveles de carga hasta el límite de 250 solicitudes concurrentes.

La variable dependiente fue la pérdida de reproducibilidad, observada a través de la dispersión de las respuestas y la similitud semántica entre las salidas obtenidas. La recopilación de datos se realizó mediante un “script” en lenguaje Python desarrollado específicamente para automatizar el experimento. En cada ronda, se envió un “prompt” de control al modelo junto con solicitudes adicionales de llenado, destinadas a ocupar el lote y elevar la concurrencia efectiva sobre el motor de inferencia.

Las solicitudes auxiliares se construyeron a partir de un mismo texto base, replicado para componer el volumen correspondiente a cada nivel de carga, con una longitud equivalente entre sí. El límite de generación se fijó en diez “tokens” para todas las solicitudes. En total, se generaron 600 inferencias, distribuidas en 30 niveles de carga, con 20 repeticiones independientes en cada nivel.

El “notebook” utilizado en la recolección, que contiene la instanciación del motor, el “prompt” de control, el bucle de escalonamiento de carga y las rutinas de evaluación semántica, fue puesto a disposición en un repositorio público bajo licencia Apache 2.0 y archivado bajo identificador digital persistente, permitiendo la replicación integral del procedimiento (Silva, 2026).

Para reducir los riesgos de contaminación entre ejecuciones, se invocó la rutina de liberación de caché del asignador al final de cada iteración. Se implementó persistencia continua de los resultados, almacenando cada respuesta generada con sus metadados operativos, incluyendo tamaño del lote, número de iteración y registro temporal de la ejecución. Este procedimiento fortaleció la trazabilidad del experimento y permitió la posterior verificación de la base bruta.

El análisis de los datos se realizó en dos etapas. En la primera, se evaluó la consistencia interna de las respuestas en cada nivel de carga, verificando si el modelo produjo respuestas idénticas o semánticamente divergentes. En la segunda etapa, las respuestas se transformaron en representaciones vectoriales mediante el modelo “all-MiniLM-L6-v2″, de la biblioteca “SentenceTransformers”, permitiendo calcular la similitud del coseno entre los textos generados.

La similitud de coseno se utilizó por ser una métrica ampliamente aplicada en Procesamiento de Lenguaje Natural para comparar la proximidad semántica entre vectores textuales. La interpretación de los resultados consideró que la ruptura de la reproducibilidad no debía analizarse solo como una diferencia literal entre cadenas de caracteres, sino también como una alteración semántica con potencial impacto operativo.

El análisis combinó la frecuencia de respuestas distintas, la similitud semántica y la inspección cualitativa de las principales variaciones observadas. Esta triangulación analítica permitió evaluar si la inestabilidad generada bajo carga representó solo una variación superficial de redacción o una alteración semántica efectiva con potencial impacto en sistemas corporativos.

De esta forma, el recorrido metodológico adoptado permitió probar empíricamente la hipótesis de que el aumento de la carga concurrente, mediado por el “batching” dinámico y por la reorganización de las operaciones en GPU, podría comprometer la reproducibilidad de inferencias incluso bajo temperatura igual a cero. La estructura experimental se mostró coherente con el objetivo del trabajo, ya que mantuvo controlados los parámetros lógicos de generación y concentró el análisis en la influencia de la infraestructura computacional sobre la estabilidad de las respuestas.

3. Resultados y Discusión

El análisis de los resultados se realizó a partir de una base de 600 inferencias, generadas en 30 niveles distintos de carga concurrente, con 20 repeticiones independientes para cada nivel. El estudio se centró en cuatro dimensiones principales: la estabilidad textual de las respuestas, la similitud semántica evaluada por coseno, la latencia media de inferencia y el uso de memoria de video (VRAM). El objetivo central fue verificar si la configuración lógica de inferencia determinista, que incluía temperatura igual a cero y semilla fija, sería suficiente para garantizar la reproducibilidad bajo diferentes niveles de carga. Los hallazgos indicaron que la estabilidad inicial se mantuvo solo en los primeros niveles, mientras que el aumento de la concurrencia elevó la probabilidad de divergencias semánticas. Es importante notar que la dimensión referente al uso de memoria de video no resultó informativa debido al método de medición empleado, por lo que las conclusiones se basaron en las tres primeras dimensiones.

Los datos consolidados revelaron que los seis primeros niveles de carga, que correspondieron a un intervalo de 1 a 43 solicitudes simultáneas, presentaron un 100% de similitud media y produjeron una única respuesta textual. Este período se caracterizó como estabilidad inicial, donde el comportamiento del modelo fue plenamente determinista. Sin embargo, a partir de 52 solicitudes, se observó la primera ruptura de consistencia, con un 5% de divergencias en el nivel inicial de esta nueva franja de carga, y un aumento abrupto a un 45% en 61 solicitudes. Esta transición no siguió un patrón lineal simple, indicando una sensibilidad específica del sistema a la carga concurrente.

Entre 86 y 112 solicitudes, el sistema demostró una readaptación temporal, volviendo a un estado de estabilidad donde no se registraron divergencias. Sin embargo, la inestabilidad se volvió persistente a partir de 121 solicitudes, con la proporción media de divergencias alcanzando el 30,9% y llegando al 50% en el nivel máximo de 250 solicitudes simultáneas. Esta dinámica sugiere que la pérdida de reproducibilidad no se debió a una única falla determinista, sino a una zona de inestabilidad sensible a la forma en que el lote dinámico fue organizado por el motor de inferencia, como se discute en Kwon et al. (2023).

La evolución de la tasa de divergencias semánticas en función del aumento de la carga concurrente reveló un patrón de inestabilidad intermitente hasta 112 solicitudes, que se volvió persistente después de 121 solicitudes. La ausencia de divergencias en los niveles iniciales confirmó que el modelo, con baja carga, reprodujo la misma salida. Sin embargo, la presencia de respuestas divergentes en cargas intermedias y altas indicó que la reproducibilidad se vio comprometida por la presión sistémica del procesamiento concurrente. La correlación de Pearson entre la carga y el porcentaje de divergencias fue de 0,741, un valor positivo y elevado, lo que sugiere una fuerte asociación entre el aumento de las solicitudes simultáneas y el crecimiento de la inestabilidad semántica.

Este hallazgo está en consonancia con la literatura técnica sobre inferencia en Modelos de Lenguaje de Gran Escala, que señala cómo el uso de “batching” dinámico y la atención paginada pueden modificar el ordenamiento operacional de los cálculos en GPU. Esto es particularmente relevante cuando hay tensores en baja precisión y la programación redistribuye las solicitudes entre pasos sucesivos (Kwon et al., 2023; O’Brien et al., 2024). La divergencia se operacionalizó como el alejamiento respecto a la respuesta modal del propio nivel, es decir, la formulación más frecuente entre las veinte repeticiones de cada nivel de carga. Esta definición impuso un techo estructural del 50% a la métrica, ya que la respuesta modal, por construcción, representa al menos la mitad de las ocurrencias de cada nivel. Así, en los niveles en que la tasa se aproximó a este límite, la inestabilidad efectiva pudo haber sido superior a la registrada, y el valor observado debe interpretarse como una estimación conservadora.

La latencia media de inferencia presentó un crecimiento prácticamente monotónico en función de la carga concurrente, pasando de 0,165 segundos en el lote unitario a 0,371 segundos en el nivel de 250 solicitudes simultáneas. La correlación entre carga y latencia media fue extremadamente alta, con un coeficiente de Pearson de 0,996. Este análisis fue crucial porque la latencia sirvió como un indicador operacional de la presión ejercida sobre el motor de inferencia, demostrando que el escalamiento experimental efectivamente impuso mayor presión operacional al sistema. Sin embargo, la latencia, por sí sola, no representó la causa directa de la divergencia semántica, sino más bien un síntoma de la sobrecarga computacional.

En cuanto al uso de memoria de vídeo, la telemetría registró un valor prácticamente constante, en torno a 32,58 GB, a lo largo de todo el experimento. Sin embargo, este resultado no permitió una interpretación sustantiva, ya que el motor de inferencia reserva de antemano el conjunto de memoria para la caché de claves y valores, conforme a la fracción configurada de 0,8 de la capacidad del dispositivo. El procedimiento de medición registró la memoria ocupada en el instante de la lectura, y no el pico efectivo de utilización interna. La constancia observada provino, por lo tanto, del propio diseño de la asignación, y no del comportamiento del sistema bajo carga, lo que limita la capacidad de sostener o descartar hipótesis relativas al uso de memoria.

El análisis textual de las 600 respuestas generadas reforzó la interpretación de que la degradación no produjo respuestas aleatorias, incoherentes o sintácticamente defectuosas. Solo se observaron dos formulaciones finales: “Innovación digital para procesos corporativos”, con 445 ocurrencias, y “Innovación digital para negocios transformados”, con 155 ocurrencias. El sistema osciló entre estas dos salidas plausibles y bien formadas, un fenómeno denominado biestabilidad semántica. La similitud de coseno fue del 100% para la respuesta idéntica a la referencia y del 76,15% para la formulación divergente, lo que indica una proximidad semántica considerable, pero con una alteración de sentido relevante.

Desde el punto de vista de la ingeniería de software, este resultado es particularmente relevante, ya que un fallo de este tipo puede no ser detectado por inspecciones superficiales de calidad textual o por pruebas unitarias convencionales basadas en la comparación literal de cadenas de caracteres. La respuesta divergente, aunque mantuvo fluidez lingüística, alteró el enfoque semántico de “procesos corporativos” a “negocios transformados”, lo que puede modificar una regla de negocio en aplicaciones que dependen de salidas reproducibles. La similitud media general del 95,43% agregó dos regímenes distintos: uno plenamente reproducible y otro con divergencia semántica recurrente, evidenciando que evaluaciones basadas solo en medias agregadas pueden ocultar rupturas localizadas de reproducibilidad.

Los resultados permitieron delimitar con claridad lo que se observó y lo que permaneció en el plano de la conjetura. Se observó que el aumento de la carga concurrente estuvo asociado al crecimiento de las divergencias semánticas, que la latencia acompañó monótonamente este aumento y que la degradación asumió la forma de alternancia entre dos salidas bien formadas. Los mecanismos internos responsables de esta asociación no fueron directamente observados, ya que no fueron instrumentados. La explicación más compatible con la configuración documentada involucra la variación de la composición efectiva de los lotes procesados, derivada del fraccionamiento del procesamiento inicial y del escalonamiento asíncrono.

Estos factores alteran el orden de las operaciones de reducción ejecutadas en paralelo y, bajo la mantisa reducida del formato “bfloat16”, pueden acumular microvariaciones suficientes para invertir la ordenación entre candidatos cercanos en la etapa de decodificación, las cuales son amplificadas por la generación autorregresiva (Kalamkar et al., 2019; Kwon et al., 2023; O’Brien et al., 2024; Yashwanth, 2025). Esta es una hipótesis teóricamente fundamentada y compatible con la literatura, pero no un mecanismo demostrado directamente por este estudio, que no contempló ensayos de ablación ni instrumentación a nivel de núcleo de ejecución. Para la Ingeniería de Software y la gobernanza de Inteligencia Artificial, el comportamiento observado impone la consecuencia práctica de que la infraestructura de ejecución no puede ser tratada como una capa transparente al comportamiento lógico del modelo, especialmente en arquitecturas corporativas críticas.

En resumen, la investigación demostró empíricamente que la fijación de hiperparámetros lógicos de generación, como temperatura cero y semilla fija, no garantiza la reproducibilidad de la inferencia de LLMs bajo carga concurrente. La estabilidad se observó solo en bajos niveles de carga, mientras que el aumento de la concurrencia llevó a variaciones semánticas sutiles pero significativas, que pueden impactar la confiabilidad de sistemas corporativos. La degradación se manifestó como biestabilidad semántica, alternando entre respuestas formalmente coherentes, pero con sentidos operacionales distintos. Este hallazgo refuerza que la reproducibilidad a escala es una propiedad sistémica, dependiente de la interacción compleja entre el modelo, el motor de inferencia, la precisión numérica, la política de lotes y la infraestructura de hardware.

4. Conclusión

El presente estudio tuvo como objetivo analizar empíricamente la reproducibilidad de la inferencia de Modelos de Lenguaje Grandes (LLMs) bajo diferentes niveles de carga concurrente, investigando el impacto del aumento del “batching” dinámico en la estabilidad semántica de las respuestas, incluso con hiperparámetros de generación controlados. Se observó que la estabilidad de las respuestas se mantuvo solo en bajos niveles de carga. Con el aumento de la concurrencia, se observó una degradación de la reproducibilidad, manifestada por variaciones semánticas sutiles entre respuestas formalmente coherentes, un fenómeno denominado biestabilidad semántica. La latencia media de inferencia creció monótonamente con la carga, indicando la presión operacional sobre el sistema. La principal contribución de este trabajo reside en demostrar que la fijación de parámetros lógicos de generación, como temperatura cero y semilla fija, no asegura determinismo absoluto en entornos de inferencia de LLMs bajo carga. Este hallazgo es crucial para la ingeniería de software y la gobernanza de inteligencia artificial, ya que revela que la reproducibilidad a escala es una propiedad sistémica, dependiente de la interacción compleja entre el modelo, el motor de inferencia, la precisión numérica, la política de lotes y la infraestructura de hardware, y no solo del código de la aplicación o del modelo de forma aislada.

Sin embargo, el diseño presentó limitaciones, como la telemetría de memoria de video, que no resultó informativa debido al método de medición, y la ausencia de ensayos de ablación, que impidió aislar la contribución individual de cada mecanismo del motor de inferencia. La métrica de divergencia, definida en relación con la respuesta modal, impuso un techo estructural del 50%, sugiriendo que los valores observados pueden ser estimaciones conservadoras. Además, el registro del entorno experimental no conservó todas las versiones de software y el sorteo de la longitud de las solicitudes auxiliares no utilizó una semilla fija, afectando la reproducibilidad integral del experimento. El estudio también se restringió a un único modelo, arquitectura de acelerador, formato numérico y prompt. Para estudios futuros, se recomienda la realización de ensayos de ablación con instrumentación a nivel de núcleo de ejecución y la replicación bajo otros esquemas de cuantización y arquitecturas de silicio. Mientras la industria no ofrezca núcleos de inferencia estrictamente invariantes a la composición del lote, la mitigación de este riesgo requerirá de los equipos de desarrollo la adopción de capas de redundancia semántica y de auditoría continua en las aplicaciones cliente.

Referencias Bibliográficas

DAO, T.; FU, D. Y.; ERMON, S.; RUDRA, A.; RÉ, C. FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness. arXiv preprint arXiv:2205.14135, 2022.

GIL, A. C. Métodos e Técnicas de Pesquisa Social. 7. ed. São Paulo: Atlas, 2019.

KALAMKAR, D.; MUDIGERE, D.; MELLEMPUDI, N.; GEORGANAS, E. et al. A Study of BFLOAT16 for Deep Learning Training. arXiv preprint arXiv:1905.12322, 2019.

KWON, W.; LI, Z.; SHENG, Y.; YU, C.H.; GONZALEZ, J.E. et al. Efficient Memory Management for Large Language Model Serving with PagedAttention. arXiv preprint arXiv:2309.06180, 2023.

LI, B.; LIN, J.; YANG, P.; YAO, J.; ZHANG, Y.; ZHOU, J. Defeating the Training-Inference Mismatch via FP16. arXiv preprint arXiv:2407.13527, 2024.

O’BRIEN, P. D.; SRIDHAR, R.; ANASTASOPOULOS, A.; KUMAR, V. Understanding and Mitigating Numerical Sources of Nondeterminism in LLM Inference. arXiv preprint arXiv:2407.03112, 2024.

SILVA, C. R. nondeterminism_llm_inference: rotina de coleta e análise de dados do experimento de reprodutibilidade da inferência de LLMs sob carga. Versão v1.0-tcc. Zenodo, 2026. DOI: 10.5281/zenodo.22740542. Disponível em: https://doi.org/10.5281/zenodo.22740542. Acesso em: 14 set. 2026.

VERGARA, S. C. Projetos e Relatórios de Pesquisa em Administração. 16. ed. São Paulo: Atlas, 2016.

YASHWANTH, T. S. On the Structure of Floating-Point Noise in Batch-Invariant GPU Matrix Multiplication. arXiv preprint arXiv:2511.00025, 2025.

YUAN, J.; LI, H.; DING, X.; XIE, W.; LI, Y. J. et al. Give Me FP32 or Give Me Death? Challenges and Solutions for Reproducible Reasoning. arXiv preprint arXiv:2506.09501, 2025.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy

Más recientes

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

También te puede interesar

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

La gestión financiera personal representa un desafío creciente, influenciada por sesgos cognitivos que afectan la toma de decisiones, incluso en individuos con alto conocimiento. El presente estudio analizó la relación entre el nivel de educación financiera y la ocurrencia de sesgos conductuales en la toma de decisiones financieras de adultos residentes en Brasil. Se realizó un levantamiento de campo de naturaleza aplicada, cuantitativa y descriptivo-correlacional, mediante la aplicación de un cuestionario estructurado a 163 encuestados. El instrumento contempló variables sociodemográficas, conocimiento y hábitos financieros, y situaciones hipotéticas para identificar sesgos cognitivos. Los resultados indicaron que niveles más elevados de educación financiera se asociaron con mejores prácticas de control financiero, ahorro e inversión, con correlaciones significativas con ingresos y escolaridad. Sin embargo, la presencia de sesgos conductuales (anclaje, aversión a la pérdida, escasez, optimismo/pesimismo, sesgo del presente, status quo, exceso de confianza y contabilidad mental) persistió incluso entre individuos con mayor escolaridad e ingresos, sin asociación estadísticamente significativa con las variables sociodemográficas analizadas. Se concluyó que la educación financiera, aunque esencial para la organización y el control financiero, no fue suficiente para neutralizar la influencia de sesgos cognitivos. Se sugiere la incorporación de enfoques conductuales a los programas de educación financiera.

Palabras clave: Comportamiento financiero; Economía conductual; Finanzas personales; Heurísticas cognitivas; Sesgos cognitivos.

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

La inserción de niños con Trastorno del Espectro Autista (TEA) en la Educación Infantil presenta desafíos significativos, dada la dificultad de adaptación a nuevos entornos y la intensidad de estímulos. El objetivo fue analizar la actuación docente en la Educación Infantil en el proceso de escolarización inicial de niños con TEA. Se realizó un estudio de caso, utilizando la entrevista narrativa como técnica de producción de datos. Los resultados revelaron que la actuación docente se caracterizó por prácticas de mediación y afecto, con la flexibilización de la rutina y el uso de recursos lúdicos como estrategias esenciales para el desarrollo y la organización sensorial del niño. También se destacó la importancia del profesional de apoyo escolar para el éxito del trabajo pedagógico. El desarrollo integral del niño fue promovido por medio de acciones docentes intencionales que priorizaron la adaptación ambiental, el fortalecimiento de vínculos y la atención a las necesidades específicas del TEA. Como contribución, se elaboró una guía de estrategias pedagógicas orientada a la acogida de niños con TEA en guarderías públicas.

Palabras clave: Educación Infantil; Inclusión Escolar; Narrativas Docentes; Prácticas Pedagógicas Inclusivas; Trastorno del Espectro Autista.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

La salud mental en el entorno laboral es un tema de creciente relevancia, que impacta el desarrollo profesional y el bienestar de los colaboradores. Se realizó un estudio para identificar aspectos y situaciones que pueden influir en los niveles de absentismo en una institución bancaria. La investigación involucró a 108 participantes y utilizó un cuestionario estructurado, basado en la versión corta del COPSOQ II de Gonçalves (2021), que contenía 45 preguntas cerradas en escala Likert y dos preguntas abiertas. Los datos se recopilaron a través de una plataforma en línea y se analizaron con un enfoque descriptivo y cuantitativo. Los resultados revelaron un escenario que indicó la necesidad de ajustes en la distribución de las actividades y en la percepción de los gerentes sobre comportamientos y señales de trastornos. Se identificaron evidencias importantes en las respuestas abiertas de los participantes. Se concluyó que el estudio contribuyó a la promoción de la percepción de un ambiente seguro para la salud mental en la organización.

Palabras clave: Ausencias por trastornos; Desarrollo profesional; Liderazgo operativo; Licencia médica; Salud mental.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

Se propuso un modelo de regresión estadística múltiple para estimar el rendimiento operativo de la microrred CampusGrid de la UNICAMP, basándose en magnitudes eléctricas internas. La microrred integra generación fotovoltaica, baterías y un generador de gas. Se recopilaron datos del sistema de gestión de energía en intervalos de cinco minutos durante un mes. El Índice de Confiabilidad Operacional, definido como la razón entre energía atendida y demandada, se estableció como variable dependiente. El modelo se ajustó al modo de operación aislado, evaluando el impacto de la demanda, el estado de carga, la generación solar y la energía suministrada. Los resultados revelaron un elevado poder explicativo, indicando que la confiabilidad operativa depende de la interacción entre el suministro y la demanda. Se observó que el período nocturno concentró la mayor tasa de atención parcial, atribuida a la reducción de la generación solar. Se concluyó que la regresión múltiple ofrece una estructura interpretable y útil para el monitoreo de microrredes y el apoyo a estrategias de control.

Palabras clave: Almacenamiento en baterías; Generación fotovoltaica; Índice de Confiabilidad; Operación aislada; Sistema de Gestión de Energía.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.

Economia

19 de octubre de 2026

¿Fin de la escala 6×1: qué permiten concluir los números?

Tras la promulgación del fin de la escala 6×1, el debate sobre la jornada menor pasa a la implementación y exige distinguir beneficios sociales de costos económicos El fin de la escala 6×1 pasó de la discusión legislativa a un cambio constitucional en Brasil. El 16 de octubre de 2026, el Congreso Nacional promulgó la enmienda constitucional nº 141/2026, originada de la Propuesta […]

Inteligencia Artificial

16 de octubre de 2026

¿Por qué estudiar si existe la IA?

Cuando las respuestas se vuelven fáciles, aprender pasa a significar más que alcanzarlas. ¿Por qué necesito aprender esto si puedo preguntarle a una inteligencia artificial? Este tipo de pregunta ha acompañado a la educación durante décadas. ¿Por qué aprender una operación si existe una calculadora? ¿Por qué memorizar una información si se puede encontrar […]

Gestión Tributaria

15 de octubre de 2026

Impuesto rosa y el género del precio

Cómo los diferentes tratamientos de marketing para hombres y mujeres son incorporados por la tributación del consumo Imagine un estante en el que dos maquinillas de afeitar de la misma marca y destinadas al mismo propósito están expuestas una al lado de la otra: una tiene un empaque oscuro y promete fuerza, precisión y eficiencia; la otra viene en tonos de rosa o […]

Salud

13 de octubre de 2026

El eslabón perdido de la transformación de la salud

¿Por qué la innovación no es suficiente para generar cambios en las organizaciones y en los sistemas de salud La transformación digital se ha consolidado como una prioridad estratégica para los sistemas de salud en todo el mundo. Historias clínicas electrónicas, inteligencia artificial, telemedicina, monitorización remota y análisis de datos han pasado a formar parte de la agenda estratégica de gobiernos y organizaciones sanitarias. Paradójicamente, […]

Marketing

09 de octubre de 2026

Bitcoin o mascotas: lo que la Inteligencia Artificial no vería

Un caso real de consumer intelligence muestra lo que queda fuera del briefing Hace algunos años, una aseguradora estadounidense contrató a una empresa especializada en consumer intelligence para responder a tres preguntas: La aseguradora también evaluaba lanzar seguros pagados en bitcoin. En ese momento, el proceso de trabajo de la consultoría funcionaba así: el analista creaba una query […]

Gestión Escolar

06 de octubre de 2026

La escuela no es un casino: cuando las figuritas se convierten en moneda en el patio

¿Por qué, para determinados estudiantes, la escuela logra ofrecer tan pocas experiencias de éxito? La Copa del Mundo ha terminado. Brasil ha quedado fuera de la competición, llegaron las vacaciones escolares, se disputó la final y el calendario del fútbol siguió adelante. Sería razonable imaginar que, con el fin del torneo y el regreso a clases, también comenzara […]

Transición Energética

30 de septiembre de 2026

Energías renovables: la ventaja brasileña

Brasil necesita invertir en la capacidad de transformar recursos naturales en innovación, productividad y desarrollo Hablar de energía es hablar de desarrollo. Detrás de la industria, el transporte, los servicios, las ciudades y, cada vez más, la inteligencia artificial, existe una infraestructura energética que sustenta la economía. Comprender la matriz energética de un país es comprender […]

Análisis De Datos

30 de septiembre de 2026

¿Cuando cambian los datos, ha cambiado la realidad?

Análisis de casi 20 millones de vínculos-año docentes entre 2020 y 2025 muestra cómo cambios en la composición de la población y en la producción de los registros pueden alterar la interpretación de series históricas Entre 2020 y 2025, el número de vínculos formales de trabajo docente identificados en la RAIS (Relación Anual de Información Social), del Ministerio de Trabajo, […]

Inteligencia Artificial

28 de septiembre de 2026

Inteligencia artificial y las tendencias

¿Por qué tanta gente se une a los juegos con ChatGPT? Nunca fui una persona de tendencias. Sigo sin serlo. Algunas pasan por mi línea de tiempo, las veo, me parecen interesantes pero no al punto de experimentar. Fue así, inclusive, con algunas ondas recientes de imágenes hechas por inteligencia artificial, como la tendencia de los años 80, aquella que nos […]

Gestión Tributaria

01 de septiembre de 2026

Reforma tributaria y planificación patrimonial en el campo

La eficiencia para gestionar los impuestos facilita la gobernanza y permite organizar la sucesión familiar. La organización patrimonial rural se ha convertido en una medida estratégica ante la reforma tributaria en Brasil, que entró en vigor este año. La planificación de las actividades y de la gestión del patrimonio rural, a través de herramientas como la transición de la Persona Física a […]

Renata de Gaspari Valdejão Almeida

Inteligencia Artificial

05 de agosto de 2026

Dentro de la empresa y fuera del radar: los riesgos de la IA Sombra

Según Microsoft, el 75% de los profesionales ya utilizan inteligencia artificial en el trabajo sin la aprobación de la empresa El uso de la inteligencia artificial generativa ya forma parte de la rutina corporativa. Herramientas como ChatGPT, Copilot y otras plataformas ayudan a los profesionales a producir textos, analizar datos, crear presentaciones y acelerar tareas en prácticamente todos los sectores. Pero este avance […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julio de 2026

El futuro como competencia

El interés académico refuerza la proyección de escenarios como herramienta esencial para la toma de decisiones. Mientras algunas empresas aún intentan acertar el próximo paso, otras ya trabajan con múltiples futuros posibles — y se preparan para todos ellos. Pero, ¿qué significa “pensar el futuro”? ¿Es tendencia, es estrategia o una nueva competencia que […]

Renata de Gaspari Valdejão Almeida

Innovación

Tecnología

21 de mayo de 2026

Corredor Agro SP: innovación, articulación institucional y futuro

Pecege comanda a operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educación

27 de abril de 2026

Cómo transformar un TCC en negocio

Nueva gestión del Parque Tecnológico de Piracicaba ofrece consultoría a egresados de MBAs El nuevo director de proyectos del Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, suele decir que una de las mayores recompensas que ha tenido en la vida ha sido ver a sus orientandos del MBA USP/Esalq estructurar empresas a partir de sus trabajos de conclusión de […]

Tecnología

20 de marzo de 2026

El repertorio humano en la era de la IA

El pensamiento crítico y la creatividad son insustituibles en el trabajo del profesional de marketing La Inteligencia Artificial (IA) es capaz de hazañas increíbles, pero aún no posee la capacidad de juicio, empatía, intuición y creatividad estratégica necesarias para hacer el trabajo de un buen profesional de marketing. En esta área, es importante saber usar la herramienta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

23 de febrero de 2026

ESG como estrategia de crecimiento en una cooperativa del RS

Santa Clara equilibra responsabilidad social y ambiental con innovación Fundada en 1911 por inmigrantes italianos en Carlos Barbosa, en la sierra gaúcha, la Cooperativa Santa Clara es un ejemplo de que es posible equilibrar el crecimiento económico con la responsabilidad social y ambiental. De una pequeña empresa de producción de quesos, la organización evolucionó a un […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

22 de enero de 2026

¿Brasil libre de fiebre aftosa: qué cambia para la carne brasileña?

Con un rebaño de más de 200 millones de cabezas de ganado, el país es actualmente el líder en exportaciones Brasil recibió recientemente, por primera vez, la certificación de país libre de fiebre aftosa sin vacunación, otorgada por la Organización Mundial de Sanidad Animal (OMSA). El sello fortalece la posición del país como proveedor de carne confiable para el […]

Renata de Gaspari Valdejão Almeida

Innovación

09 de diciembre de 2025

Innovación: el nuevo ciclo del Parque Tecnológico de Piracicaba

El Instituto Pecege asume la gestión apostando en la creación de nuevos negocios A partir de 2026, el Instituto Pecege asumirá la gestión del Parque Tecnológico de Piracicaba (PTP). Entre sus responsabilidades estarán la administración, operación, mantenimiento y expansión del parque, además del fomento de actividades de innovación, emprendimiento y ciencia y tecnología. La elección fue realizada […]

Renata de Gaspari Valdejão Almeida

06 de julio de 2026

Arquitectura a Gran Escala: Gestión de Cambios DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La arquitectura y el urbanismo se configuran como bases imprescindibles en un espacio urbano cada vez más complejo y desafiante, donde la intrínseca conexión entre cuestiones sociales, ambientales y tecnológicas […]