La sucesión de Tupã está en curso

Columna

Innovación

Tecnología

Tecnología Agrícola

27 de marzo de 2024

La sucesión de Tupã está en curso

El superordenador Cray XT-6 del Instituto Nacional de Investigación Espacial será sustituido antes de 2026

Si no fuera por el nombre del protagonista, la frase podría estar perfectamente en el titular de una página de negocios. Sin embargo, en lugar de la entidad mitológica tupí-guaraní, estamos hablando del Cray XT-6, el superordenador del Centro de Predicción del Tiempo y Estudios Climáticos (CPTEC), órgano del Instituto Nacional de Investigación Espacial (INPE). Desde 2010, es el responsable de la previsión del tiempo en nuestro país.

Al inicio de sus operaciones, Tupã (como fue bautizado) era una de las supercomputadoras más potentes del mundo. Según el sitio web Top500.org, el equipo ocupaba la 29ª posición en la lista y era el tercero más potente del mundo dedicado a la predicción del tiempo. Su capacidad era tan grande – 205 TFlops – que, según estimación del profesor Plinio Thomaz Aquino Junior, coordinador del curso de Ciencias de la Computación del Centro Universitario FEI, un minuto de su procesamiento sería equivalente a una semana en una buena laptop actual (equipada con procesador i7, memoria de 8 GB y almacenamiento en disco SSD).

Instalado en Cachoeira Paulista, en el interior de São Paulo, casi al lado de la Rodovia Presidente Dutra, Tupã se extiende por un área de 100 m2 y, cuando estaba en plena operación, consumía alrededor de R$ 5 millones anuales en energía eléctrica entre procesamiento y refrigeración.

La importancia de su procesamiento de datos se muestra en la lista de entidades que reciben información generada por él: Ministerio de Minas y Energía, Ministerio de Agricultura, Operador Nacional del Sistema Eléctrico (ONS), Agencia Nacional de Aguas (ANA), Centro Nacional de Desastres Naturales (CENAD), Centro Nacional de Monitoreo y Alertas de Desastres Naturales (CEMADEN), Dirección de Hidrografía y Navegación de la Marina (DHN) y Departamento de Control del Espacio Aéreo de la Aeronáutica (DECEA), además de varios centros estatales de meteorología.

El jeito brasileño

Una de las características más notables de este tipo de máquina es su vida útil bastante corta, estimada entre 4 y 6 años, aún más considerando su costo, cerca de R$ 50 millones en la época (equivalentes a R$ 110 millones actuales). Es decir, era un hecho conocido que necesitaría ser reemplazado a mediados de la década de 2010. El contrato original de mantenimiento con el fabricante era de cinco años, pero fue posible negociar una extensión por dos años más. Al final de este período, en 2017, el INPE propuso la compra de una nueva máquina con capacidad de procesamiento 30 veces mayor que la de Tupã, por US$ 150 millones. La propuesta no fue aprobada.

Sin presupuesto para comprar una nueva supercomputadora (recordando que su sustitución no era un hecho inesperado), entró en escena el famoso “jeitinho brasileiro”. En 2018, por US$ 9,6 millones (poco más de US$ 12 millones actualizados, cerca del 10% del costo actualizado de la supercomputadora), se compró una computadora auxiliar, una Cray CX-50, con capacidad de procesamiento hasta un poco superior a la del Tupã: 303 TFlops. Fue acoplada a la máquina original, permitiendo la división de los trabajos entre los dos equipos.

En esa época, llamó la atención la decisión de desactivar seis de los 14 gabinetes del Tupã. Además de buscar una reducción en el consumo de energía eléctrica, esta medida tenía como finalidad preservar componentes, a fin de que pudieran ser usados como piezas de repuesto en eventuales necesidades de mantenimiento, ya que Cray dejó de suministrarlas al final de la extensión del contrato de mantenimiento. Esto redujo la capacidad de procesamiento de la máquina en casi un 30%.

En un intento de prolongar la vida útil de Tupã por dos años más, hasta 2020, se adquirieron otras dos máquinas Cray CX-50, una en 2019 y la otra al año siguiente. Paralelamente, en un intento de minimizar los impactos del fin de la vida útil de Tupã, se firmó un convenio de cooperación técnica con el Programa de las Naciones Unidas para el Desarrollo (PNUD).

Por US$ 729 mil (¡menos del 10% del costo de los Crays!), preveía el suministro de un equipo complementario que pudiera realizar algunas de las tareas que aún eran ejecutadas por el superordenador original. Su costo demuestra que fue una solución paliativa. Este equipo llegó a mediados de 2021 y ayudó a reducir un poco el trabajo del sobrecargado Tupã.

La solución – hardware y software

En septiembre de 2023, se anunció la liberación de US$ 200 millones para la compra de una nueva supercomputadora que reemplazará definitivamente a Tupã y sus agregados. Su implementación completa se realizará en cuatro fases: la primera estaba prevista para 2023, y la última, para 2026.

Hay poca o ninguna información en la prensa sobre esta nueva máquina, lo que permite suponer que el proceso de licitación aún no ha finalizado. De todos modos, el INPE ya ha anunciado que inteligencia artificial y machine learning forman parte de la solución, así como un sistema de suministro de energía generada por luz solar, el primero del mundo, según Gilvan Sampaio, coordinador general de Ciencias de la Tierra del INPE. Además, según Sampaio, está previsto que su implementación sea modular, con nuevos módulos con tecnología cada vez más avanzada siendo incorporados a lo largo de diez años, lo que prolongará su vida útil y permitirá la incorporación de nuevas tecnologías aún en desarrollo.

La intención declarada es que esta nueva máquina sea capaz de realizar predicciones meteorológicas cada vez más precisass, llegando a indicar inicios y finales de lluvias en la casa de los minutos.

Para que todo esto suceda, desde 2021 viene siendo desarrollado por científicos brasileños un nuevo modelo de predicción numérica climática. Este modelo fue bautizado como MONAN (model for ocean-land-atmosphere prediction o modelo para predicción de los océanos, superficies terrestres y atmósfera). Viene siendo desarrollado por un comité compuesto por representantes de varias entidades, entre laboratorios, universidades, Fuerzas Armadas y ministerios: Instituto Nacional de Investigaciones Espaciales (INPE), Instituto Nacional de Meteorología (INMET), Instituto Nacional de Investigaciones de la Amazonía (INPA), Laboratorio Nacional de Computación Científica (LNCC), Fundación Cearense de Meteorología y Recursos Hídricos (FUNCEME), Universidad Federal de Campina Grande (UFCG), Universidad Federal de Mato Grosso do Sul (UFMS), Universidad Federal de Pará (UFPA), Universidad Federal de Río de Janeiro (UFRJ), Universidad Federal de Río Grande (FURG), Universidad de São Paulo (USP), Centro Gestor y Operacional del Sistema de Protección de la Amazonía (CENSIPAM), Ejército Brasileño (EB), Fuerza Aérea Brasileña (FAB), Marina de Brasil (MB) y Ministerio de Ciencia, Tecnología e Innovaciones (MCTI).

También participan las entidades internacionales Servicio Meteorológico Nacional (SMN), de Argentina, y World Meteorological Organization (WMO). Este grupo de especialistas está dividido en subcomités especializados. Cada subcomité desarrolla un modelo matemático específico, que será incorporado al nuevo sistema. El plan de desarrollo de estos modelos abarca un período de cinco años, prorrogables por cinco años más, con los siguientes temas:

  • atmósfera;
  • océano y hielo continental y marítimo;
  • superficie y suelos continentales;
  • meteorología espacial;
  • hidrología de superficie y subsuperficial.

El subcomité de Sistema Integrado de Modelado se encargó de pensar en el sistema en su conjunto e imaginar cómo se integrarán sus diferentes partes. A su vez, atentos a la adquisición de datos, al funcionamiento del sistema y a su rendimiento general, existen subcomités de Procesamiento de Alto Rendimiento y Calidad de Código, Asimilación de Datos del Sistema Terrestre, Métodos Avanzados de Asimilación de Datos y Aplicaciones de Inteligencia Artificial y Métodos de Pre y Post-procesamiento de Predicciones de Tiempo y Clima.

De la misma manera que el hardware, los diversos módulos del nuevo modelo se están desarrollando y volviendo funcionales a lo largo del tiempo. El primero en ser implementado es el de atmósfera, que será seguido por el del océano y el hielo continental y marítimo. El módulo de atmósfera permitirá predicciones a corto plazo, de unos días. Con el segundo módulo, que deberá estar operativo en hasta cuatro años, será posible anticipar eventos climáticos en meses.

Un modelo nacional

La importancia del desarrollo de un modelo matemático nacional se hace evidente cuando se consideran unos pocos factores críticos: el tamaño de Brasil, con sus dimensiones continentales, y la variedad y especificidad de su geografía y sus biomas.

Por ejemplo, el cerrado y el Pantanal son biomas típicamente brasileños. El primero presenta una gran variabilidad de coberturas vegetales, que van desde los pastizales hasta algo muy parecido a una selva tropical. En los modelos desarrollados por otros países, se representa uniformemente como una sabana africana. En cuanto al Pantanal, no hay nada parecido en el mundo y, consecuentemente, en ningún modelo climático desarrollado en otros países.

Otro factor típicamente brasileño que influye desfavorablemente en el clima es la deforestación. Altera de manera importante las características geomórficas de las áreas que originalmente tenían cobertura vegetal. Como explica el profesor Paulo Artaxo, del Instituto de Física de la USP, una de las principales consecuencias es la reducción del efecto enfriador natural realizado por los bosques a través de los compuestos orgánicos volátiles biogénicos, que son emitidos naturalmente por los vegetales durante su metabolismo.

Una de las formas más comunes de deforestación en Brasil son las quemas. Además del calor, generan gran cantidad de material particulado (carbono negro) que dificulta los movimientos verticales de las masas de aire (convección), como describe el Profesor Alexandre Correia, también del Instituto de Física de la USP. Este fenómeno perjudica la congelación del agua en las nubes y afecta desfavorablemente la formación de las lluvias. También se generan grandes cantidades de CO2 y metano, además de la alteración en el albedo de superficie (parte de la radiación reflejada de vuelta al espacio).

La necesidad de una supercomputadora

Además de la criticidad de las predicciones en sí, una supercomputadora acelera el desarrollo del propio modelo matemático de predicción del tiempo. Esto se debe a que las simulaciones pueden realizarse más rápidamente, lo que permite una comparación más eficaz con los fenómenos reales y posibilita ajustes y nuevas pruebas más rápidamente.

Después de desarrollado y ajustado, un modelo de predicción del tiempo tan complejo como el que se está desarrollando traerá muchos impactos positivos. La rapidez y la precisión de las predicciones de largo y corto plazos son fundamentales para la agricultura, para la generación de energía eléctrica, para la gestión de los recursos hídricos, para el medio ambiente en sí y para la protección de la población contra eventos extremos, por ejemplo.

En la agricultura, una buena previsión meteorológica es indispensable para todo, desde la siembra hasta la cosecha, pasando por la preparación del suelo y la aplicación de los defensivos agrícolas que protegen los cultivos contra las plagas. La importancia del agronegocio en la economía brasileña muestra la criticidad de que las previsiones meteorológicas sean precisas: de acuerdo con el IBGE, el sector representó más del 27% del PIB nacional en 2023, lo que, en valores absolutos, fue equivalente al PIB de Argentina.

En cuanto a la generación de energía eléctrica, datos de 2023 publicados por la Cámara de Comercialización de Energía Eléctrica (CCEE) informan que más del 71% de los 70,2 mil megavatios medios (MWm) generados durante ese año provinieron de las hidroeléctricas. Por cierto, cabe destacar el pionerismo de Brasil en el uso de fuentes de energía renovables: más del 93% de toda la energía eléctrica generada en el país en ese mismo año provino de fuentes renovables.

En cuanto a lo que afecta directamente a la población, no es necesario retroceder mucho en el tiempo para recordar la crisis hídrica vivida en el Sudeste del país entre 2013 y 2014. Las represas que abastecen de agua a la ciudad de São Paulo y al interior del estado llegaron a niveles críticos, lo que llevó a la implementación del racionamiento en la capital y en otras decenas de ciudades. En 2023, el Centro Nacional de Monitoreo y Alertas de Desastres Naturales (CEMADEN) documentó 1.161 desastres naturales, la mayoría relacionados con desbordamientos de ríos y deslizamientos de tierra. Esto representa un promedio de más de tres eventos por día. Fue la mayor cantidad anual registrada desde el inicio de los registros, en 2011, y el saldo fue de 132 muertes, 9.000 heridos y más de 74 mil personas sin hogar.

¿Un final feliz?

Eso es lo que todos esperamos: que este conjunto de hardware y software recapacite a Brasil desde el punto de vista de las predicciones y estudios climáticos, manteniendo el protagonismo que el país ha conquistado a través del esfuerzo conjunto de muchos investigadores y científicos. Uno de sus puntos álgidos ocurrió en 2014, cuando el Modelo Brasileño del Sistema Terrestre (BESM), también desarrollado por el INPE, fue incluido en el 5º Informe del Panel Intergubernamental sobre el Cambio Climático (IPCC).

Quién publicó esta columna

Ciro Barbieri da Cunha

É executivo sênior com ampla experiência em gestão de negócios, pessoas e projetos. Atuou em empresas de destaque como Zendesk, American Tower, Avon, Nextel, Nortel Networks e Cigna Healthcare, entre outras. É fã incondicional da aprendizagem contínua, leitor voraz e tem vontade permanente de ser útil às pessoas.

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.