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

02 de octubre de 2026

Determinantes de la ubicación de supermercados en São Paulo

Un estudio investigó los factores determinantes de la ubicación de supermercados en el estado de São Paulo, con el objetivo de investigar los factores que explican la presencia y expansión de estos establecimientos, considerando dimensiones socioeconómicas, demográficas y de mercado. Se utilizaron datos de los Censos Demográficos de 2010 y 2022 del IBGE y información del Cadastro Nacional de Pessoas Jurídicas de la Receita Federal do Brasil para construir una base de datos georreferenciada. Se aplicó un modelo de clasificación Random Forest, ajustado por grid search con validación cruzada, priorizando la métrica recall-macro debido al desbalanceo de la variable dependiente, que representó la presencia o ausencia de supermercados en un buffer de 50 metros. Los resultados indicaron que la ubicación de supermercados está fuertemente asociada a características demográficas, de ingresos y de población en el entorno. El análisis de importancia de las variables evidenció que factores sociodemográficos, como alfabetización de ancianos, ingresos familiares y la presencia de otros establecimientos de alimentación, ejercieron una influencia significativa, especialmente en el entorno inmediato. Los hallazgos reforzaron la hipótesis de que la distribución espacial de supermercados no es aleatoria, siendo condicionada por características socioeconómicas y por la estructura comercial del territorio, ofreciendo subsidios para decisiones empresariales y planificación urbana.

Palabras clave: Análisis espacial; Aprendizaje automático; Expansión; Ubicación comercial; Supermercados.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Educación Antirracista: Prácticas Educativas Inclusivas y Desarrollo Social

La educación antirracista, comprendida como eje estructurante de la educación inclusiva y del desarrollo social, fue investigada en el contexto brasileño. El estudio tuvo como objetivo identificar y analizar, con base en documentos legales y en la percepción de profesores, las prácticas educativas capaces de promover el antirracismo en la escuela y en la sociedad, y cómo la implementación de las Leyes nº 10.639/03 y nº 11.645/08 contribuyó a la justicia social. Se adoptó un enfoque cualitativo y documental, con análisis de legislación educacional, directrices curriculares, informes institucionales y literatura académica. Complementariamente, se aplicó un cuestionario semiestructurado a 295 profesores de Educación Básica. Los datos fueron evaluados cuantitativa y cualitativamente, por medio de análisis de contenido temático, y validados con estudios bibliográficos. Los resultados revelaron una paradoja: a pesar de un marco legal robusto, la implementación de las políticas antirracistas se mostró frágil y puntual, con carencia de formación docente, materiales didácticos adecuados y monitoreo. Se constató la persistencia de desigualdades educacionales significativas entre estudiantes blancos y negros, y la mayoría de los profesores reconoció la ocurrencia de racismo en las escuelas, pero sin protocolos institucionales claros. El análisis neurocientífico demostró que el racismo impacta negativamente el desarrollo cognitivo y emocional de los estudiantes. Se concluyó que la educación antirracista es central para una educación de calidad, exigiendo compromiso político, inversión pública y articulación intersectorial. La integración de la Neurociencia en la formación docente y la producción de materiales cualificados son cruciales para fortalecer el papel de la escuela en la construcción de una sociedad más justa e inclusiva.

Palabras clave: Desarrollo Social; Educación Antirracista; Justicia Social; Ley 10.639/03; Prácticas Educativas Inclusivas.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Caminos de la Inclusión: Percepciones de Padres y Profesores sobre la Escolarización de Estudiantes con Doble Excepcionalidad en el Contexto Brasileño

La Doble Excepcionalidad, caracterizada por la coexistencia de Altas Habilidades/Superdotación y trastornos del neurodesarrollo, representa un fenómeno complejo que desafía los modelos tradicionales de identificación y escolarización. El estudio tuvo como objetivo comprender las percepciones de padres o tutores, profesores y otros profesionales de la educación sobre la escolarización de estudiantes con Doble Excepcionalidad en el contexto brasileño, investigando desafíos, estrategias pedagógicas y posibilidades de inclusión basadas en la equidad. La investigación adoptó un enfoque cualitativo, exploratorio y descriptivo, y recopiló datos a través de un cuestionario en línea, voluntario y anónimo, respondido por 25 participantes. Los datos discursivos fueron analizados mediante análisis de contenido temático. Los resultados indicaron que el conocimiento sobre el tema se construye frecuentemente a partir de experiencias personales y profesionales, revelando lagunas en la formación sistematizada. Se identificaron dificultades en la identificación de estos estudiantes, en la formación docente y en la implementación de planes educativos individualizados, flexibilización pedagógica y enriquecimiento curricular. Se relataron repercusiones socioemocionales, como frustración y baja autoestima. Sin embargo, algunas escuelas demostraron prácticas inclusivas fundamentadas en la equidad, articulando necesidades específicas y potencialidades. Aunque los resultados no permiten generalizaciones, evidenciaron la necesidad de fortalecer la formación profesional y la articulación entre escuela, familia y servicios especializados. Se concluyó que la inclusión de estudiantes con Doble Excepcionalidad requiere prácticas que reconozcan simultáneamente sus dificultades y potencialidades, garantizando condiciones equitativas de participación, aprendizaje y desarrollo.

Palabras clave: Desarrollo humano; Formación docente; Inclusión escolar; Neurodivergencia; Prácticas pedagógicas.

02 de octubre de 2026

Modelado predictivo para la gestión de inventarios: aumento de la productividad y la eficiencia en un centro de distribución de alimentos

La gestión eficiente de las operaciones logísticas en centros de distribución es fundamental para la competitividad, especialmente en actividades intensivas en mano de obra, que impactan los costos operativos y el nivel de servicio. El estudio tuvo como objetivo desarrollar y evaluar diferentes modelos de pronóstico de demanda para optimizar la gestión de inventario y recursos en un centro de distribución de alimentos. Para ello, se utilizaron datos históricos de movimiento de un sistema WMS, aplicando modelos de regresión lineal, suavización exponencial de Holt-Winters y el algoritmo LightGBM. Los resultados indicaron que los modelos tradicionales presentaron limitaciones en la captura de la dinámica de la demanda, con un rendimiento inferior al LightGBM. El algoritmo de aprendizaje automático demostró un rendimiento superior, especialmente después de la incorporación de mayor granularidad de los datos y variables temporales, lo que permitió una mayor adherencia a la dinámica de la demanda. La aplicación del modelo resultó en una reducción del 36,38% en el desplazamiento para el pallet picking y del 31,98% para el case picking, totalizando una reducción global del 33,64%. Se concluyó que la utilización de modelos predictivos contribuyó a la mejora de la eficiencia operativa, permitiendo una mejor asignación de recursos y organización de los artículos en el proceso de separación de pedidos.

Palabras clave: Aprendizaje automático; Clasificación ABC; Eficiencia operativa; Logística; Pronóstico de demanda.

02 de octubre de 2026

Transformación de Datos en Estrategia: Investigación Aplicada para la Optimización de Operaciones en Ecoturismo

La creciente demanda en el turismo ecológico en Minas Gerais impulsó la búsqueda de inteligencia de negocios para transformar datos de clientes en información estratégica. El estudio objetivó estructurar un pipeline de ciencia de datos para recolectar, segmentar y clasificar la base de clientes de una operación de ecoturismo, con el fin de optimizar acciones de marketing y anticipar movimientos de mercado. Se realizó una investigación exploratoria, de naturaleza cuali-cuantitativa, por medio de un estudio de caso. Se utilizaron 2.777 registros transaccionales de una empresa de ecoturismo, referentes a enero de 2024 a diciembre de 2025. El proceso metodológico involucró recolección automatizada de datos (API Google Sheets), tratamiento y enriquecimiento (ETL), validación y creación de atributos RFM (Recencia, Frecuencia y Valor Monetario). Se aplicó reducción de dimensionalidad vía PCA y agrupamiento K-Means, con el número de clusters definido por el método del Codo y Silhouette Score. Se validaron los resultados con DBSCAN y K-Medoids. Los resultados revelaron la identificación de tres segmentos comportamentales de clientes: “Fiel”, “Bajo Valor” y “Potencial”. El segmento “Fiel” representó el mayor valor económico acumulado, mientras que el “Potencial” se destacó por el alto ticket promedio y potencial de conversión en recurrencia. La integración de las técnicas de análisis de datos demostró ser un método robusto y replicable para generar inteligencia en el ecoturismo. Se concluyó que el pipeline de ciencia de datos estructurado viabilizó la segmentación comportamental de la base de clientes, la validación estadística de los grupos y la creación de un sistema predictivo para nuevos compradores, proporcionando subsidios para decisiones estratégicas basadas en datos y futuros análisis.

Palabras clave: Clusterización; Inteligencia de negocios; Machine Learning; Segmentación de clientes; Toma de decisiones.

02 de octubre de 2026

Clasificación de clientes morosos mediante técnicas supervisadas de aprendizaje automático

El riesgo de incumplimiento en operaciones de crédito demandó enfoques analíticos para anticipar pérdidas. Este estudio evaluó comparativamente el desempeño de modelos supervisados de aprendizaje automático en la clasificación de clientes incumplidos en operaciones de tarjeta de crédito. Se utilizó la base pública “Default of Credit Card Clients”, de la Universidad de California Irvine, con 30.000 observaciones y desbalanceo de clases. Se emplearon los algoritmos Regresión Logística, Random Forest y Extreme Gradient Boosting. El desbalanceo se trató mediante la asignación de pesos a las clases, y la optimización de los modelos se realizó con el método RandomizedSearchCV, priorizando la sensibilidad. Los resultados de la validación cruzada indicaron que el modelo Extreme Gradient Boosting presentó mayor capacidad de identificación de la clase incumplida y mejor desempeño discriminatorio, seguido por Random Forest y Regresión Logística, con una sensibilidad de 0,8250 y un AUC-ROC de 0,7844 para el XGBoost. El análisis de interpretabilidad, realizado por la técnica Shapley Additive Explanations (SHAP), evidenció la predominancia de variables asociadas al comportamiento de pago, especialmente el historial de retrasos. Se concluyó que los modelos basados en árboles, particularmente técnicas de boosting, se mostraron más adecuados para capturar patrones complejos en los datos, configurándose como alternativas consistentes para la gestión de riesgo de crédito.

Palabras clave: Aprendizaje Automático; Tarjeta de Crédito; Clasificación; Extreme Gradient Boosting; Riesgo de Crédito.

02 de octubre de 2026

Análisis de Sentimientos sobre Bancos Brasileños en Twitter/X: Comparación entre Instituciones Tradicionales y Digitales

Un estudio analizó la percepción pública sobre instituciones financieras brasileñas en la plataforma Twitter/X, resaltando la importancia del monitoreo de sentimientos en redes sociales para la comprensión de la reputación y la experiencia del cliente en el sector bancario. El objetivo consistió en comparar la percepción de los usuarios sobre la imagen y la reputación de bancos tradicionales y digitales, a partir de los patrones de sentimiento identificados en las manifestaciones analizadas, buscando identificar diferencias estructurales entre estos grupos. La metodología se basó en el análisis de 1.096 tweets recopilados entre noviembre de 2022 y junio de 2023. Se utilizaron dos enfoques complementarios de análisis de sentimientos, la suma y la media de las etiquetas, para captar el sentimiento mayoritario y los matices de la percepción. Adicionalmente, se desarrollaron el Modelo de Perfil de Mercado, con indicadores de reputación emocional, riesgo reputacional, neutralidad y polarización, y el Modelo de Clusterización Bancaria, que permitió agrupar las instituciones conforme a patrones de percepción. Los resultados indicaron predominancia de sentimientos neutros y negativos, mayor volumen de interacciones en los bancos digitales y diferencias estructurales en la intensidad emocional de las percepciones, con mayor estabilidad en los bancos digitales y mayor polarización en los tradicionales. Se concluyó que la combinación de técnicas analíticas y estadísticas contribuyó a una comprensión profunda de la imagen institucional en el entorno digital, evidenciando la importancia de estrategias de gestión de la reputación basadas en datos.

Palabras clave: Bancos digitales; Bancos tradicionales; Modelado de datos; Opinion mining; Redes Sociales.

02 de octubre de 2026

Optimización de la planificación presupuestaria anual mediante metodologías de gestión de proyectos

El Plan Presupuestario Anual (POA) es un proceso crucial para traducir la estrategia organizacional en metas operativas y financieras, pero frecuentemente enfrenta presiones de plazos, dependencias interdepartamentales y la repetición de gastos habituales. El estudio objetivó analizar cómo la aplicación combinada de prácticas de gestión de proyectos y del Presupuesto Base Cero (PBC) puede optimizar el POA. Para ello, se desarrolló un estudio de caso en la operación brasileña de una compañía abierta del sector de bebidas, utilizando investigación documental de su informe de resultados de 2023 y un cuestionario anónimo aplicado a 47 encuestados. El análisis documental indicó crecimiento de la receta neta, expansión del margen bruto y del EBITDA ajustado, y avance contenido de los gastos de ventas, generales y administrativos, sugiriendo disciplina de costos y apalancamiento operativo. El relevamiento complementario reveló alta percepción de efecto cascada en el cronograma, fuerte apoyo a la definición de responsables por paquetes de costos y preferencia por justificación técnica de los gastos, además de demanda por flexibilidad controlada tras la definición de la línea base. Se concluyó que la estructuración del POA como proyecto, asociada al rigor del PBC, aumentó la previsibilidad del proceso, reforzó la responsabilidad sobre los gastos y amplió la coherencia entre la ejecución presupuestaria y el desempeño económico-financiero.

Palabras clave: Control de Costos; Eficiencia Operativa; Presupuesto Base Cero; PMBOK; Sector de Bebidas.

02 de octubre de 2026

Innovación en modelos de negocio tradicionales y su impacto en el entorno laboral

El estudio analizó cómo la innovación aplicada en modelos de negocio tradicionales impacta el ambiente de trabajo. Con este objetivo, se realizó una investigación de campo que involucró a 225 profesionales de diferentes sectores y niveles jerárquicos. La recolección de datos se llevó a cabo a través de un cuestionario estructurado, que investigó el perfil, las percepciones y los comportamientos de los participantes en relación con la innovación. Los resultados obtenidos indicaron que los colaboradores de empresas consideradas innovadoras percibieron niveles elevados de innovación, demostraron mayor compromiso, motivación para proponer mejoras y una mejor comprensión de los cambios implementados. En contraste, los profesionales de empresas tradicionales presentaron una percepción de innovación más baja, mayor neutralidad frente a las transformaciones y niveles más elevados de estrés e inseguridad en el ambiente laboral. Se observó, además, que el liderazgo, la comunicación clara, el apoyo y la capacitación adecuada fueron identificados como factores esenciales para facilitar la adaptación a los cambios y aumentar la receptividad de los colaboradores. Se concluyó que la tipología organizacional, asociada a la cultura y a las prácticas de gestión, influye directamente en la forma en que se vive la innovación internamente y sus efectos en el ambiente de trabajo.

Palabras clave: Compromiso; Empresas tradicionales; Gestión del cambio.