IA en las vías: eficiencia en el transporte metropolitano

Columna

Innovación

15 de diciembre de 2025

IA en las vías: eficiencia en el transporte metropolitano

Control automatizado, mantenimiento predictivo y experiencia personalizada de los pasajeros consolidan la tecnología como motor de innovación en el sector

El transporte ferroviario es uno de los pilares fundamentales de la movilidad urbana moderna. En las grandes ciudades, el metro representa un medio de transporte eficiente, rápido y sostenible, responsable de conectar a millones de personas diariamente. De acuerdo con directrices de la Union Internationale des Transports Publics (UITP) y del Banco Mundial, sistemas de alta capacidad como el metro son esenciales para reducir la congestión y la emisión de contaminantes en la atmósfera urbana.

Sin embargo, la creciente demanda, los desafíos operativos y las expectativas de los usuarios en cuanto a calidad y confiabilidad exigen que los sistemas se modernicen continuamente. En este contexto, la inteligencia artificial (IA) surge como una herramienta estratégica, alineada con las recomendaciones de la ISO/IEC 42001:2023 (estándar internacional de gestión de IA), capaz de optimizar la operación, reducir costos, mejorar la experiencia de los pasajeros y aumentar la seguridad, a través de tecnologías que ayudan a los sistemas computacionales a realizar tareas que tradicionalmente requerirían inteligencia humana, como el reconocimiento de patrones, la toma de decisiones, la predicción y el aprendizaje a partir de datos.

Aplicaciones

Una de las principales aplicaciones de la IA en los metros es la automatización de la operación de los trenes. Muchos sistemas de vanguardia —como los de París, Londres, Singapur y Hong Kong— siguen los referenciales técnicos de la IEC 62290, que define los niveles de automatización GoA (Grade of Automation). El GoA4, en el que el tren opera sin conductor, utiliza sistemas de IA que procesan continuamente información de sensores, cámaras y señalización para ajustar velocidad, frenado y parada, garantizando máxima eficiencia energética y seguridad.

Otra aplicación relevante es el control predictivo de tráfico. Este tipo de solución está alineado a las prácticas recomendadas por el Institute of Electrical and Electronics Engineers (IEEE), especialmente en las normas de sistemas inteligentes de transporte (ITS).

Utilizando algoritmos de aprendizaje automático, los sistemas pueden predecir el flujo de pasajeros en diferentes horarios y estaciones, ajustando automáticamente el intervalo entre trenes. Esto permite que el metro opere con mayor regularidad y evite la superpoblación en horas pico. Además, la IA puede integrar datos externos — como eventos deportivos, condiciones climáticas o incidentes de tráfico — para anticipar variaciones en la demanda y planificar respuestas rápidas.

Mantenimiento predictivo y confiabilidad

Tradicionalmente, los sistemas de metro realizan mantenimiento preventivo, basado en cronogramas fijos. Sin embargo, este modelo no siempre es eficiente, ya que puede llevar a la sustitución innecesaria de componentes aún en buen estado o a la falla inesperada de piezas antes de la revisión.

El mantenimiento predictivo basado en IA está revolucionando esta práctica. Mediante la recopilación y análisis de datos de sensores instalados en trenes y equipos de vía —como motores, frenos, rieles y sistemas eléctricos—, algoritmos de inteligencia artificial identifican patrones de desgaste y anomalías antes de que causen fallas. Esto permite planificar intervenciones de forma más precisa, reduciendo paradas no programadas y costos innecesarios de mantenimiento. Además, aumenta la confiabilidad del servicio, ya que los problemas se solucionan de forma proactiva.

Un ejemplo práctico de esta aplicación es el uso de modelos de machine learning para predecir la degradación de los ejes de los trenes, el desgaste de los frenos y el estado de las vías. El sistema “aprende” de datos históricos y ajusta sus predicciones continuamente, indicando el momento ideal para cada reparación. Ciudades como Londres y Tokio ya utilizan ampliamente este tipo de tecnología en sus metros.

Seguridad y vigilancia

La inteligencia artificial es también una herramienta poderosa en la seguridad de los pasajeros, principalmente con el uso de visión computacional y análisis inteligente de video. Cámaras equipadas con algoritmos de IA pueden detectar comportamientos sospechosos, caídas accidentales en las plataformas, presencia de objetos abandonados e incluso señales de emergencia médica, como desmayos.

Estos sistemas pueden activar automáticamente los centros de control, permitiendo respuestas inmediatas de los equipos de seguridad o socorro. Además, la IA contribuye a optimizar el monitoreo humano, reduciendo la necesidad de que los operadores observen docenas de pantallas simultáneamente. Así, la vigilancia se vuelve más eficiente y menos susceptible a fallos humanos.

Otro avance importante es el uso de IA para la prevención de accidentes operacionales. Sensores y cámaras en los túneles y estaciones pueden identificar obstáculos, intrusiones indebidas en las vías y variaciones anómalas en las condiciones ambientales (como humo o calor excesivo). El sistema, entonces, alerta automáticamente al control central, evitando riesgos antes de que se vuelvan críticos.

Experiencia de usuario

Además de las mejoras operativas, la IA también tiene un papel creciente en la experiencia del pasajero. Los sistemas de chatbots y asistentes virtuales pueden proporcionar información en tiempo real sobre horarios, rutas, retrasos y alternativas de transporte, tanto en aplicaciones como en tótems instalados en las estaciones. Estos asistentes son capaces de interactuar en lenguaje natural, haciendo la comunicación más simple y accesible.

La IA también se utiliza para el análisis del comportamiento de los usuarios, a partir de datos de billetes electrónicos y sensores de presencia. Esta información ayuda a los operadores a comprender los patrones de desplazamiento y a optimizar las campañas de información, obras y acciones de mejora. En algunas ciudades, los sistemas de información visual adaptan el contenido mostrado en los paneles de las estaciones según el perfil de los usuarios presentes en el lugar y la situación operativa en tiempo real.

Eficiencia energética y sostenibilidad

El consumo de energía es uno de los principales costos de operación de un metro. La inteligencia artificial puede reducir significativamente este gasto por medio de algoritmos de conducción automática optimizada, que ajustan la aceleración y el frenado de acuerdo con el relieve, el peso del tren y el intervalo entre composiciones. Esta técnica, llamada eco-driving automatizado, permite ahorros expresivos de energía eléctrica y disminución del desgaste de los componentes mecánicos.

Además, los sistemas de IA también pueden optimizar el uso de iluminación, ventilación y aire acondicionado en las estaciones, adaptando el funcionamiento según el flujo de personas y las condiciones climáticas. Esta gestión inteligente contribuye a una operación más sostenible, con menor impacto ambiental.

Desafíos y perspectivas

A pesar de los avances, la adopción de la inteligencia artificial en el transporte metropolitano aún enfrenta desafíos. La integración de sistemas heredados, los altos costos iniciales de implementación, la necesidad de profesionales cualificados en análisis de datos y la protección cibernética son factores críticos. Además, es esencial garantizar que el uso de datos de los pasajeros siga principios éticos y de privacidad.

Sin embargo, se espera que los metros se conviertan en sistemas cada vez más autónomos, integrados e inteligentes. El concepto de “metro digital” —en el cual todas las decisiones operativas se basan en datos en tiempo real— ya comienza a concretarse en ciudades como Dubái y Pekín.

De esta manera, la inteligencia artificial está transformando profundamente el transporte metropolitano, haciéndolo más seguro, eficiente y centrado en el usuario. Desde el control automatizado de los trenes hasta el mantenimiento predictivo y la experiencia personalizada de los pasajeros, la IA se consolida como el motor de la innovación en el sector. A medida que las ciudades crecen y las demandas de movilidad se intensifican, invertir en soluciones inteligentes deja de ser una opción para convertirse en una necesidad.

Transporte ferroviario en Brasil

La red de metro brasileña, sumada a los sistemas de metro ligero y monorraíl, se concentra en pocas regiones metropolitanas y representa un porcentaje reducido de la demanda de transporte colectivo nacional. La expansión ocurre de forma lenta, marcada por discontinuidades de financiación, alternancia de gobiernos, limitaciones de inversiones federales y dependencia de modelos complejos de PPP y concesiones.

A pesar de ello, algunos sistemas destacan por su operación eficiente y avance tecnológico, especialmente el del Metro de São Paulo, referencia continental en confiabilidad, integración tarifaria y control avanzado de tráfico. Los principales desafíos que enfrenta el sector en Brasil son:

  • Fragmentación institucional: la división de responsabilidades entre Estados, Municipios y Unión dificulta la integración plena entre metro, trenes metropolitanos y autobuses, además de generar lentitud decisoria;
  • Dependencia de modelos de financiación complejos: las APP y las concesiones son importantes, pero a menudo se enfrentan a inseguridad jurídica, riesgos regulatorios e inestabilidad económica;
  • Baja digitalización operativa: algunos sistemas todavía operan con tecnologías heredadas de señalización, control de tráfico y facturación, lo que limita la adopción de soluciones avanzadas de IA;
  • Desafíos socioespaciales y urbanos: la expansión a áreas periféricas —donde la demanda es alta, pero los ingresos son menores— exige políticas públicas que concilien viabilidad financiera e inclusión social;
  • Seguridad operativa y ciberseguridad: la modernización tecnológica aumenta la vulnerabilidad a ataques cibernéticos y exige protocolos y entrenamientos continuos.

Estrategias para el Futuro

La creación de un Programa Nacional de Vías Férreas es el primer paso esencial, ya que, al igual que ocurrió en los sectores de energía y telecomunicaciones brasileños, la movilidad sobre rieles necesita un marco federal de financiación permanente, con metas de expansión a 10, 20 y 30 años. Como continuación, se vuelve igualmente importante el fortalecimiento de la integración metropolitana, lo que implica la adopción de billetes únicos y la planificación integrada de las líneas, garantizando mayor eficiencia en el sistema.

Además, el fomento de modelos sostenibles de APP requiere especial atención a la estabilidad regulatoria, la previsibilidad de los ingresos, la participación de la Unión como garante y la estandarización de contratos, garantizando la gobernanza y la seguridad jurídica.

Nada de eso, sin embargo, elimina la necesidad de mantener el enfoque en la equidad y la inclusión social, de modo que los proyectos de metro prioricen conexiones con periferias densas, promuevan una distribución más equilibrada de la oferta, aseguren tarifas accesibles y articulen políticas que integren desarrollo urbano y transporte.

Por último, la modernización tecnológica basada en IA desempeña un papel decisivo en este conjunto de directrices, lo que implica la adopción de sistemas CBTC y la automatización en los niveles GoA2, GoA3 y GoA4, el uso de algoritmos de optimización energética y la implementación de mantenimiento predictivo integrado, además de sistemas de análisis de vídeo inteligente y la integración con ciudades inteligentes y datos urbanos.

Enfoques

Brasil tiene el potencial de transformar sus redes metroferroviarias en sistemas modernos, eficientes e inteligentes. La convergencia entre inversiones estructurales, políticas metropolitanas integradas y tecnologías emergentes — especialmente inteligencia artificial — puede generar una nueva era de movilidad urbana, alineada a las necesidades sociales, ambientales y económicas de las grandes ciudades brasileñas.

Con planificación continua, gobernanza estable e innovación tecnológica, el país tiene condiciones de ampliar su red de vías, mejorar la calidad del transporte público y construir un futuro más sostenible y accesible. El metro del futuro será, inevitablemente, un metro impulsado por la inteligencia — no solo de sus máquinas, sino de la integración armoniosa entre tecnología, gestión y servicio público de calidad.

Quién publicó esta columna

Pedro Henrique Fabri Zanini

É gestor público com mais de 15 anos de experiência na administração pública, com atuação em Gestão de Contratos e Licitações, Administração Financeira e Orçamentária, ESG, cidades inteligentes e governo digital. Possui mestrado em Administração Pública, MBA em Gestão Pública, pós-graduação em Direito Público e graduação em Administração de Empresas. É professor orientador na USP/Esalq, autor de questões de concursos públicos para bancas examinadoras, escritor e membro do CRA/SP.

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.