Agente de gestión probabilística de contextos (AGPC)

• Autores: De La Fuente, Gonzalo Uriel
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Vilallonga, Gabriel
• Fuente: Ingeniería en Informática
• Materia: gestión probabilística; Grafo Contextual Probabilístico; Procesamiento de Lenguaje Natural; Modelos de Lenguaje de Gran Escala
• Institución: Universidad Nacional de Catamarca

Fil: De La Fuente, Gonzalo Uriel. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.
En este trabajo se propone el diseño y desarrollo de un Agente de Gestión Probabilística de Contextos (AGPC), un sistema inteligente orientado a la administración avanzada de información, utilizando un Grafo Contextual Probabilístico (GCP) como núcleo arquitectónico. A diferencia de los enfoques lineales y de memoria estática presentes en la mayoría de asistentes actuales, el AGPC desarrollado implementa un modelo no lineal, difuso y reutilizable de contexto, capaz de establecer y ponderar relaciones probabilísticas entre fragmentos de información o contextos atómicos distribuidos en el tiempo y el espacio. El sistema combina técnicas de Procesamiento de Lenguaje Natural (PLN), Modelos de Lenguaje de Gran Escala (LLMs), bases vectoriales y bases de datos de grafos, permitiendo la recuperación semántica directa e indirecta de información relevante. El diseño propuesto busca garantizar la adaptabilidad a múltiples dominios (auditorías financieras, educación personalizada, entornos legales, médicos, entre otros), así como la escalabilidad para flujos de información en tiempo real. Si bien la arquitectura propuesta es conceptualmente generalizable a diversos contextos, para efectos de este trabajo final se selecciona el dominio legal como caso de aplicación principal. Este dominio permite validar empíricamente el funcionamiento del prototipo y establecer un alcance definido y acotado dentro del marco de la investigación, dado que su complejidad documental, temporal y contextual ofrece un entorno idóneo para evaluar la efectividad del modelo propuesto. El objetivo final de este trabajo es demostrar que un enfoque probabilístico y auditable de la gestión contextual no solo mejora la coherencia y trazabilidad de las respuestas de un agente inteligente, sino que también amplía su capacidad de transferencia de conocimiento entre distintos dominios.