Diseño e implementación de un sistema agéntico para la gestión del conocimiento con inteligencia artificial generativa

Simple item page
dc.contributor.advisorMontero Bermúdez, Eduardo José
dc.contributor.authorSaravia Ávila, Bryan Alexander
dc.date.accessioned2026-06-19T19:27:02Z
dc.date.available2026-06-19T19:27:02Z
dc.date.issued2026
dc.description.abstractLa gestión del conocimiento (Knowledge Management, KM por sus siglas en inglés) constituye un componente fundamental para la explotación efectiva del conocimiento organizacional. Existen estudios recientes que demuestran que las prácticas de KM explican más del 80 % de la variabilidad del desempeño empresarial mediante mecanismos de innovación, aprendizaje organizacional y eficiencia operativa (Ştefan et al., 2024) , es así, de manera complementaria, (Isa & Rahmah, 2023) muestran que la relación entre KM y desempeño es mediada por capacidades dinámicas con un efecto indirecto significativo, reafirmando que la ausencia de procesos formales y tecnología adecuada limita la creación, uso y transferencia del conocimiento crítico. Las organizaciones enfrentan diversos retos estructurales, entre ellos la fragmentación documental, la existencia de repositorios heterogéneos, la duplicidad de información, la pérdida de conocimiento experto y las dificultades para acceder a datos no estructurados. Estas brechas impactan la capacidad para responder a necesidades de negocio basadas en conocimiento, situación identificada como un obstáculo en la literatura reciente de KM e innovación organizacional. En este sentido, marcos internacionales como ISO 30401, TOGAF® Standard y DAMA-DMBOK2 establecen que la gestión del conocimiento debe abordarse como un sistema formal integrado a la arquitectura empresarial, con procesos medibles y mecanismos de mejora continua. En paralelo, el auge de la inteligencia artificial generativa (GenAI) está redefiniendo la forma en que las organizaciones gestionan su conocimiento. Según McKinsey & Company (Chui, Yee, et al., 2023), menos del 33 % de las empresas ha adoptado GenAI de manera regular, pese a su potencial para incrementar la productividad laboral entre 0.1 % y 0.6 % anual, pudiendo alcanzar hasta 3.4 % en combinación con otras tecnologías. La baja adopción se debe, en parte, a la falta de integración de GenAI con marcos robustos de KM y a la dificultad para operacionalizar el conocimiento no estructurado. En este marco adquieren especial relevancia los sistemas agénticos, junto con las técnicas de Retrieval-Augmented Generation (RAG) y GraphRAG, ya que posibilitan la integración de la capacidad generativa de los modelos de inteligencia artificial con mecanismos de recuperación de información verificada, trazabilidad y razonamiento estructurado. Estudios recientes demuestran que el enfoque RAG contribuye a la reducción de alucinaciones y, entre sus principales beneficios, destaca la mejora en la recuperación contextual de la información, así como el apoyo a la generación y actualización de activos de conocimiento organizacional (Gao et al., 2024; James et al., 2025). De forma complementaria, los enfoques basados en grafos, como GraphRAG, facilitan la exploración de relaciones semánticas complejas y aportan mayor explicabilidad, aspectos esenciales en entornos corporativos donde el conocimiento debe ser confiable, auditable y coherente con los procesos de negocio. Considerando este escenario, se identifica una brecha crítica, pues, las organizaciones aún carecen de sistemas unificados que integren IA generativa, recuperación contextual (RAG) y principios de gestión del conocimiento alineados a estándares internacionales. Esta brecha motiva el desarrollo del presente estudio, orientado al diseño e implementación de una arquitectura tecnológica de un sistema agéntico apoyado en inteligencia artificial generativa y técnicas de recuperación de información, con el fin de mejorar los procesos de gestión del conocimiento organizacional.
dc.id.advisor1715237051
dc.id.author1721701215
dc.identifier.other15960
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/49115
dc.language.isoes
dc.publisherPUCE - Quito
dc.subjectGestión del conocimiento - Arquitectura empresarial
dc.subjectInteligencia artificial generativa - Aplicaciones
dc.subjectAgentes inteligentes (Software para computadores)
dc.subjectGeneración aumentada por recuperación
dc.titleDiseño e implementación de un sistema agéntico para la gestión del conocimiento con inteligencia artificial generativa
dc.typemasterThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Maestría / Saravia Ávila Bryan Alexander
Size:
5.2 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis - Maestría en Sistemas de Información mención en Data Science