Hay una brecha histórica entre el hallazgo que ocurre en un laboratorio y su impacto directo en la comunidad. Sin embargo, cuando la matemática avanzada, la computación y la ingeniería aplicada se cruzan, esa distancia se reduce drástica y aceleradamente. Bajo esta premisa, la comunidad científica de la Facultad de Ingeniería de la UNER se dio cita el pasado 24 de agosto para visibilizar un fenómeno innegable: cómo la Inteligencia Artificial dejó de ser un horizonte de ciencia ficción para convertirse en una herramienta técnica, rigurosa y auditable de trabajo cotidiano.
La Jornada de Inteligencia Artificial en los Núcleos de I+D+i, organizada de forma conjunta por las secretarías de Vinculación Tecnológica e Innovación y de Investigación y Posgrado, congregó a investigadores, docentes y estudiantes que mostraron los avances, herramientas y desafíos de la IA en el marco de sus proyectos y desarrollos.
El encuentro no solo fue una vitrina de talento, sino también un punto de reunión institucional respaldado por la vicerrectora de la UNER, María Carla Mántaras; el secretario de Ciencia, Tecnología e Innovación, Gabriel Gentiletti; el decano de la Facultad, Andrés Naudi; y los secretarios organizadores, Alejandra Morales y Javier Adur.
Diagnósticos, mapas epidemiológicos y código limpio: la IA en acción
A lo largo de la jornada se presentaron diversos desarrollos que abarcan desde la biología molecular hasta la gestión de infraestructura nacional, demostrando la versatilidad de los modelos computacionales cuando se diseñan con propósito social y territorial.
– IA Agéntica aplicada a la Salud y la Industria: Leonardo Rufiner (Lab. de Cibernética / CONICET), presentó experiencias que reafirman una visión clara: la IA no debe operar en «piloto automático», sino actuar como un copiloto de alta precisión. Desde esta perspectiva nacen proyectos como HealthLink (triaje cardiológico), Cuidarte IA (acompañamiento gerontológico), sistemas de evaluación del dolor neonatal en unidades de cuidados intensivos, y herramientas para el mantenimiento predictivo industrial y la gestión del Sistema Argentino de Interconexión (SADI).
– Modelado y simulación espacio-temporal basado en agentes de la tuberculosis en ciudades del Noroeste Argentino: Gabriel Cabrera, Enzo Sanchez (estudiantes avanzados) y Carlos Pais (Lab. Cibernética) expusieron cómo la combinación de modelos basados en agentes (ABM) con modelos de lenguaje locales (LLMs como Llama 3.2 ejecutados en GPU) permite simular en tiempo real la dinámica de transmisión de la tuberculosis en el Noroeste Argentino. Esta arquitectura matemática permite a las autoridades sanitarias ensayar e identificar qué intervenciones públicas tendrán un impacto real en la población antes de implementarlas en el territorio.
– Ciclo de Vida de Desarrollo de Software con IA y Asistentes normativos para tecnología médica: Víctor Valotto (LEyCEM), abordó dos grandes desafíos del desarrollo tecnológico: la calidad del código y la burocracia regulatoria. Por un lado, demostró cómo reducir la deuda técnica aplicando IA bajo métricas de alto rendimiento (DORA) y el marco IEDD. Por otro, presentó una arquitectura de prompts diseñada para que PyMEs biomédicas puedan cumplir de forma ágil y accesible con la rigurosa norma de software médico IEC 62304. Además, propuso el uso de «LLM Wikis» para transformar repositorios de código en memorias vivas y auditables de un proyecto.
– Herramientas de IA en Diseño y Prototipado Biomédico: Juan Manuel Reta (Laboratorio de Prototipado Electrónico y 3D) detalló cómo están utilizando el protocolo abierto Model Context Protocol (MCP) para conectar modelos de lenguaje directamente con entornos de diseño CAD y simuladores de circuitos. Esta sinergia entre modelos de visión e IA generativa permitió optimizar el diseño estético y estructural de carcasas de dispositivos biomédicos reales (como el equipo BioAmp), para equilibrar la funcionalidad electrónica con la ergonomía humana y acelerar el paso desde la idea teórica hasta el prototipo físico.
– Biomecánica computacional y el proyecto BioFEM: Agustín Grioni, estudiante y becario (Grupo de Biomecánica Computacional) presentó BioFEM, un entorno de código abierto que transforma tomografías computadas en modelos tridimensionales de alta precisión. Apoyado en redes neuronales 3D, el sistema no solo segmenta la imagen del hueso, sino que interpreta las Unidades Hounsfield de la tomografía para asignar la heterogeneidad y densidad mecánica del tejido, permitiendo a los cirujanos ensayar e inferir el comportamiento de una prótesis antes de realizar la primera incisión.
– Procesamiento de señales neurofisiológicas y aprendizaje automático: Rubén Acevedo (GIDNA-CIRINS) explicó cómo aplican técnicas de aprendizaje automático clásico, reducción de dimensionalidad y selección de características sobre señales de electroencefalografía (EEG). El objetivo central es extraer biomarcadores interpretables que ayuden a comprender con mayor nitidez las funciones motoras, auditivas, cognitivas y del lenguaje.
– IA generativa aplicada a anticuerpos, enzimas y antígenos: En el nivel más diminuto de la materia viva, Pablo Schierloh (LASBI) mostró el impacto de arquitecturas generativas como AlphaFold 3, RFdiffusion y ProteinMPNN. Su equipo utiliza estas herramientas predictivas para el «reparatopeo» de nanocuerpos para la neutralización del veneno de escorpión, el rediseño de enzimas industriales para el ajuste de pigmentos y la ingeniería computacional de inmunógenos orientados al desarrollo de nuevas vacunas.
– Del repositorio a la memoria del proyecto: gestión de conocimiento asistida por IA: Víctor Valotto (LEyCEM) abordó la transformación de repositorios de software en memorias del proyecto mediante el patrón LLM Wiki (como alternativa simple y auditable frente al RAG tradicional). Este esquema compila la información en un wiki estructurado (bounded contexts, ADRs, requerimientos y pruebas) facilitando la trazabilidad, el vocabulario del dominio y las consultas avanzadas.
Los avances presentados en la FIUNER abren un espacio de reflexión fundamental sobre el rol de la universidad pública en el escenario tecnológico actual. En el siglo XXI, la soberanía del conocimiento y el desarrollo autónomo no dependen de esfuerzos aislados, sino de una articulación estratégica. Este escenario reactualiza la vigencia del Triángulo de Sábato, un modelo de política científico-tecnológica que postula que la innovación real surge de la interacción permanente y equilibrada entre tres vértices esenciales: el Estado, la infraestructura científico-tecnológica —donde la Universidad es un pilar central— y el sector socioproductivo.
Bajo esta mirada integradora, el desafío actual radica en consolidar esta sinergia y asegurar las condiciones operativas para que la investigación pública siga impulsando soluciones tecnológicas de gran valor para toda la sociedad.
