La Facultad de Informática impulsa trabajos de Investigación, Desarrollo e Innovación que llevan a cabo alumnos y docentes-investigadores. Estos proyectos se enmarcan en una serie de estrategias tendientes a elevar el nivel académico de los alumnos de nuestro establecimiento durante el proceso de aprendizaje a través de trabajos experimentales junto a docentes-investigadores, quienes también participan de esta experiencia mostrando los últimos avances alcanzados en sus respectivas temáticas.

Las propuestas desarrolladas por el LIFIA para el año 2026 se detallan a continuación. Si te interesa saber más o sumarte a alguno de los proyectos, contactate con alguno de los docentes guía.

Título	Docentes guía
Compañero háptico con IA generativa para ayudar a la autorregulación de personas neurodivergentes	Andrés Rodríguez, Cecilia Challiol, Federico Balaguer
Uso de NLP, AI y LLMs a textos semiestructurados para mejorar la calidad y extraer información	Juliana Delle Ville, Giuliana Maltempo, Nicolas Ruffolo, Carlos Nush, Leandro Antonelli
Descubriendo conocimiento con LLMs y Grafos de Dark Patterns: la web del engaño y el rol de la IA	Julián Grigera, Alejandra Lliteras, Juan Cruz Gardey, Leonardo Germán Loza Bonora
Construcción de RAG – Aspectos de Ingeniería de Software en proyectos con IA Generativa	Joaquín Bogado, Alejandra Garrido, Claudia Pons

Compañero háptico con IA generativa para ayudar a la autorregulación de personas neurodivergentes

Coordinadores: Andrés Rodríguez, Cecilia Challiol, Federico Balaguer

Motivación:
Cada vez más personas neurodivergentes desarrollan tareas que implican alta exposición pública en ámbitos académicos y profesionales; esto las puede llevar a enfrentarse con situaciones que les generan picos de ansiedad y/o sobrecarga sensorial justo en momentos críticos (clases, presentaciones, talleres). Es fundamental que cuenten con estrategias de autorregulación que les permitan recuperar el equilibrio y sostener su participación.Para facilitar la autorregulación de estas personas se han desarrollado tecnologías calmantes de diverso tipo. Algunas, basadas en el tacto, incluyen desde objetos “abrazables” que simulan respiración lenta o latidos para reducir ansiedad, hasta vestibles que proveen patrones vibrotáctiles sincronizados con la frecuencia cardíaca para inducir calma. En este proyecto se buscará traducir los datos de estrés en patrones hápticos y narrativas sensoriales personalizadas. Proponemos explorar la noción de un “compañero háptico” respetuoso, potenciado por IA generativa, que ayude a la persona a reconocer y regular sus emociones sin perder agencia ni presencia en la escena social. Además, se espera que este proyecto ayude a visibilizar una problemática que experimentan diariamente las personas neurodivergentes.

Objetivos:
Nos proponemos:  a) desarrollar una herramienta asistida por IA generativa para co-diseñar catálogos personales de patrones vibrotáctiles y metáforas sensoriales significativas, b) construir un prototipo vestible en formato de brazalete o muñequera que detecte el pulso cardíaco, lo traduzca a niveles de estrés y con asistencia de IA generativa seleccione los patrones vibrotáctiles personalizados apropiados para facilitar el proceso de autoregulación.

Resultado esperado:
Un sistema compuesto por una demo de la herramienta para diseñar catálogos de patrones hápticos y narrativas sensoriales adaptadas a distintos perfiles y situaciones y un prototipo vestible de “compañero háptico” que reproduce patrones vibrotáctiles personalizados de acuerdo con el estado de estrés sensado. La demostración buscará mostrar el ciclo completo: la generación de  metáforas sensoriales personalizadas asociadas a patrones hápticos concretos y su uso en contextos de exposición.

Uso de NLP, AI y LLMs a textos semiestructurados para mejorar la calidad y extraer información

Coordinadores: Juliana Delle Ville, Giuliana Maltempo, Nicolas Ruffolo, Carlos Nush, Leandro Antonelli.

Motivación:

Con el advenimiento de la industria 4.0 el volumen de información en lenguaje natural que producen y potencialmente consumen los sistemas informáticos es inmenso. Por lo cual, se necesitan técnicas que automaticen el tratamiento de esa información. En este marco, los avances de la AI, ya sea a traves de librerias de bajo nivel como las de NLP o por intermedio de los LLMs permiten sacar provecho proveyendo medios para revisar el estilo de redacción, extraer información y identificar similitudes entre otros. Estas técnicas son generales y deben ser ajustadas y combinadas en función de las necesidades puntuales.

Objetivos:

El objetivo de este proyecto es realizar pruebas de concepto de diferentes técnicas e implementarlas en servicios para compartir con la comunidad, con el fin de: revisar el estilo de redacción, extraer informacion, identificar similitudes y diferencias, como así también obtener respuestas a preguntas.

Resultado esperado:

Este proyecto comenzó en 2020 y continuó ininterrumpidamente desde entonces. Durante este tiempo, se han desarrollado pruebas de concepto y prototipos para editar texto y realizar ciertas tareas (comprobar el estilo de redacción, extraer información, comparar artefactos por similaridad, etc.). En este proyecto, se espera extender la herramienta conforme a los objetivos mencionados.Anexo 3

Dark Patterns: la web del engaño y el rol de la IA

Coordinadores: Julián Grigera, Alejandra Lliteras, Juan Cruz Gardey, Leonardo Germán Loza Bonora

Motivación: 

El concepto de Patrones Oscuros (Dark Patterns) surgió en el área de Interacción Humano Computador, como un conjunto de técnicas que incorporan elementos engañosos en las interfaces de usuario (IU) para manipular el comportamiento de los usuarios. Por ejemplo, incrementar las ventas, recopilar información sin consentimiento, evitar que se cancelen suscripciones a servicios, entre otros. Por un lado, los modelos de lenguaje que provee la Inteligencia Artificial (IA) generativa pueden utilizarse para detectar Dark Patterns.

Por otro lado, el uso de la IA generativa para crear IUs, puede producir diseños que incorporan Dark Patterns, incluso sin que esa sea la intención de los desarrolladores.

La motivación de este proyecto es aprender, desde la ingeniería de software, a reconocer Dark Patterns y desarrollar técnicas de detección automática. 

El proyecto incorpora una dimensión de alfabetización crítica en datos e inteligencia artificial, reconociendo que algunas de las problemáticas de los diseños oscuros no son meramente técnicas, sino que sociales y éticas. Más allá de su detección, es parte del trabajo abordar la formación en ciudadanía digital, promoviendo que usuarios finales analicen y critiquen lógicas algorítmicas y el uso de datos por parte de estas interfaces que tienden a manipularlos. Se busca dotar al usuario de herramientas reflexivas para cuestionar la opacidad presente en ciertas interfaces y fomentar así una interacción más consciente y soberana de la tecnología en pos de los derechos digitales y con foco en la educación abierta.

Objetivos:

• Este trabajo es una continuación del proyecto del año anterior en el que se desarrolló una herramienta para detectar automáticamente un conjunto de Dark Patterns. El objetivo de este proyecto es extender ese desarrollo principalmente en 3 direcciones:
• Perfeccionar la detección de los Dark Patterns en IUs.   
• Descubrir Dark Patterns de la IA Generativa
• Diseñar dinámicas de alfabetización crítica que permitan a los usuarios finales (ciudadanos digitales) visibilizar y comprender la lógica algorítmica y el uso de datos personales detrás de los diseños oscuros

Resultado esperado: 

De forma similar a la edición anterior, en la exposición se mostrará el funcionamiento de la herramienta en distintos sitios reales. En principio mediante un formato de juego se pondría a prueba a los participantes para observar si caen en el engaño de los Dark Patterns. Luego los participantes podrán explorar la herramienta para visualizar cómo aparecen estas prácticas engañosas de la web y en la medida de los posible aprender a evitarlas.  

Como resultado adicional, desde la perspectiva tecnopedagógica y la educación abierta, se espera proponer una dinámica que permita a los usuarios abrir la “caja negra” de este tipo de diseños engañosos analizando qué datos toman y eventualmente de qué manera se “engaña” y manipula a través de estos, a fin de fomentar una postura crítica y reflexiva más allá de aprender a cómo evadir estos engaños, disponibilizando los materiales generados, como recursos educativos abiertos, a través de la plataforma educativa “Alfadatizando”.

Construcción de RAG: Aspectos de Ingeniería de Software en proyectos con IA Generativa

Coordinadores: Joaquin Bogado, Alejandra Garrido

Motivación:

Los sistemas de Retrieval Augmented Generation (RAG) permiten utilizar modelos de lenguajes grandes (LLMs) para chatear con un acervo de documentos de una organización, aumentando la capacidad del modelo de lenguaje para responder preguntas para las que no fue entrenado. Cada vez más empresas están interesadas en este tipo de sistemas para solucionar diferentes problemas dentro de sus organizaciones. Sin embargo, el desarrollo de sistemas de este tipo plantea desafíos de ingeniería de software, que por lo novedoso del área, son temas de investigación actual. Por ejemplo, existen desafíos sobre qué tipos de requerimientos pueden cubrir estos sistemas, hasta aspectos que tienen que ver con testear respuestas abiertas de un modelo de lenguajes, pasando por aspectos técnicos de selección de modelos, etc. 

Objetivos:

• Estudiar el proceso de desarrollo en la construcción de software con IA Generativa.

• Determinar qué herramientas y metodologías son aplicables a diferentes etapas de la construcción de un RAG:
  • Elicitación de requerimientos
  • Selección de modelos
  • Estructuración de la entrada (chunking)
  • Testing/ Validación
• Determinar los desafíos particulares que plantea el desarrollo y construcción de este tipo de sistemas. 

Resultado:

Lecciones aprendidas y herramientas metodológicas.

Prototipos demostradores del uso de sistemas RAG que permitan poner en práctica durante el desarrollo y uso, los aprendizajes del proyecto.