Oficina de IA – VTI UChile
  • Educación
  • Proyectos
  • Blog

Revisa todos los artículos que tenemos para ti

  • ¿Cómo la IA utiliza los recursos de un computador?abril 24, 2025
  • ¿Qué Necesito para usar un Modelo de IA en mi Computador?abril 24, 2025
  • Modelos Locales o en la Nube: ¿Cuál Elegir al Usar IA?abril 24, 2025
  • 5 Cosas que la IA Puede Hacer Hoy (y 5 que Todavía No Puede)abril 23, 2025
  • MCP, ACP y A2A: Protocolos Clave en la Era de los Agentes de IAabril 23, 2025
  • ¿Qué es un Agente de Inteligencia Artificial? La Definición Clave de OpenAIabril 23, 2025
  • Los Errores Más Comunes al Redactar Prompts para Agentes de IA (Y Cómo Evitarlos)abril 22, 2025
  • Cómo Crear Prompts Efectivos para Agentes de Inteligencia Artificialabril 22, 2025
  • OpenAI nos Enseña la Importancia de Aprender a Escribir Promptsabril 22, 2025

Oficina de IA – VTI UChile

Nosotros

oficina.ia@uchile.cl

    • YouTube
  • Instagram
Extracción de Información desde Recetas Médicas
Block
Objetivo del proyecto
Desarrollar un sistema capaz de extraer automáticamente información crítica como el nombre del paciente, diagnóstico o patología y datos del médico tratante, a partir de recetas médicas escaneadas o fotografiadas. Esto con el fin de obtener estadística de los pacientes que fuesen relevantes para la toma de decisiones.
El desafío
Escritura manuscrita médica: Las recetas estaban escritas a mano, en caligrafías muchas veces difíciles de leer incluso para humanos.

Calidad variable de las imágenes: Se trabajó con imágenes tomadas desde celulares en condiciones no controladas, con baja iluminación, desenfoques, sombras y ángulos irregulares.

Contenido no estructurado: En ocasiones, las imágenes no contenían recetas médicas sino otros tipos de documentos o incluso fotos irrelevantes, lo que exigió implementar filtros previos de clasificación.
Nuestra solución
Se diseñó una solución basada en un pipeline de inteligencia artificial que integró diversas tecnologías:

Preprocesamiento de imágenes: Mejora de contraste, eliminación de ruido y corrección de perspectiva para optimizar la legibilidad.

Modelo de clasificación de imágenes: Identificamos automáticamente si una imagen contenía o no una receta válida antes de procesarla.

OCR híbrido (impreso y manuscrito): Se testearon modelos de OCR tradicionales (como Tesseract) combinados con modelos de deep learning entrenados específicamente para interpretar escritura médica manuscrita.

Post-procesamiento y validación semántica: Se estructuró la información extraída y se aplicaron reglas de validación para detectar errores, por ejemplo, reconociendo nombres de medicamentos o validando formatos típicos de cédulas y rut.

Desarrollar un sistema capaz de extraer automáticamente información crítica como el nombre del paciente, diagnóstico o patología y datos del médico tratante, a partir de recetas médicas escaneadas o fotografiadas. Esto con el fin de obtener estadística de los pacientes que fuesen relevantes para la toma de decisiones.

Para lo anterior, se desarrolló una solución que cumpliera con lo siguiente:
- Preprocesamiento de imágenes.
- Modelo de clasificación de imágenes.
- OCR híbrido (impreso y manuscrito).
- Post-procesamiento y validación semántica.

Radar Social: Noticias Clave para tu Organización
Block
Objetivo del proyecto
Desarrollar una herramienta que permita a los equipos de comunicación automatizar la búsqueda de noticias relevantes según intereses definidos por el usuario, accediendo a fuentes específicas y transformando automáticamente la información encontrada en contenido listo para publicar en redes sociales o compartir con su comunidad.

El desafío
Los equipos de comunicación deben mantenerse al día con temas clave para su institución, lo que implica una búsqueda constante y manual de noticias relevantes en múltiples medios.

Muchas veces, el contenido útil se pierde por no ser detectado a tiempo o por falta de capacidad para adaptarlo rápidamente a los formatos de difusión digital.

Se requería una solución que:
- Permitiera definir palabras clave de interés para monitoreo.
- Consultara solo en fuentes previamente autorizadas o confiables.
- Generara automáticamente una propuesta de publicación para redes sociales (como Instagram o Twitter).
- Dispusiera el contenido en una plataforma de revisión y aprobación para asegurar la calidad del mensaje institucional.
Nuestra solución
Se desarrolló un flujo inteligente que:

- Busca diariamente contenido noticioso relacionado con palabras clave configuradas por el usuario.
- Limita la búsqueda a fuentes seleccionadas para garantizar la pertinencia y confiabilidad.
- Extrae los puntos clave de cada noticia y los transforma en una propuesta de publicación para redes sociales.
- Deja disponible el contenido generado en una plataforma colaborativa para su revisión, edición y posterior aprobación.

Esta solución permite ahorrar tiempo, aumentar la presencia institucional en temas estratégicos y mantener la coherencia en la comunicación.

Este proyecto tiene como objetivo desarrollar una herramienta que permita a los equipos de comunicación automatizar la búsqueda de noticias relevantes según intereses definidos por el usuario, accediendo a fuentes específicas y transformando automáticamente la información encontrada en contenido listo para publicar en redes sociales o compartir con su comunidad.

Publicador Inteligente: Lleva tu Blog a Redes sin Esfuerzo
Block
Objetivo del proyecto
Optimizar el proceso de generación de contenidos mediante la automatización del proceso de generación de las publicaciones para Instagram y LinkedIn. El objetivo fue reducir el tiempo y esfuerzo manual invertido en adaptar y republicar contenidos, facilitando su revisión y aprobación en una plataforma centralizada.

El desafío
Las publicaciones generadas en el blog de la Vicerrectoría de Tecnologías de la Información (VTI) contenían contenido relevante que no siempre lograba llegar a las audiencias de redes sociales por la falta de tiempo o recursos para adaptar el material.

El proceso de transformar manualmente cada post del blog a un formato atractivo para Instagram era lento, repetitivo y propenso a errores.

Se necesitaba un flujo eficiente que permitiera:
- Detectar nuevas publicaciones del blog automáticamente.
- Transformarlas al estilo y formato visual propio de Instagram.
- Disponerlas en una plataforma intermedia para revisión, edición y aprobación, sin necesidad de intervención técnica.
Nuestra solución
Diseñamos un flujo automatizado de extremo a extremo, utilizando herramientas de integración y automatización.

El sistema:

- Detecta cuando se publica una nueva entrada en el blog.
- Toma el contenido relevante (título, resumen, imagen destacada) y lo transforma automáticamente en un formato visual optimizado para Instagram.
- Publica una versión editable en una plataforma de revisión colaborativa, donde el equipo de comunicaciones puede ajustar el contenido y aprobarlo antes de su publicación final.
- Este proceso aceleró significativamente la visibilidad del contenido institucional en redes sociales, manteniendo coherencia visual y textual sin requerir procesos manuales extensivos.

Este proyecto tiene como objetivo optimizar el proceso de generación de contenidos mediante la automatización del proceso de generación de las publicaciones para Instagram y LinkedIn. El objetivo fue reducir el tiempo y esfuerzo manual invertido en adaptar y republicar contenidos, facilitando su revisión y aprobación en una plataforma centralizada.

Nuestra Solución
- Detectar cuando existe una nueva entrada.
- Convertir el contenido al formato de una publicación en redes sociales.
- Disponer la publicación en un software intermedio para su aprobación.
- Publicación.

Tercer Revisor: IA al Servicio de la Evaluación Académica
Block
Objetivo del proyecto
Este proyecto tiene como objetivo complementar la revisión de papers en un congreso académico —tradicionalmente realizada por personas — mediante la incorporación de un asistente potenciado por IA que entregue una evaluación basada en la rúbrica y retroalimentación.
El desafío
- La última versión del congreso tuvo 400 papers a revisar.

- Cada resumen es revisado por dos personas, lo que implica una carga significativa para los evaluadores.

Se buscaba incorporar un tercer revisor basado en IA que pudiera:
- Ser un medio objetivo de comparación y revisión.
- Proporcionar retroalimentación temprana mediante comentarios estructurados.
- Mantener la coherencia con los criterios humanos.

El proyecto debía poner a prueba tres modelos de IA diferentes, comparando su desempeño para determinar cuál se adapta mejor al proceso de evaluación académica.
Nuestra solución
Se desarrolló un agente revisor de papers con IA capaz de:

- Leer y analizar resúmenes académicos.
- Aplicar automáticamente una rúbrica de evaluación.
- Generar comentarios explicativos junto al puntaje asignado.

Se diseñó un entorno de prueba para comparar tres modelos distintos de IA, midiendo:

- Coherencia con evaluaciones humanas.
- Claridad y profundidad de los comentarios.
- Consistencia en la aplicación de criterios.

La prueba de concepto permitió validar el rol del agente como complemento del proceso humano, con potencial de escalar a futuras ediciones del congreso.

Este proyecto tiene como objetivo complementar la revisión de papers en un congreso académico —tradicionalmente realizada por personas — mediante la incorporación de un asistente potenciado por IA que entregue una evaluación basada en la rúbrica y retroalimentación.

Para lo cual se desarrolló un agente revisor de papers con IA capaz de:

- Leer y analizar resúmenes académicos.
- Aplicar automáticamente una rúbrica de evaluación.
- Generar retroalimentación basada en la rúbrica junto a una asignación de puntaje coherente con los comentarios.