Universidad Nacional de Colombia
Laboratorio de Inteligencia Artificial
Grupo GCPDS
🏛️ Vicerrectoría General • Convocatoria SIUN
PROYECTO DE INNOVACIÓN TECNOLÓGICA • TRL 6

Tablero Institucional basado en Agentes RAG para Auditoría Interna

Automatización inteligente, trazable y verificable del seguimiento al Indicador E2-02-A2 en la Universidad Nacional de Colombia.

🎓 Profesores Investigadores (2 Plazas)

Dirección Científica
Profesor 1 — Investigador Principal (IP) [Nombre del Profesor / PhD en Inteligencia Artificial • LabIA]
Profesor 2 — Co-Investigador Principal [Nombre del Profesor / PhD en Procesamiento de Señales • GCPDS]

🔬 Estudiantes Investigadores (4 Plazas)

Desarrollo & Validación
Estudiante 1 • Maestría / Pregrado [Nombre / Pipeline ETL & RAG Vectorial]
Estudiante 2 • Maestría / Pregrado [Nombre / Agentes Conversacionales & Text-to-SQL]
Estudiante 3 • Maestría / Pregrado [Nombre / Modelado de Datos & Tableros BI]
Estudiante 4 • Maestría / Pregrado [Nombre / Cuantificación Incertidumbre & Grafo]
Universidad Nacional de Colombia • Manizales / Bogotá Septiembre de 2026 01 / 12
01 / Propuesta de Valor Impacto en la Gestión Institucional

¿Por qué transformar el seguimiento del Indicador E2-02-A2?

La Vicerrectoría General requiere pasar de reportes estáticos fragmentados a un sistema de decisión activo y citable.

Proceso Actual • Manual y Fragmentado ⚠️

Revisión Lenta con Riesgo de Omisión

Rúbricas, evaluaciones e informes de control dispersos en decenas de dependencias y formatos heterogéneos (PDF, Excel, actas).

  • 3 a 4 semanas requeridas para consolidar el estado de auditoría.
  • Cero trazabilidad interactiva: Imposible contrastar un hallazgo contra su fuente documental en tiempo real.
  • Sobrecarga cognitiva: Los tableros convencionales muestran gráficos pero no interpretan la evidencia.
+120h
Horas/mes en consolidación manual
0%
Citación interactiva de fuentes
Con Nuestra Solución • Prototipo IA RAG

Auditoría Inteligente, Inmediata y Verificable

Un agente conversacional que responde preguntas gerenciales complejas sobre el tablero y cita textualmente la evidencia documental.

  • Respuestas en < 3 segundos en lenguaje natural con anclaje de fuentes.
  • 100% Citas auditables: Cada afirmación incluye enlace al documento, página y párrafo original.
  • Detección temprana: Alertas proactivas de desvíos en el indicador E2-02-A2 antes del cierre de vigencia.
-65%
Reducción en tiempo de consulta
100%
Evidencias verificables
Transformación digital aplicada directamente al órgano decisor de la Universidad Nacional de Colombia. 02 / 12
02 / Diagnóstico Causal Problemas Específicos

Tres Cuellos de Botella que Resuelve el Proyecto

La literatura de analítica y RAG delimita tres carencias tecnológicas concatenadas que impiden la toma de decisiones ágil.

📂
Subproblema 1 (SP1)

Dispersión y Pérdida de Trazabilidad

Los insumos de auditoría (evaluaciones de control, rúbricas y planes de mejoramiento) residen en silos documentales sin un flujo ETL y RAG estructurado.

Riesgo Crítico: Decisiones basadas en documentos desactualizados y reprocesos continuos entre dependencias.
💬
Subproblema 2 (SP2)

Rigidez en Tableros para Decisores

Los tableros tradicionales de Business Intelligence son estáticos y exigen conocimientos analíticos previos para cruzar indicadores y justificaciones.

Riesgo Crítico: Baja adopción por parte de directivos y necesidad permanente de solicitar reportes especiales ad-hoc.
🎯
Subproblema 3 (SP3)

Alucinaciones y Falta de Calibración

Los modelos LLM convencionales inventan aserciones sin sustento y carecen de cuantificación de incertidumbre o mecanismos de abstención selectiva.

Riesgo Crítico: Responsabilidad legal y disciplinaria ante hallazgos de entes externos basados en datos no corroborados.
Cada subproblema cuenta con una solución tecnológica diseñada y validada dentro del marco del proyecto. 03 / 12
03 / Rigor Científico Fundamentación Teórica

Pregunta de Investigación e Hipótesis Validable

Investigación aplicada diseñada para generar evidencia empírica en el entorno de la Universidad Nacional.

Pregunta Central de Investigación
"¿Cómo diseñar un prototipo de tablero institucional basado en agentes de recuperación aumentada por generación que consolide de forma trazable y confiable la evidencia dispersa de auditoría interna (indicador E2-02-A2), garantizando respuestas verificables para decisiones gerenciales oportunas en la Vicerrectoría General?"
Foco de Innovación: Trazabilidad RAG extremo a extremo con citación en párrafo.
Unidad de Aplicación: Vicerrectoría General y órganos de control de la UNAL.
Hipótesis Científica
"La integración de un pipeline RAG multi-granular con agentes conversacionales sobre modelos de datos y una capa de cuantificación de incertidumbre con grafos de conocimiento supera significativamente a las líneas base generativas en exactitud de recuperación y fidelidad de citas, eliminando alucinaciones críticas."
Variable Independiente: Arquitectura Multiagente RAG + Grafo de Conocimiento.
Variables Dependientes: Fidelidad RAGAS, exactitud de citas, tiempo de consulta y usabilidad.
Diseño metodológico cuantitativo respaldado por más de 50 referencias indexadas Q1/Q2. 04 / 12
04 / Experiencia de Usuario Simulación del Prototipo

Cómo Interactúa el Decisor con el Tablero

Interfaz conversacional inteligente capaz de responder preguntas en lenguaje natural y corroborar la evidencia documental.

tablero-auditoria.unal.edu.co • Asistente RAG E2-02-A2
Vicerrector General:
"¿Cuáles fueron los principales hallazgos de control interno respecto al indicador E2-02-A2 en la Sede Manizales durante el último trimestre?"
🤖 Agente RAG Institucional:
En el informe de auditoría del III trimestre 2025 para la Sede Manizales se registraron 2 observaciones prioritarias en el indicador E2-02-A2:

1. Desfase del 12% en el cronograma de ejecución del plan de mejoramiento del componente administrativo.
2. Falta de soporte documental en 4 actas de cierre de proyectos integrados.

📄 Informe_Auditoria_Manizales_2025_Q3.pdf (Pág. 14, Párr. 2) 📊 Matriz_E2-02-A2_VGR.xlsx (Fila 48)
✓ Confianza de respuesta: 98.4% • Sin inconsistencias detectadas

2. Citación Estricta y Verificable

Cada respuesta incluye chips interactivos que abren el documento fuente exactamente en la página y párrafo correspondiente para auditoría instantánea.

3. Política de Abstención por Confianza

Si la evidencia es contradictoria o no existe registro documental, el agente no inventa respuestas: se abstiene y solicita verificación humana.

Prototipo diseñado pensando en la usabilidad y adopción de usuarios directivos no técnicos. 05 / 12
05 / Arquitectura Técnica Diagrama de Flujo Interactivo

Arquitectura de Datos y Agentes en Tiempo Real

Flujo dinámico desde la ingesta de documentos oficiales hasta la interacción del decisor con garantías de fidelidad.

1. Fuentes Documentales
📄 Rúbricas & Evaluaciones
PDFs, actas y rúbricas del indicador E2-02-A2
Ingesta ETL Continua
🗄️ Metadatos & KPIs
Base de datos institucional relacional
PostgreSQL / Warehouses
2. Núcleo RAG Trazable
⚡ Pipeline Vectorial
Fase 1
Segmentación multi-granular calibrada + Indexación en almacén vectorial con metadatos de párrafo.
Embeddings Q1/Q2
3. Agente & Confiabilidad
🧠 Agente ReAct + Grafo
Fases 2 & 3
Text-to-SQL + Razonamiento causal anclado en Grafo de Conocimiento institucional y estimación UQ.
Zero-Hallucination Guard
4. Salida para Decisores
📊 Tablero Ejecutivo
Vistas dinámicas, KPIs consolidados y alertas
Indicador E2-02-A2
🛡️ Auditoría Documental
Citas exactas con página, párrafo y enlace
Trazabilidad Total
Diagrama reactivo con arquitectura contenerizada basada en microservicios y APIs seguras. 06 / 12
06 / Hoja de Ruta Metodología Rigurosa

Plan de Trabajo en 4 Fases Consecutivas

Alineación 1:1 entre subproblemas, objetivos específicos y entregables verificables.

Fase 0
Corpus & Casos de Uso
Meses 1 – 3

Levantamiento de rúbricas reales del indicador E2-02-A2 junto al equipo decisor de la Vicerrectoría General.

Fase 1
Pipeline RAG Trazable
Meses 4 – 8

Implementación del flujo ETL, segmentación multi-granular y recuperación con citación documental exacta.

Fase 2
Agente sobre Tablero
Meses 9 – 14

Desarrollo de la interfaz de analítica conversacional en lenguaje natural con Text-to-SQL y visualizaciones.

Fase 3
Grafo & Confiabilidad
Meses 15 – 18

Modelado de grafo institucional de control, cuantificación de incertidumbre (UQ) y abstención calibrada.

Fase 4
Validación Operativa
Meses 19 – 24

Pruebas en entorno operacional real (TRL 6) con usuarios directivos, medición de carga cognitiva y transferencia.

Unidad de análisis: El prototipo tecnológico validado mediante casos de uso institucionales reales. 07 / 12
07 / Confiabilidad Métricas Objetivas

Garantías de Auditoría y Verificación de Citas

Protocolos cuantitativos para asegurar que ninguna respuesta invente información o desvíe la evidencia.

⚖️

Fidelidad vs. Corrección

En auditoría pública, una respuesta correcta en términos generales no es suficiente: debe ser estrictamente fiel a los informes radicados. Nuestro sistema audita la atribución de cada token generado.

Atribución Documental Mandatoria
📈

Métricas Automatizadas (RAGAS)

Evaluación continua del sistema frente a líneas base generativas mediante indicadores cuantitativos estándar en la literatura:

  • Context Precision: > 92% de pertinencia en recuperación.
  • Faithfulness: > 98% de apego estricto al corpus.
  • Answer Relevance: > 95% de adecuación a la consulta.
🛡️

Abstención por Baja Confianza

Cuando la métrica de incertidumbre semántica supera el umbral de riesgo, el agente activa una política de abstención justificada, señalando qué documento hace falta consultar.

Blindaje frente a Alucinaciones
Cumplimiento estricto con estándares de control interno y requerimientos de organismos de vigilancia. 08 / 12
08 / Compromisos de Entrega Horizonte 24 Meses

Cronograma de Ejecución e Hitos Verificables

Entregables tangibles estructurados con seguimiento bimestral ante la Vicerrectoría General.

Hito Vigencia Producto Tangible / Entregable Fase
Hito 1 Mes 3 Corpus Institucional & Requisitos Formalizados: Diagnóstico documental y casos de uso aprobados con Vicerrectoría. Fase 0
Hito 2 Mes 8 Pipeline RAG Operativo: Ingesta automatizada, base vectorial y benchmarking de fidelidad de citas. Fase 1
Hito 3 Mes 14 Prototipo Agente sobre Tablero: Interfaz conversacional funcional con Text-to-SQL y tablero de KPIs E2-02-A2. Fase 2
Hito 4 Mes 18 Capa de Grafo & Confiabilidad: Grafo de conocimiento de auditoría, calibración UQ y abstención. Fase 3
Hito 5 Mes 24 Transferencia & Validación Operativa (TRL 6): Prototipo en producción local, artículo Q1/Q2 y manual institucional. Fase 4
Garantía de cumplimiento mediante entregas parciales auditadas por el comité técnico de la convocatoria. 09 / 12
09 / Eficiencia Presupuestal Distribución Estratégica

Inversión Focalizada en Desarrollo y Cómputo

El 70% de los recursos se asigna directamente al talento técnico especializado y la infraestructura tecnológica.

Talento Técnico y Científico
2 Desarrolladores IA (30%), 1 Datos (12%), 1 Backend (12%)
54%
Cómputo e Infraestructura Cloud
Servidores GPU para embeddings, vector store y microservicios
16%
Coordinación y Gestión de Proyecto
Dirección metodológica, seguimiento de hitos e informes
10%
Validación en Campo con Decisores
Talleres de adopción, usabilidad y evaluación de carga cognitiva
8%
Divulgación, Transferencia & Open Data
Artículo científico Q1/Q2 y documentación de transferencia
7%
Software y Herramientas Técnicas
Licencias de benchmarking Ragas y monitoreo de calidad
5%
Retorno de Inversión
100%

Solución propietaria para la UNAL que elimina la contratación recurrente de consultorías externas y genera capacidad institucional transferible.

Costos calculados bajo las tablas oficiales de compensación de la Universidad Nacional de Colombia. 10 / 12
10 / Retorno y Productos Madurez TRL 6

Productos Tangibles y Beneficios para la Universidad

Entregables concretos que fortalecen el ecosistema de investigación y la gobernanza de datos.

💻
Software Prototipo TRL 6
Tablero interactivo contenerizado y desplegado en servidores institucionales con agente RAG y soporte multi-sede.
Transferencia Directa
📚
Artículo Indexado Q1 / Q2
Publicación internacional sobre fidelidad de RAG y abstención por incertidumbre en auditoría pública universitaria.
Impacto Científico
💾
Dataset Anotado de Auditoría
Corpus estructurado y anonimizado de pares pregunta-evidencia institucional para futuras investigaciones en IA.
Activo de Datos UNAL
🎓
Formación de Talento
4 estudiantes con entrenamiento de frontera en arquitecturas RAG, GraphRAG y desarrollo de software robusto.
Capital Humano

🏛️ Impacto en la Vicerrectoría General:

Dota a la administración universitaria de un cuadro de mando inteligente y permanente para el indicador E2-02-A2, sentando un precedente tecnológico replicable para los demás indicadores del Plan Global de Desarrollo.

Innovación desarrollada en casa con talento propio de la Universidad Nacional de Colombia. 11 / 12
Propuesta de Investigación SIUN

Una Alianza Estratégica para la Excelencia Universitaria

LabIA • Grupo GCPDS • Vicerrectoría General

Solución a Demanda Real

Resuelve la congestión de análisis documental del indicador E2-02-A2 con valor institucional tangible.

Liderazgo en IA Confiable

Pioneros en la aplicación de RAG con citación verificable y abstención por incertidumbre en Colombia.

Capacidad Instalada

Transferencia total del código, los modelos y la documentación a los servidores propios de la UNAL.

¿Preguntas y Retroalimentación del Comité?

Estamos a disposición para profundizar en los aspectos metodológicos, presupuestales y técnicos del proyecto.

📧 [contacto_profesor_investigador@unal.edu.co]
📍 Laboratorio de Inteligencia Artificial (LabIA)
📍 Grupo GCPDS — Sede Manizales