La inteligencia artificial generativa está transformando numerosos sectores, desde la creación de contenido hasta el desarrollo de software. En el ámbito científico también está demostrando un enorme potencial, especialmente en disciplinas como la química molecular o el descubrimiento de nuevos fármacos. Sin embargo, cuando el objetivo es diseñar procesos industriales completos, las soluciones disponibles siguen siendo escasas.
Con esta necesidad como punto de partida nace INPROGENIA (Inteligencia Artificial Generativa para la Ingeniería de Procesos Químicos), un proyecto de investigación cuyo propósito es demostrar que un modelo de lenguaje especializado puede convertirse en una herramienta de apoyo para el diseño de experimentos en ingeniería química.
Más allá de responder preguntas
Los modelos de lenguaje actuales destacan por su capacidad para generar texto y responder consultas complejas. No obstante, cuando trabajan con información técnica altamente especializada pueden enfrentarse a un problema habitual: la falta de acceso a documentación específica y el riesgo de generar respuestas sin una base documental sólida.
INPROGENIA aborda este desafío mediante una arquitectura basada en Retrieval-Augmented Generation (RAG), una tecnología que permite al modelo consultar información técnica antes de elaborar una respuesta. De esta forma, las propuestas se apoyan en un corpus documental cuidadosamente seleccionado que incluye literatura científica, manuales técnicos, patentes, procedimientos internos e informes experimentales.
Una arquitectura diseñada para la industria
Uno de los aspectos diferenciales del proyecto es que todo el sistema funciona sobre infraestructura propia. El despliegue local permite mantener el control sobre la información utilizada durante el proceso de generación y resulta especialmente interesante para sectores donde la confidencialidad del conocimiento constituye un activo estratégico.
La plataforma incorpora diferentes componentes que trabajan de forma coordinada:
- Procesamiento automático de documentación técnica.
- Segmentación semántica capaz de conservar tablas, ecuaciones y figuras.
- Base de datos vectorial para la recuperación eficiente de información.
- Búsqueda híbrida que combina recuperación léxica y semántica.
- Modelo generativo especializado en ingeniería química.
Gracias a esta arquitectura, el sistema no solo recupera información relevante, sino que también puede justificar el origen de cada respuesta, favoreciendo la trazabilidad y reduciendo el riesgo de generar información no respaldada documentalmente.
Diseñando experimentos de forma asistida
El objetivo de INPROGENIA no consiste en sustituir al investigador, sino en facilitar las primeras fases del diseño experimental.
A partir de una consulta técnica, el sistema puede proponer materiales, equipos, reactivos, condiciones de operación, fundamentos teóricos y modelos para el tratamiento posterior de los datos. Esto permite reducir el tiempo dedicado a la búsqueda bibliográfica y a la elaboración inicial de protocolos experimentales.
La supervisión del investigador continúa siendo imprescindible para validar las propuestas, adaptar las condiciones a la realidad del laboratorio e interpretar los resultados obtenidos.
Una validación en condiciones reales
Para comprobar el funcionamiento del sistema, el proyecto seleccionó un caso de estudio representativo: el diseño de un proceso de extracción de pectina a partir de residuos cítricos mediante hidrólisis ácida asistida por microondas.
El modelo fue el encargado de generar el protocolo experimental completo, incluyendo los parámetros operativos y la metodología de trabajo. Posteriormente, el procedimiento fue ejecutado en laboratorio para evaluar si las recomendaciones resultaban técnicamente viables.
Los resultados mostraron que el protocolo podía llevarse a la práctica con modificaciones mínimas y que las condiciones propuestas presentaban una elevada concordancia con la literatura científica.
Hacia una nueva forma de desarrollar ingeniería
La aplicación de la inteligencia artificial en ingeniería de procesos todavía se encuentra en una etapa temprana, pero proyectos como INPROGENIA muestran el potencial de estas herramientas para acelerar el desarrollo experimental.
La combinación de modelos generativos, recuperación documental y validación en laboratorio abre nuevas posibilidades para investigadores y empresas que buscan optimizar sus procesos de I+D sin renunciar al rigor científico.
En definitiva, la inteligencia artificial no sustituye la experiencia del ingeniero, pero puede convertirse en un aliado capaz de agilizar el análisis de información, proponer alternativas fundamentadas y apoyar la toma de decisiones durante el desarrollo de nuevos procesos industriales.
Ponte en contacto