Agentes conversacionales modernos

Autores
Lescano, Germán Ezequiel; Santana-Mansilla, Pablo; Tkachuk, Gregorio N.; Yolde, Noelia; Coria, Luz; Proserpio, Eliana; Ponce-Padilla, César; Carabajal, Angélica; Caloso, Benjamín
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los agentes conversacionales son sistemas diseñados para imitar el diálogo humano a través de voz, texto o gestos, y se clasifican en tres tipos principales: chatbots, avatares virtuales y robots físicos. Su uso se ha expandido en áreas como la salud, la educación y la atención al cliente. Los avances en la Inteligencia Artificial y el aprendizaje profundo han impulsado la creación de modelos conversacionales más avanzados, especialmente los Modelos de Lenguaje de Gran Escala (LLMs), capaces de generar texto contextual y coherente. Los LLMs actualmente son usados como base por los agentes conversacionales. Desde la perspectiva de la Interacción Humano-Computador (HCI), los agentes conversacionales representan una nueva generación de interfaces inteligentes que integran lenguaje natural, razonamiento y adaptabilidad. Las líneas de investigación más relevantes incluyen el fine-tuning e instruction tuning para la especialización en dominios concretos; la generación aumentada por recuperación (RAG), que combina búsqueda y generación neuronal; el prompt engineering para modular estilo y comportamiento; el aprendizaje por refuerzo con retroalimentación humana (RLHF); y la multimodalidad, que integra texto, voz e imagen. Un tópico de relevancia es la incorporación del componente afectivo para lograr interacciones más empáticas. En este marco, el proyecto se propone investigar principalmente el desarrollo de agentes inteligentes afectivos, sin excluir otras líneas complementarias vinculadas al aprendizaje profundo, la personalización y la mejora técnica de los sistemas conversacionales, con el fin de contribuir al desarrollo de una nueva generación de agentes más útiles, confiables y humanos.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Agente Conversacional
Deep Learning
Informática Conversacional
Chatbot
LLM
RAG
HCI
Computación Afectiva
RLHF
Fine Tuning
Prompt Engineering
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195668
Acceder
id SEDICI_fbfdaf3a2461731eb0f7935a33c7be1c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195668
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Agentes conversacionales modernosLescano, Germán EzequielSantana-Mansilla, PabloTkachuk, Gregorio N.Yolde, NoeliaCoria, LuzProserpio, ElianaPonce-Padilla, CésarCarabajal, AngélicaCaloso, BenjamínCiencias InformáticasAgente ConversacionalDeep LearningInformática ConversacionalChatbotLLMRAGHCIComputación AfectivaRLHFFine TuningPrompt EngineeringLos agentes conversacionales son sistemas diseñados para imitar el diálogo humano a través de voz, texto o gestos, y se clasifican en tres tipos principales: chatbots, avatares virtuales y robots físicos. Su uso se ha expandido en áreas como la salud, la educación y la atención al cliente. Los avances en la Inteligencia Artificial y el aprendizaje profundo han impulsado la creación de modelos conversacionales más avanzados, especialmente los Modelos de Lenguaje de Gran Escala (LLMs), capaces de generar texto contextual y coherente. Los LLMs actualmente son usados como base por los agentes conversacionales. Desde la perspectiva de la Interacción Humano-Computador (HCI), los agentes conversacionales representan una nueva generación de interfaces inteligentes que integran lenguaje natural, razonamiento y adaptabilidad. Las líneas de investigación más relevantes incluyen el fine-tuning e instruction tuning para la especialización en dominios concretos; la generación aumentada por recuperación (RAG), que combina búsqueda y generación neuronal; el prompt engineering para modular estilo y comportamiento; el aprendizaje por refuerzo con retroalimentación humana (RLHF); y la multimodalidad, que integra texto, voz e imagen. Un tópico de relevancia es la incorporación del componente afectivo para lograr interacciones más empáticas. En este marco, el proyecto se propone investigar principalmente el desarrollo de agentes inteligentes afectivos, sin excluir otras líneas complementarias vinculadas al aprendizaje profundo, la personalización y la mejora técnica de los sistemas conversacionales, con el fin de contribuir al desarrollo de una nueva generación de agentes más útiles, confiables y humanos.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf26-28http://sedici.unlp.edu.ar/handle/10915/195668spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195668Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.71SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Agentes conversacionales modernos
title Agentes conversacionales modernos
spellingShingle Agentes conversacionales modernos
Lescano, Germán Ezequiel
Ciencias Informáticas
Agente Conversacional
Deep Learning
Informática Conversacional
Chatbot
LLM
RAG
HCI
Computación Afectiva
RLHF
Fine Tuning
Prompt Engineering
title_short Agentes conversacionales modernos
title_full Agentes conversacionales modernos
title_fullStr Agentes conversacionales modernos
title_full_unstemmed Agentes conversacionales modernos
title_sort Agentes conversacionales modernos
dc.creator.none.fl_str_mv Lescano, Germán Ezequiel
Santana-Mansilla, Pablo
Tkachuk, Gregorio N.
Yolde, Noelia
Coria, Luz
Proserpio, Eliana
Ponce-Padilla, César
Carabajal, Angélica
Caloso, Benjamín
author Lescano, Germán Ezequiel
author_facet Lescano, Germán Ezequiel
Santana-Mansilla, Pablo
Tkachuk, Gregorio N.
Yolde, Noelia
Coria, Luz
Proserpio, Eliana
Ponce-Padilla, César
Carabajal, Angélica
Caloso, Benjamín
author_role author
author2 Santana-Mansilla, Pablo
Tkachuk, Gregorio N.
Yolde, Noelia
Coria, Luz
Proserpio, Eliana
Ponce-Padilla, César
Carabajal, Angélica
Caloso, Benjamín
author2_role author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Agente Conversacional
Deep Learning
Informática Conversacional
Chatbot
LLM
RAG
HCI
Computación Afectiva
RLHF
Fine Tuning
Prompt Engineering
topic Ciencias Informáticas
Agente Conversacional
Deep Learning
Informática Conversacional
Chatbot
LLM
RAG
HCI
Computación Afectiva
RLHF
Fine Tuning
Prompt Engineering
dc.description.none.fl_txt_mv Los agentes conversacionales son sistemas diseñados para imitar el diálogo humano a través de voz, texto o gestos, y se clasifican en tres tipos principales: chatbots, avatares virtuales y robots físicos. Su uso se ha expandido en áreas como la salud, la educación y la atención al cliente. Los avances en la Inteligencia Artificial y el aprendizaje profundo han impulsado la creación de modelos conversacionales más avanzados, especialmente los Modelos de Lenguaje de Gran Escala (LLMs), capaces de generar texto contextual y coherente. Los LLMs actualmente son usados como base por los agentes conversacionales. Desde la perspectiva de la Interacción Humano-Computador (HCI), los agentes conversacionales representan una nueva generación de interfaces inteligentes que integran lenguaje natural, razonamiento y adaptabilidad. Las líneas de investigación más relevantes incluyen el fine-tuning e instruction tuning para la especialización en dominios concretos; la generación aumentada por recuperación (RAG), que combina búsqueda y generación neuronal; el prompt engineering para modular estilo y comportamiento; el aprendizaje por refuerzo con retroalimentación humana (RLHF); y la multimodalidad, que integra texto, voz e imagen. Un tópico de relevancia es la incorporación del componente afectivo para lograr interacciones más empáticas. En este marco, el proyecto se propone investigar principalmente el desarrollo de agentes inteligentes afectivos, sin excluir otras líneas complementarias vinculadas al aprendizaje profundo, la personalización y la mejora técnica de los sistemas conversacionales, con el fin de contribuir al desarrollo de una nueva generación de agentes más útiles, confiables y humanos.
Red de Universidades con Carreras en Informática
description Los agentes conversacionales son sistemas diseñados para imitar el diálogo humano a través de voz, texto o gestos, y se clasifican en tres tipos principales: chatbots, avatares virtuales y robots físicos. Su uso se ha expandido en áreas como la salud, la educación y la atención al cliente. Los avances en la Inteligencia Artificial y el aprendizaje profundo han impulsado la creación de modelos conversacionales más avanzados, especialmente los Modelos de Lenguaje de Gran Escala (LLMs), capaces de generar texto contextual y coherente. Los LLMs actualmente son usados como base por los agentes conversacionales. Desde la perspectiva de la Interacción Humano-Computador (HCI), los agentes conversacionales representan una nueva generación de interfaces inteligentes que integran lenguaje natural, razonamiento y adaptabilidad. Las líneas de investigación más relevantes incluyen el fine-tuning e instruction tuning para la especialización en dominios concretos; la generación aumentada por recuperación (RAG), que combina búsqueda y generación neuronal; el prompt engineering para modular estilo y comportamiento; el aprendizaje por refuerzo con retroalimentación humana (RLHF); y la multimodalidad, que integra texto, voz e imagen. Un tópico de relevancia es la incorporación del componente afectivo para lograr interacciones más empáticas. En este marco, el proyecto se propone investigar principalmente el desarrollo de agentes inteligentes afectivos, sin excluir otras líneas complementarias vinculadas al aprendizaje profundo, la personalización y la mejora técnica de los sistemas conversacionales, con el fin de contribuir al desarrollo de una nueva generación de agentes más útiles, confiables y humanos.
publishDate 2026
dc.date.none.fl_str_mv 2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/195668
url http://sedici.unlp.edu.ar/handle/10915/195668
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7
info:eu-repo/semantics/reference/hdl/10915/195432
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
26-28
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982611602309120
score 13.265058

Publicaciones similares