Las tecnologías digitales y la inteligencia artificial ofrecen oportunidades para desarrollar tesis de ingeniería orientadas a evaluar procesos empresariales. Para convertir una idea tecnológica en una investigación, es necesario definir qué se implementará, qué indicadores se medirán y cómo se compararán los resultados.
Un diseño cuantitativo preexperimental de preprueba y posprueba con un solo grupo sigue esta secuencia:
Medición inicial → aplicación de la tecnología → medición posterior
Hernández Sampieri, Fernández Collado y Baptista Lucio señalan que este diseño proporciona una referencia inicial, pero tiene control limitado: otros acontecimientos podrían explicar los cambios observados. Por ello, sus resultados no permiten establecer causalidad con certeza.
Los siguientes temas son propuestas hipotéticas para tesis de ingeniería industrial, empresarial y de sistemas. No representan investigaciones ejecutadas ni resultados comprobados.
1. Asistente de inteligencia artificial para atención al cliente
Título propuesto: Evaluación del tiempo de respuesta y la exactitud de las respuestas antes y después de implementar un asistente de IA en la empresa X.
La intervención consiste en incorporar un asistente conectado a información autorizada sobre productos, servicios y procedimientos.
Indicadores: tiempo de primera respuesta, porcentaje de respuestas correctas y porcentaje de consultas resueltas.
La medición debe utilizar criterios uniformes para evaluar la exactitud y consultas comparables en complejidad. También conviene registrar las intervenciones humanas necesarias.
2. Automatización digital de la elaboración de reportes
Título propuesto: Evaluación del tiempo de elaboración y los errores de reportes operativos antes y después de implementar una automatización digital en la empresa X.
La propuesta puede integrar formularios, hojas de cálculo, bases de datos y herramientas de automatización.
Indicadores: minutos por reporte, errores por documento y porcentaje de reportes entregados dentro del plazo.
Este tema permite comparar una tarea delimitada, como consolidar diariamente la producción. Los reportes anteriores y posteriores deben tener un alcance equivalente.
3. Sistema digital para control de inventarios
Título propuesto: Evaluación de las diferencias de inventario antes y después de implementar un sistema de registro digital en el almacén de la empresa X.
La intervención puede utilizar códigos de barras, códigos QR o registros móviles para entradas y salidas.
Indicadores: porcentaje de registros con diferencias, tiempo de localización de productos y exactitud del inventario.
La medición requiere procedimientos de conteo consistentes y registrar cambios simultáneos en el surtido o volumen de movimientos.
4. Visión artificial para inspección de calidad
Título propuesto: Evaluación del tiempo de inspección y la detección de defectos antes y después de incorporar un sistema de visión artificial en el proceso X.
La intervención utiliza imágenes y un modelo que identifica defectos previamente definidos.
Indicadores: tiempo por inspección, proporción de defectos detectados y frecuencia de falsas alarmas.
Es necesario contar con una referencia de evaluación, como la revisión de especialistas. Para valorar el modelo, las imágenes de prueba deben estar separadas de las utilizadas para entrenarlo.
5. Pronóstico de demanda mediante aprendizaje automático
Título propuesto: Evaluación del error de pronóstico antes y después de incorporar un modelo de aprendizaje automático en la planificación de demanda de la empresa X.
La intervención consiste en integrar un modelo predictivo al procedimiento de planificación.
Indicadores: error absoluto medio —MAE— o raíz del error cuadrático medio —RMSE—, según la justificación del estudio.
La evaluación debe utilizar datos que no hayan intervenido en el entrenamiento y considerar la estacionalidad. Si únicamente se comparan algoritmos sobre datos históricos, el estudio requiere una clasificación metodológica acorde con ese procedimiento; no se convierte automáticamente en preexperimental.
6. Sensores digitales para monitoreo energético
Título propuesto: Evaluación del consumo energético específico antes y después de implementar monitoreo digital y alertas operativas en el proceso X.
La intervención combina sensores, visualización de datos y un protocolo de actuación ante consumos anómalos.
Indicadores: kilovatios-hora por unidad producida, consumo fuera del horario operativo y tiempo de respuesta ante alertas.
Se debe distinguir entre instalar sensores y aplicar acciones de mejora. Además, la comparación necesita considerar el volumen de producción, los horarios y la mezcla de productos.
7. Inteligencia artificial para clasificación documental
Título propuesto: Evaluación del tiempo y la exactitud de clasificación documental antes y después de incorporar un modelo de IA en la empresa X.
La propuesta puede clasificar órdenes, solicitudes o documentos técnicos en categorías establecidas.
Indicadores: tiempo por documento, porcentaje de clasificaciones correctas y porcentaje que requiere revisión humana.
La validación debe contemplar documentos nuevos, diferentes niveles de dificultad y reglas para proteger la información utilizada.
8. Sistema digital para seguimiento del mantenimiento
Título propuesto: Evaluación del cumplimiento del mantenimiento preventivo antes y después de implementar un sistema digital de programación y seguimiento en la empresa X.
La intervención incorpora órdenes de trabajo, recordatorios y registro de ejecución.
Indicadores: porcentaje de actividades cumplidas a tiempo, órdenes vencidas y tiempo de cierre.
El estudio debe documentar posibles cambios en personal, disponibilidad de repuestos o carga de trabajo durante la evaluación.
Cómo formular el problema, la hipótesis y el objetivo
Tomando el tema de automatización de reportes, una formulación posible sería:
| Componente | Ejemplo |
|---|---|
| Problema | ¿Qué cambios se observan en el tiempo de elaboración y la frecuencia de errores de los reportes después de implementar la automatización digital? |
| Hipótesis | El tiempo promedio de elaboración y la frecuencia de errores serán menores en la medición posterior que en la inicial. |
| Objetivo general | Evaluar los cambios en el tiempo de elaboración y la frecuencia de errores antes y después de implementar la automatización digital. |
| Unidad de observación | Cada reporte que cumpla los criterios definidos para el estudio. |
| Intervención | Flujo automatizado de captura, consolidación y generación del reporte. |
La hipótesis expresa un resultado esperado que deberá contrastarse; no anticipa una mejora como hecho demostrado.
Cómo elegir un tema viable
Conviene seleccionar un proceso con acceso a datos, autorización para intervenir y posibilidad de medirlo antes y después. La tesis debe precisar el periodo de implementación, los indicadores, las condiciones de medición y los cambios externos que podrían influir.
También es importante distinguir desarrollo tecnológico y evaluación. Construir un aplicativo o entrenar un modelo produce una solución; la investigación debe explicar qué evidencia se obtiene sobre su funcionamiento y utilidad.
Un tema bien delimitado permite evaluar una intervención concreta y presentar conclusiones proporcionales al diseño: cambios observados en el contexto estudiado, condiciones de aplicación y oportunidades para investigaciones posteriores.
Referencia metodológica
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. del P. (2014). Metodología de la investigación (6.ª ed., p. 141). McGraw-Hill Education.