Innovación en gestión El CONICET incorpora inteligencia artificial para identificar potenciales especialistas
La herramienta optimiza la búsqueda de especialistas para integrar las comisiones evaluadoras de la Carrera del Investigador Científico y Tecnológico.
Su implementación busca fortalecer los procesos de evaluación mediante una gestión más ágil y eficiente.
En el marco del proceso de ingresos a la Carrera del Investigador Científico y Tecnológico (CICyT) del CONICET, cuyas comisiones evaluadoras iniciaron sus tareas en junio, el organismo implementó un sistema basado en inteligencia artificial (IA) para la identificación y selección de especialistas.
Este desarrollo es un esfuerzo conjunto de las Gerencias de Recursos Humanos, de Evaluación y Planificación y de Organización y Sistemas, en colaboración con el personal del Instituto Superior de Ingeniería del Software (ISISTAN, CONICET-UNCPBA), perteneciente al Centro Científico Tecnológico CONICET Tandil.
Al igual que en otras iniciativas de modernización del organismo, esta herramienta no reemplaza el juicio de los miembros de comisiones asesoras.
Su función consiste en agilizar la búsqueda preliminar de potenciales evaluadores para evitar la tarea manual de rastreo de perfiles y proveer un insumo técnico de apoyo que optimiza el proceso de asignación de especialistas que llevan adelante las comisiones asesoras.
La principal ventaja del sistema radica en la optimización del tiempo de gestión.
Tradicionalmente, la selección de especialistas requería que los miembros de las comisiones buscaran y contrastaran manualmente las trayectorias de posibles especialistas, una tarea compleja que insume semanas de trabajo por el volumen y especificidad de las postulaciones.
Con esta herramienta, se sugieren potenciales especialistas cruzando automáticamente millones de datos de producción científica-tecnológica.
Además de agilizar este proceso, el sistema tiene la capacidad de identificar especialistas fuera de la disciplina o comisión de origen del postulante.
Esto resulta de particular relevancia para evaluar proyectos con enfoques multi y transdisciplinares, tecnológicos o aplicados, los cuales suelen representar un desafío de asignación para comisiones asesoras estructuradas en campos disciplinares.
Esta innovación se enmarca en una iniciativa del CONICET lanzada en 2025, cuyo objetivo es la integración gradual de la IA para optimizar la gestión institucional
Funcionamiento técnico del sistema de recomendación de especialistas
La herramienta de recomendación se apoya en tres sistemas del CONICET: el Repositorio Institucional (RI), el Buscador Integral de Ciencia y Tecnología (BICYT) y el Banco de Pares Consultores.
El proceso de recomendación contrasta el plan de trabajo y los antecedentes del postulante consignados en el Sistema Integral de Gestión y Evaluación (SIGEVA) con la trayectoria registrada en SIGEVA de los expertos del banco de pares consultores, mediante una secuencia de etapas de procesamiento y filtrado:
1- Análisis de similitud semántica: el plan de trabajo y las producciones científico-tecnológicas (títulos, resúmenes y palabras clave) se analizan mediante técnicas de procesamiento del lenguaje natural. Esto permite que el sistema determine el significado conceptual de la información e identifique la afinidad entre el perfil del postulante y los evaluadores, incluso si utilizan términos diferentes o están en distintos idiomas.
2- Detección automática de conflictos de interés: el sistema aplica reglas para excluir a potenciales evaluadores con incompatibilidades respecto del postulante. Se descartan automáticamente directores o codirectores de cada postulante, investigadores que pertenezcan al mismo lugar de trabajo (según su código identificador) en el que se postula, coautores de publicaciones, y aquellos con la misma categoría de investigador o inferior a la solicitada por el postulante.
3- Procesamiento de afinidad en dos etapas:
-Primera etapa (búsqueda general): realiza una comparación rápida de similitud semántica entre el perfil del postulante y la producción de los especialistas del banco.
-Segunda etapa (refinamiento profundo): los posibles evaluadores preseleccionados con mayor puntuación son analizados con un modelo de lenguaje más complejo (basado en redes neuronales de aprendizaje profundo), el cual realiza un examen más minucioso del texto de las publicaciones para determinar con mayor precisión el grado de correspondencia.
Alineación disciplinar: para equilibrar la especialidad científica con la apertura a otras áreas, el sistema pondera a los especialistas sugeridos según su pertenencia a una gran área o disciplina diferente a la del postulante, ordenando con mayor precisión las recomendaciones sugeridas.
Tras el análisis, los miembros de las comisiones asesoras dispondrán de un conjunto de especialistas para cada postulación en la que se consideró la mejor afinidad según el plan de trabajo del postulante y la producción CyT del mismo.
CONICET
