Cómo las ontologías ayudan a la industria nuclear a escalar para satisfacer la demanda mundial de energía

Los reactores nucleares se encuentran entre los sistemas de ingeniería más complejos que operamos a gran escala. Una operación segura y confiable depende de la física estrechamente acoplada, las barreras de ingeniería, los equipos rotativos, los sistemas de fluidos y la lógica de control que debe comportarse correctamente durante la operación normal y una larga lista de fallas creíbles.

Considere el siguiente escenario: una válvula de agua de alimentación se cierra inesperadamente. En cuestión de segundos, un ingeniero necesita saber qué sistemas aguas abajo pierden margen primero, qué límites de las Especificaciones Técnicas se vuelven relevantes y si la configuración actual de la planta afecta sus opciones. Los datos para responder a esas preguntas existen en una docena de sistemas. Las relaciones que hacen que los datos sean significativos residen en las mentes del personal experimentado.

La brecha entre los datos disponibles y el conocimiento utilizable define uno de los desafíos centrales en las operaciones de las plantas nucleares hoy en día. Una ontología cierra esa brecha haciendo que las relaciones de la planta sean explícitas, consultables y defendibles.

Estados Unidos está entrando en un “renacimiento nuclear” que no se ha visto en décadas. A partir de 2024, una ola de legislación y acciones ejecutivas creó un impulso para que la energía nuclear alimente todo, desde las instalaciones de seguridad nacional hasta las enormes demandas de energía de la carrera de la IA. La Ley ADVANCE modernizó el proceso de licenciamiento de la Comisión Reguladora Nuclear de EE. UU. (NRC), redujo las tarifas y ordenó a la Comisión que evaluara sitios industriales abandonados, como antiguas centrales de carbón, para nuevas construcciones. La Orden Ejecutiva (OE) 14300 fue más allá, cambiando fundamentalmente la misión de la NRC de la minimización de riesgos a la ponderación de los beneficios de la energía nuclear para la seguridad económica y nacional, y comprimiendo el actual proceso de licenciamiento promedio de 42 meses a un plazo vinculante de 18 meses para los nuevos reactores. La Orden Ejecutiva 14302 invocó la Ley de Producción de Defensa (DPA) para revitalizar la base industrial nuclear nacional, centrándose en las cadenas de suministro de combustible y la reactivación de las plantas cerradas. La Orden Ejecutiva 14299 vinculó explícitamente el despliegue nuclear avanzado con la demanda de los centros de datos de IA, designándolos como instalaciones de defensa críticas que serán alimentadas por reactores in situ. Mientras tanto, el Departamento de Energía de EE. UU. (DOE) ha financiado a empresas nucleares estadounidenses con miles de millones de dólares para acelerar el progreso en las plantas establecidas e impulsar a los recién llegados que construyen pequeños reactores modulares (SMR).

Esa expansión está afectando a una fuerza laboral que va en la dirección contraria. El número de personas disponibles para desarrollar y defender las solicitudes de licencias se reduce aproximadamente un 10 % al año, y la misma presión se extiende mucho más allá del ámbito de las licencias. Los nuevos diseños, las mejoras de potencia, el trabajo de extensión de la vida útil y las actualizaciones digitales se basan en la misma cadena de razonamiento: qué equipo se acredita, qué restricciones se aplican en la configuración actual y qué fuentes controladas respaldan la conclusión. Esa cadena recorre cada fase del ciclo de vida de la planta, desde el diseño y la puesta en marcha hasta las operaciones diarias. Hoy en día, todavía depende en gran medida de las personas que la llevan.

El costo del conocimiento implícito

Los operadores e ingenieros experimentados poseen modelos mentales extraordinarios de sus plantas. Cuando un operador de reactor senior ve un aumento de la vibración en una bomba de agua de circulación, conecta inmediatamente esa señal con la función de la bomba en la alineación actual, los patrones de falla conocidos para esa clase de equipo, el historial de trabajo reciente y las consecuencias que esperaría si la condición progresa. Saben qué indicaciones corroborantes importan, cuáles engañan y qué preguntas hacer a continuación.

Ese modelo mental representa décadas de contexto acumulado. También representa una vulnerabilidad.

La Agencia Internacional de Energía Atómica (AIEA) proyecta que la capacidad nuclear mundial podría alcanzar los 992 GWe para 2050, aproximadamente 2.6 veces los niveles actuales. Las nuevas construcciones implican nuevos diseños, más instrumentación y más estados de configuración que los operadores e ingenieros deben comprender. Mientras tanto, los datos sobre la fuerza laboral del DOE muestran que el personal experimentado se concentra en los grupos de mayor edad. Las personas que poseen el conocimiento más profundo de la planta se están jubilando y se llevan consigo sus modelos mentales.

Aunque el personal más nuevo aporta aptitud técnica, a menudo carece de exposición a las firmas de fallas específicas del sitio y a las configuraciones históricas. Para optimizar las operaciones en una planta, tanto el personal nuevo como el existente requieren acceso directo a datos empíricos precisos y actualizados. Este acceso permite que la fuerza laboral tome decisiones informadas. Establecer esta disponibilidad de datos respalda los objetivos energéticos del DOE al preparar a la fuerza laboral para gestionar diseños de alta instrumentación.

La forma en que las centrales nucleares gestionan el conocimiento hoy en día ha funcionado. Ha mantenido la flota de EE. UU. operando de forma segura durante décadas. Los ingenieros que tienen el contexto de la central en sus cabezas no son el problema que se debe resolver, sino un activo que se debe preservar y ampliar. La preservación no es suficiente cuando el mandato cambia de mantener 100 GW a 400 GW. El enfoque actual no puede seguir el ritmo que la flota requiere hoy. No porque esté mal, sino porque fue diseñado para un ritmo diferente.

Una ontología que cierra la brecha

La industria nuclear ha reconocido este problema y varias organizaciones ya están trabajando en ello. El Laboratorio Nacional de Idaho creó DeepLynx, un marco de integración de código abierto diseñado para conectar herramientas de ingeniería y preservar el contexto a lo largo del ciclo de vida. Su iniciativa DIAMOND desarrolló estructuras de datos específicamente para datos operativos y de diseño nuclear. ISO 15926 y IEC 81346 establecieron marcos comunes para los datos del ciclo de vida y la identificación de equipos. La guía de la NRC sobre sistemas digitales continúa impulsando hacia la transparencia, la trazabilidad y la evidencia basada en el rendimiento.

Lo que estos esfuerzos comparten es un enfoque común. El enfoque comienza por definir los objetos que analiza una planta (sistemas, componentes, sensores, documentos, restricciones, compromisos de licenciamiento) y, luego, definir cómo se conectan. Una bomba pertenece a un sistema. Un sensor mide una variable en un componente. Una válvula define parte de un límite de aislamiento. Un componente hereda los requisitos de calificación de su ubicación de instalación. Un compromiso de licenciamiento se rastrea hasta las suposiciones de configuración que lo respaldan. Esa estructura es una ontología.

Volviendo a nuestro escenario antes mencionado, el reemplazo de una sola válvula motorizada requiere que un ingeniero extraiga información de más de 6 sistemas, concilie de 3 a 4 convenciones de nomenclatura y verifique aproximadamente 12 revisiones de documentos, lo que podría tomar entre 4 y 8 horas. Este trabajo se vuelve efímero cuando vuelve a surgir la siguiente pregunta o problema sobre el mismo componente. Los sistemas nucleares funcionan en base a relaciones y dependencias. Una ontología hace que esas relaciones sean explícitas, consultables y defendibles. Las relaciones en una planta nuclear no son tabulares. Un cambio en un componente afecta el límite que soporta, el tren al que pertenece y las restricciones que hereda. Las estructuras de grafos se adaptan naturalmente a ese tipo de razonamiento, pero eso no significa que necesites una base de datos de grafos separada. Las ontologías codifican estas relaciones como tripletas, unidades atómicas que vinculan dos entidades con una relación específica. También codifican reglas de negocio directamente en los estándares de la estructura, como RDF (Resource Description Framework) y SHACL (Shape Constraint Language). Criterios concretos definen qué constituye datos válidos, tales como restricciones de seguridad, reglas de configuración y requisitos de calificación. Esas reglas se convierten en parte del propio modelo de datos, por lo que las violaciones surgen estructuralmente en lugar de depender de que alguien las detecte durante la revisión.

La ontología y sus tripletes curados son el activo duradero. Persisten más allá de cualquier aplicación o interfaz de usuario específica. Los estándares abiertos como RDF y OWL (lenguaje de ontologías web) garantizan que los datos sigan siendo portátiles, por lo que se alinean con las ontologías existentes del sector y crean formatos de intercambio limpios para los datos de los proveedores y las presentaciones de licencias. Nada queda bloqueado. Sin embargo, los datos aún necesitan un lugar donde se puedan gobernar, versionar y consultar a escala.

Para las aplicaciones nucleares, la ontología necesita hacer tres cosas bien para que valga la pena construirla.

1. Identidad canónica a lo largo del tiempo. La misma bomba puede aparecer como "P-123" en la gestión de trabajo, "P123_DIS_PRES" en el historiador de datos y "P-123A" en los planos. La ontología resuelve estos identificadores en una sola entidad y rastrea cómo esa entidad cambia a través de reemplazos, modificaciones e interrupciones. Desde la misma estructura, se puede responder a las preguntas "¿qué está instalado ahora?" y "¿qué estaba instalado cuando tomamos esa decisión?".
2. Relaciones explícitas. No solo "este componente existe", sino también "este componente pertenece al tren A, define parte del límite de aislamiento de la contención, es medido por estos sensores y hereda las restricciones de calificación ambiental (EQ) de su ubicación". Las relaciones que los ingenieros experimentados tienen en sus cabezas se vuelven visibles y navegables.
3. Fuente explícita de las restricciones de los activos. Cuando tenemos una válvula con un límite de fuga específico, es fundamental entender de dónde proviene esa restricción y por qué. Una ontología rastrea esto explícitamente hasta las especificaciones técnicas específicas que sustentan esa restricción.

Trabajando dentro de los límites regulatorios del sector nuclear

La industria nuclear es una de las más reguladas del mundo, y con razón. Pueden aplicarse diversos marcos regulatorios, incluidas las normas de control de las exportaciones, como el Reglamento de Administración de Exportaciones (EAR) y el Título 10 del Código de Regulaciones Federales, Parte 810 (10 CFR Parte 810), así como los requisitos de protección de datos y de gobernanza de la IA emergente, como el GDPR y la Ley de IA de la UE. Estas obligaciones pueden afectar dónde se realizan los análisis, cómo se almacenan las pruebas, qué información puede compartirse a través de las fronteras o fuera de los límites definidos, y quién puede acceder a ella. En conjunto, estas regulaciones dan forma directamente a cómo la infraestructura digital en el sector nuclear se diseña, se implementa y se gobierna.

Una ontología proporciona una forma de separar la estructura del contenido sensible. Las relaciones, restricciones y lógica de configuración de la planta pueden definirse y mantenerse como una capa distinta, separada de los datos operativos subyacentes. Los ingenieros pueden trabajar con el contexto relacional completo de la planta, consultando cómo se conectan los componentes, qué restricciones se aplican y de dónde se originan esas restricciones, sin que los datos operativos subyacentes salgan de los entornos controlados. Las bibliotecas de escenarios construidas sobre la estructura de la ontología pueden ser versionadas, revisadas y compartidas como activos gobernados, basadas en la física real de la planta sin exponer información protegida.

Para las nuevas construcciones, esto es especialmente relevante. La verificación del diseño, la colaboración con proveedores y el análisis de licenciamiento implican el intercambio de información técnica entre varias organizaciones bajo el escrutinio del control de exportaciones. Una ontología permite compartir la estructura y las relaciones que respaldan las decisiones de ingeniería sin distribuir datos operativos sensibles ni detalles de diseño patentados. Los proveedores, constructores y operadores pueden trabajar desde un marco común, mientras que cada organización mantiene el control sobre su propia información protegida. Eso reduce la fricción que normalmente ralentiza los programas nucleares multipartitos y ayuda a mantener los diseños pioneros dentro del cronograma.

Para las instalaciones en funcionamiento, se aplica el mismo principio. Se pueden desarrollar y validar marcos de razonamiento, capacitar al personal nuevo sobre el contexto de la planta y preparar paquetes de cumplimiento sin mover datos sensibles fuera de los límites apropiados.

Una forma práctica de entender lo que hace una ontología es recorrer un único flujo de trabajo.

Caso de uso: validación del diseño y control de la configuración

La validación del diseño y el control de la configuración plantean la misma pregunta una y otra vez: dada la configuración actual de la planta, ¿es aceptable este cambio y podemos demostrarlo a partir de fuentes controladas? Cada vez que se toca un componente relacionado con la seguridad, se actualiza una entrada de diseño, se sustituye una pieza o se revisa un cálculo, se debe restablecer el contexto en todos los sistemas. ¿Qué es exactamente este componente en esta planta? ¿Dónde está instalado? ¿Qué función de seguridad o límite soporta? ¿Qué requisitos hereda de esa ubicación? ¿Qué documentos controlan la ventana de trabajo? Los datos para responder a esas preguntas existen. Las conexiones entre los datos generalmente no lo hacen.

Las paradas de la planta ponen esto a prueba. El equipo se reemplaza bajo la presión de los plazos. El trabajo de campo, las adquisiciones y la revisión de ingeniería se ejecutan en paralelo. Los errores que causan problemas reales rara vez son dramáticos. Son desajustes silenciosos que surgen tarde: una base de calificación que no coincide con la ubicación de instalación, una revisión de un plano que no estaba actualizada, una asignación de tren incorrecta, una suposición de límite que cambió o un límite del rango de operación extraído de la fuente incorrecta.

Un ejemplo común es reemplazar una válvula motorizada en una línea relacionada con la seguridad. Antes de que un ingeniero pueda siquiera evaluar el reemplazo, debe reconstruir el contexto: a qué sistema y tren pertenece, qué límite o función acreditada soporta, qué requisitos sísmicos y de EQ se aplican en esa ubicación, qué límites operativos rigen el componente y qué documentos controlados establecen esos límites.

Hoy, cada paso de eso es manual. El ingeniero abre la orden de trabajo para un número de etiqueta. Por separado, navega al conjunto de planos para el contexto de los límites. Extrae archivos de calificación y sísmicos de otro sistema. Localiza los cálculos de control para los límites operativos y comprueba el estado de la revisión. Cada consulta es un sistema distinto, una búsqueda distinta y una decisión particular sobre si la información está actualizada. Luego, el ingeniero sintetiza todo en su cabeza para determinar si el reemplazo es aceptable. Si alguien más hace la misma pregunta más tarde, ya sea un inspector, un revisor o un turno diferente, el proceso comienza de nuevo.

Una ontología de la planta cambia esto al hacer que la cadena de evidencia forme parte de la estructura. El componente tiene una identidad canónica. Esa identidad se vincula a su ubicación de instalación y estado de configuración, y de ahí a los requisitos que se derivan: asignación de tren, rol de límite, restricciones sísmicas y de EQ, límites de la envolvente operativa y las fuentes autorizadas que los definen. El ingeniero parte del componente, y las relaciones ya están ahí. El registro completo del ciclo de vida (verificación del diseño, adquisición, fabricación, pruebas y envío) es accesible desde esa única identidad. Los documentos de calidad de respaldo, como los informes de NDE, las pruebas de aceptación en fábrica y las referencias rastreables, se vinculan directamente al componente en lugar de estar en sistemas separados esperando a ser encontrados.

Debido a que las restricciones y sus fuentes están codificadas en la estructura, se pueden crear herramientas que alerten cuando algo no coincide, como una base de EQ incorrecta, una revisión desactualizada o una asignación de tren que no coincide. El ingeniero sigue tomando la decisión. La infraestructura les permite llegar más rápido y proporciona una imagen completa, en lugar de una parcial creada bajo la presión del tiempo.

Operar la ontología a escala

Una ontología es tan útil como la plataforma que la ejecuta. Las relaciones, las identidades y las restricciones deben ser gobernadas, versionadas y consultables a escala. La plataforma debe mantenerse alineada con el estado real de la planta a lo largo de interrupciones, modificaciones, alteraciones temporales y actualizaciones de documentos, con una auditabilidad que resista una inspección. Si no puede hacer eso, la ontología se desvía y la gente deja de confiar en ella.

La ontología codifica las relaciones de la planta, las restricciones y la lógica de configuración en estándares abiertos. La plataforma que la gobierna debe corresponder a esa apertura. Si la capa de gobernanza es propietaria, no importa cuán portátil sea la ontología en teoría. En una industria donde el registro del ciclo de vida de un componente debe ser auditable por un operador, revisable por la NRC y rastreable por un OEM a lo largo de décadas, la capacidad de compartir datos de forma limpia entre organizaciones y herramientas es un requisito fundamental.

Databricks está construido sobre formatos e interfaces abiertos. Las tripletas de ontología, los registros de componentes, las tablas de relaciones y los registros de restricciones se encuentran en Delta Lake y se puede acceder a ellos desde otras herramientas. Si necesita compartir subconjuntos con un socio o un regulador, los formatos están estandarizados. Nada es propietario.

Sobre esa base, cuatro capacidades surgen una y otra vez en el trabajo nuclear:

1. Gobernanza unificada Cuando QA o la NRC preguntan cómo se controló un activo específico, la respuesta debe ser coherente en cuanto a la identidad del componente, el control de documentos, las relaciones y las referencias de la base de licenciamiento. Eso no funciona cuando cada uno de ellos se encuentra bajo un modelo de permisos separado. Unity Catalog proporciona una única capa de gobernanza en toda la ontología. Los permisos, el seguimiento de cambios y la auditoría se aplican de manera uniforme a todos los activos, por lo que hay una única respuesta defendible en lugar de cuatro parciales.
2. Configuración indexada en el tiempo. Las decisiones de ingeniería y licenciamiento dependen del estado de la planta en un momento específico. Bajo la norma 10 CFR 50.59, las plantas evalúan si un cambio propuesto requiere la aprobación previa de la NRC, valorando su impacto en comparación con la base de licenciamiento existente. Esa evaluación es tan buena como los datos de configuración que la respaldan, y lo mismo ocurre con las determinaciones de operabilidad, las cuestiones de base de los puntos de ajuste, la validación posterior a la modificación y las revisiones de paradas de rutina. Todas ellas requieren saber qué se instaló y las revisiones de control en el momento en que se tomó una decisión. La capacidad de viaje en el tiempo de Delta Lake admite vistas 'as-designed', 'as-built', 'as-installed' y 'as-maintained' a partir de los mismos datos subyacentes, sin requerir instantáneas manuales separadas. Cada versión de tabla se conserva y es consultable, por lo que reconstruir el estado de la planta en cualquier punto de decisión anterior es una consulta en lugar de un proyecto de arqueología.
3. Cadenas de evidencia reproducibles. 10 CFR 50 Apéndice B establece los requisitos de garantía de calidad para los sistemas, estructuras y componentes relacionados con la seguridad. Tener la conclusión correcta no es suficiente si no se puede reproducir la base a partir de fuentes controladas. El seguimiento automatizado del linaje de Unity Catalog captura qué revisiones de documentos, registros de restricciones y versiones de relaciones se utilizaron en un flujo de trabajo específico. El registro de auditoría de Delta Lake registra cada mutación de los datos subyacentes. En conjunto, cuando un revisor o inspector necesita ver qué respaldó una decisión, la plataforma proporciona una respuesta completa con marca de tiempo en lugar de requerir que alguien la reconstruya después del hecho.
4. Análisis sobre datos gobernados. La gobernanza, el control de versiones y el linaje de datos garantizan que los datos se encuentren en un estado confiable. La siguiente pregunta es qué se puede hacer con ellos una vez que están allí. Los Jobs de Databricks Lakeflow proporcionan la capa de orquestación para los pipelines analíticos que operan directamente sobre los activos gobernados de la ontología. MLflow realiza un seguimiento de las versiones de los modelos, los datos de entrenamiento, los parámetros y los resultados con el mismo rigor que Unity Catalog aplica a los propios datos. Los modelos de monitoreo de condición pueden rastrear patrones de degradación en toda una clase de válvulas extrayendo el historial de mantenimiento, las tendencias de los sensores y los límites de diseño de la estructura gobernada. Los cambios propuestos pueden ser examinados automáticamente en comparación con la base de licenciamiento porque las restricciones y sus fuentes ya están codificadas. Los modelos y sus resultados pueden rastrearse hasta fuentes controladas a través del mismo linaje de datos que la plataforma proporciona para todo lo demás. Esa trazabilidad es lo que separa el análisis que informa las decisiones del análisis que realmente puede ser acreditado en un entorno regulado.

Esto se conecta directamente con la dirección que está tomando la inversión del DOE. La Misión Genesis del DOE está desarrollando la próxima generación de herramientas digitales para el sector energético, que abarca la simulación avanzada, los gemelos digitales, el diseño asistido por IA y la analítica operacional. La ontología y los datos gobernados que establezca hoy para el control de la configuración y el cumplimiento son los mismos activos sobre los que se construirán esos programas. La infraestructura que reduce el tiempo de ciclo y el retrabajo de hoy se convierte en la base de lo que viene después. Una plataforma abierta significa que la inversión perdura en lugar de requerir una reescritura cuando los requisitos evolucionan.

Implicaciones comerciales y estratégicas

El valor de una ontología se acumula. Como la estructura persiste, el trabajo realizado para resolver el contexto de un componente para una decisión se traslada a la siguiente.

En el caso del parque existente, las plantas están extendiendo sus operaciones, asumiendo modificaciones más complejas y haciéndolo con un grupo más reducido de personal experimentado bajo plazos regulatorios más estrictos. Lo que antes tardaba días en extraerse de sistemas separados para preparar un paquete de conformidad ahora puede reducirse a una consulta estructurada sobre relaciones ya existentes. Los paquetes de evidencia listos para inspección, que antes requerían reconstruir la base de memoria, ahora pueden compilarse a partir de la estructura ya existente. El porcentaje de activos con identidad canónica resuelta en todas las fuentes de datos aumenta constantemente a medida que la ontología madura.

Para las nuevas construcciones, las ventajas comienzan en la fase de diseño y continúan durante el proceso de licenciamiento. Si la ontología se implementa desde el principio, las relaciones entre la intención del diseño, las funciones acreditadas y los compromisos de licenciamiento se estructuran antes de que se envíe el primer componente. Las discrepancias en las restricciones se marcan durante la revisión del diseño porque las restricciones y sus fuentes están codificadas en la estructura. Sin eso, suelen descubrirse durante la instalación en campo, cuando el costo de la corrección es órdenes de magnitud mayor. La evidencia para el licenciamiento se reúne a medida que el diseño madura, en lugar de reconstruirse a posteriori. El resultado es menos ciclos de retrabajo, una coordinación más rápida entre proveedores y constructores, y menores costos para demostrar la seguridad. El estándar de seguridad no cambia. El trabajo necesario para demostrar que se ha cumplido sí lo hace.

Una vez que la ontología funciona para el control de la configuración, no se queda ahí. Las mismas relaciones que respaldan el reemplazo de una válvula también respaldan el programa de monitoreo de condición que rastrea la degradación de esa clase de válvula. El mismo linaje de restricciones que alimenta un paquete de cumplimiento alimenta el análisis de licenciamiento para la próxima mejora de potencia. Debido a que la ontología se basa en la identidad alineada con los estándares y el linaje de restricciones, proporciona a los OEM, las empresas de ingeniería y los reguladores un punto de referencia común en lugar de otro sistema con el que integrarse.

Eso cambia la forma en que los nuevos ingenieros se ponen al día. En lugar de crear contexto buscando a la persona adecuada a quien preguntar, pueden consultar un componente y ver su asignación de tren, función de límite, fuentes de restricción e historial de mantenimiento en un solo lugar. El conocimiento institucional se convierte en infraestructura en lugar de algo que se va por la puerta con la jubilación. El personal experimentado pasa menos tiempo respondiendo las mismas preguntas contextuales y más tiempo en las decisiones que realmente necesitan su experiencia.

Si la flota va a cuadruplicar su capacidad y a modernizarse al mismo tiempo, este es el tipo de infraestructura que debe planificarse con antelación y llevarse adelante.

Construyendo los cimientos para la transformación digital nuclear

¿Listo para explorar cómo las ontologías pueden fortalecer la gestión del conocimiento y la toma de decisiones para la industria nuclear? Descargue el Acelerador de soluciones de Databricks para gemelos digitales en la fabricación, acelere su implementación con Ontos de Databricks Labs o lea Cómo construir gemelos digitales para la eficiencia operativa en el blog de Databricks para ver la arquitectura de referencia en la práctica.

Si desea aplicar estos conceptos a sus propios sistemas, flujos de trabajo y restricciones de gobernanza, comuníquese con su equipo de cuentas de Databricks para analizar un punto de partida delimitado.

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original