Este trabajo de suficiencia profesional describe la implementación de un sistema de optimización inteligente en la gestión de casos para la prestación de telemedicina en una compañía. El crecimiento acelerado del sector ha constituido una mayor carga de solicitudes médicas, lo que exige una gestión eficiente para garantizar tiempos de respuesta adecuados y una atención de calidad. Anteriormente, los casos eran asignados manualmente por los especialistas en triaje, lo que conllevaba un mayor trabajo operativo. Esta condición reducía la eficiencia del proceso y podría generar retrasos en la atención. Como resultado, la experiencia del paciente se veía posiblemente afectada. La solución desarrollada integra un modelo de lenguaje grande (LLM) experto en casos clínicos, denominado "Welfare", desarrollado intrínsecamente para procesamiento de lenguaje natural (PLN). Este modelo clasifica automáticamente los casos mediante una escala de triaje de 1 (no urgente) a 5 (emergencia). La arquitectura del sistema, basada en tecnologías como Vue.js, Amazon Web Services, Firebase y Python, asegura escalabilidad y cumplimiento de la Ley Peruana N° 29733 de Protección de Datos Personales por medio de anonimización de historiales clínicos. Gracias a este sistema, se logró reducir un 40% el tiempo promedio de asignación de casos urgentes y alcanzar un 90% de precisión en derivaciones a especialistas, lo cual fue verificado mediante pruebas A/B con registros históricos de la empresa.

En la actualidad, la Universidad Peruana de Ciencias Aplicadas (UPC) tiene un proceso de Gestión de Solicitudes de Información a cargo de la Gerencia Estratégica de la Información (GEI) en el que se utiliza el sistema DI2D para registrar y gestionar solicitudes de información. A pesar de la necesidad de seguimiento y control, GEI no puede acceder a la base de datos de DI2D, lo que dificulta el monitoreo del proceso. De igual forma, para la asignación de solicitudes es necesaria la participación de personal de GEI para la revisión y validación de estas. Esta tarea la realiza una sola persona, quien periódicamente ingresa al sistema diariamente múltiples veces, lo que origina un punto de congestión en el proceso. Por lo tanto, GEI busca desarrollar un nuevo sistema de solicitudes para mejorar los tiempos de atención, automatizar la asignación de analistas, optimizar los procesos y superar así las limitaciones de DI2D. Este proyecto consiste en el desarrollo de una integración entre un Robotic Process Automation (RPA) usado en un sistema de gestión de solicitudes de información y un servicio de minería de datos que provee valor al negocio estimando ciertos parámetros útiles para el proceso de gestión. La integración de estos se realizó a través de un servicio API REST por el cual se envían y reciben datos correspondientes por medio de solicitudes HTTP. El RPA envía datos hacia una lista de SharePoint ya generada con un esquema de datos determinados importantes para el proceso, y esta lista es enviada al servicio de minería de datos en el cual, haciendo uso de modelos predictivos, se genera una respuesta con los datos analizados. Todo este proyecto se logró integrar de manera eficiente gracias a la automatización que proveen las plataformas de Microsoft 365 (Power Apps, Power Automate, Outlook, otros.) y Microsoft Azure (Azure App Services). La integración de todos estos procesos fue exitosa, y los resultados obtenidos fueron una mejora significativa en la eficiencia de estos, logrando reducir el tiempo máximo de atención y aumentando la cantidad de solicitudes procesadas en el sistema de gestión de solicitudes.

Exploramos el desarrollo del videojuego “Imp of the Sun” utilizando Unreal Engine 4, desde la perspectiva del área de Programación, la organización del proyecto, la arquitectura de la solución, los principales problemas enfrentados y soluciones encontradas para poder llevar a cabo el desarrollo del juego satisfactoriamente a su lanzamiento en múltiples plataformas.