← Volver al indice | Arquitectura del Sistema

Visión de la Plataforma IVIRIA¶

Tipo: Documentación de Negocio — Orientada al Cliente
Audiencia: Dirección del IEO, responsables de departamento, responsables TIC del CSIC
Fecha: 19 de marzo de 2026

La Oportunidad¶

El Centro Oceanográfico de Malaga se encuentra en un momento único: nuevas instalaciones de 5.000 m2 en el Muelle 9, más de 100 profesionales, 8 grupos de investigación y un patrimonio científico de décadas. Sin embargo, la información sigue fragmentada entre departamentos, formatos heterogéneos y herramientas aisladas.

Proponemos una plataforma de transformación digital que convierte este desafío en una ventaja competitiva, utilizando Inteligencia Artificial para desbloquear el valor oculto en los datos del IEO.

Que es la Plataforma¶

Una suite de propósito general diseñada para centros de investigación que necesitan:

Unificar información dispersa entre departamentos
Digitalizar colecciones y muestras históricas
Automatizar la identificación y clasificación mediante IA
Colaborar sin alterar los flujos de trabajo existentes

flowchart TD
    subgraph Antes ["Antes"]
        S1["Dpto A - Excel"]
        S2["Dpto B - BBDD local"]
        S3["Dpto C - Documentos"]
    end

    P["Plataforma IVIRIA"]

    subgraph Resultados ["Con la Plataforma"]
        R1["Busqueda inteligente"]
        R2["Identificación automática"]
        R3["Datos cruzados"]
    end

    S1 --> P
    S2 --> P
    S3 --> P
    P --> R1
    P --> R2
    P --> R3

    style P fill:#2c3e50,color:#fff

A Quien va Dirigida¶

Perfil	Beneficio Principal
Investigador en laboratorio	Apunta la cámara a una muestra y obtiene identificación instantánea (especie, edad, sexo)
Investigador en campana	Trabaja sin conexión; los datos se sincronizan automáticamente al volver a tierra
Responsable de departamento	Visibilidad completa sobre las colecciones y muestras de su equipo
Dirección del centro	Datos cruzados entre departamentos para toma de decisiones estratégicas
Responsable TIC	Sistema conforme con ENS, soberanía de datos, sin vendor lock-in

Como Funciona — Sin Alterar el Flujo de Trabajo¶

[!TIP] La plataforma no obliga a cambiar la forma de trabajar. Los investigadores siguen usando sus herramientas habituales (Excel, Word, SharePoint). La plataforma trabaja en segundo plano.

flowchart TB
    subgraph INV ["Investigadores"]
        I1["Suben Excels a SharePoint"]
        I2["Guardan fotos en OneDrive"]
        I3["Usan sus herramientas"]
    end

    subgraph PLAT ["Plataforma"]
        P1["Detecta cambios"]
        P2["Extrae y normaliza"]
        P3["Alimenta el motor de IA"]
        P4["Genera conocimiento cruzado"]
    end

    I1 --> P1
    I2 --> P1
    P1 --> P2 --> P3 --> P4

    style PLAT fill:#16a085,color:#fff

Capacidades de la Plataforma¶

1. Reconocimiento Inteligente de Muestras¶

El investigador apunta la cámara del móvil (o la webcam del laboratorio) a una muestra biológica. La IA identifica en segundos:

Especie — comparando con las +3.400 muestras históricas del IEO
Edad — analizando los anillos de crecimiento (annuli) en otolitos
Sexo — evaluando patrones visuales aprendidos del archivo histórico

Funciona tanto en captura de foto como en video en tiempo real con detección dinámica.

2. Digitalización de Colecciones Históricas¶

El sistema ingiere y digitaliza las dos grandes colecciones del IEO Malaga:

Colección	Especímenes	Desde
Fauna Marina en Liquido	1.069	1907
Fauna Marina en Seco	2.365	1913

Cada espécimen queda vinculado a sus fotografías, taxonomía, coordenadas de captura y datos biológicos — accesible para búsqueda inteligente.

3. Integración Departamental Progresiva¶

La plataforma integra los departamentos uno a uno, sin disrupciones:

flowchart TB
    subgraph F1 ["Fase 1"]
        D1["Pesquerias"]
        MVP["MVP funcionando"]
        D1 --> MVP
    end

    subgraph F2 ["Fase 2"]
        D2["Acuicultura"]
        D3["Medio Marino"]
        INT["Datos cruzados"]
    end

    subgraph F3 ["Fase 3"]
        DASH["Dashboard unificado"]
        BUSQ["Búsqueda semántica"]
        APIEXT["API colaboraciones"]
    end

    MVP --> INT
    D2 --> INT
    D3 --> INT
    INT --> DASH
    INT --> BUSQ
    INT --> APIEXT

    style F1 fill:#e74c3c,color:#fff
    style F2 fill:#3498db,color:#fff
    style F3 fill:#2ecc71,color:#fff

4. Búsqueda Semántica — Preguntas en Lenguaje Natural¶

En lugar de buscar por códigos o filtros complicados, el investigador pregunta directamente:

"Muestrame todos los otolitos de sardina del Mediterráneo capturados entre 2015 y 2020"
"Que especímenes de la colección seca se parecen a esta foto?"
"Cuantas muestras de merluza tenemos con edad estimada mayor a 5 años?"

La IA cruza datos de todos los departamentos integrados para generar la respuesta.

5. Operatividad Total Sin Conexión¶

Diseñada para el entorno real de las campañas oceanográficas:

Escenario	Solución
En el laboratorio (Muelle 9)	Conexión completa, IA en tiempo real
En campaña a bordo	App móvil con reconocimiento offline (IA en el dispositivo)
Al volver a puerto	Sincronización automática de todos los datos

Fases de Implantación¶

gantt
    title Implantacion de la Plataforma
    dateFormat YYYY-MM-DD
    axisFormat %B %Y

    section Fase 1 - MVP
    Infraestructura base           :f1a, 2026-04-01, 4w
    Motor de IA                    :f1b, after f1a, 4w
    App móvil + Web                :f1c, after f1b, 4w
    Integracion y demo             :f1d, after f1c, 4w

    section Fase 2 - Expansion
    Segundo departamento           :f2a, after f1d, 6w
    Datos cruzados                 :f2b, after f2a, 4w

    section Fase 3 - Plataforma
    Dashboard y analytics          :f3a, after f2b, 6w
    API publica                    :f3b, after f3a, 4w

Fase	Duración	Entregable
Fase 1 - MVP	~16 semanas	App + Web + IA funcionando con un departamento piloto
Fase 2 - Expansión	~10 semanas	Integración de mas departamentos, datos cruzados
Fase 3 - Plataforma	~10 semanas	Dashboard, búsqueda global, API para colaboraciones

Garantías¶

Garantía	Descripción
Soberanía de datos	Los datos no salen de la infraestructura del CSIC. La IA se ejecuta localmente
Cumplimiento ENS	Diseño conforme con el Esquema Nacional de Seguridad (nivel ALTO)
Sin disrupción	Los departamentos siguen usando sus herramientas. La plataforma se adapta a ellos
Sin vendor lock-in	Tecnologías abiertas. Portable entre proveedores cloud certificados
Privacidad	Los modelos de IA corren en infraestructura propia, sin envio de datos a terceros

Próximo Paso: La Demo¶

El MVP se demuestra con un escenario real:

Un investigador abre la app móvil en el Muelle 9
Enfoca un espécimen de la Colección de Fauna Marina
La IA identifica la especie, estima la edad y sugiere el sexo
El resultado queda registrado en el sistema con foto, metadatos y trazabilidad
El responsable del departamento ve la nueva muestra en el dashboard web

Todo funcionando. Sin infraestructura en la nube. Ejecutandose completamente en local con Docker.

Documentos Relacionados¶

Nivel	Documento	Descripción
Investigación	Análisis Tecnológico Integral	Análisis completo: datos, ENS, IA, arquitectura
Arquitectura	Arquitectura del Sistema	Diseño técnico: stack, ER, Docker, flujos
Proyecto	Roadmap	Hitos y criterios de aceptación (pendiente)