Publicación:
Diseño de un agente conversacional basado en IA como estrategia de innovación del servicio de consultoría en SG-SST de Health & Pharma S.A.S.

dc.contributor.advisorVelázquez Espinoza, Noé
dc.contributor.authorArchila Quiroga, Adriana Milena
dc.contributor.authorMedina Laureano, Yineth Lorena
dc.contributor.authorGuzmán Riaño, Cristian David
dc.contributor.juryFernández Gualtero, Magda Liliana
dc.creator.id37896945
dc.creator.id1026259838
dc.creator.id1014216857
dc.date.accessioned2026-10-15T00:50:13Z
dc.date.issued2026-10-01
dc.description.abstractHealth & Pharma S.A.S. es una empresa colombiana de consultoría especializada en gestión de calidad, asuntos regulatorios e innovación empresarial, con más de diecisiete años de trayectoria en el mercado. Entre sus líneas de servicio se incluye el acompañamiento en el Sistema de Gestión de Seguridad y Salud en el Trabajo (SG-SST) para empresas del segmento PYME en Bogotá. La empresa opera en una categoría estructuralmente homogénea: todos los proveedores ofrecen esencialmente lo mismo (cumplimiento normativo, asesoría presencial, documentación), compiten por precio y no generan recordación ni valor diferenciado. La solución propuesta es una innovación de servicio: el diseño del Agente Inteligente de Prevención de Riesgos (AIPR), un sistema conversacional basado en inteligencia artificial que apoya la identificación preliminar de riesgos laborales en una PYME, traduce los hallazgos a lenguaje de negocio comprensible, estima su impacto económico y normativo, genera recomendaciones preventivas y facilita el acompañamiento continuo. El AIPR se concibe como apoyo al servicio consultivo y mantiene supervisión humana para las decisiones técnicas y los casos de mayor criticidad. La innovación transforma simultáneamente el servicio y el modelo de negocio: de consultoría presencial por proyectos a una plataforma de acompañamiento continuo por suscripción. El contexto colombiano respalda la oportunidad: 561.977 accidentes de trabajo en 2023 (Fasecolda, 2024a), el 90% del tejido empresarial conformado por PYMES (Confecámaras, 2023), y el 66% de las MiPymes colombianas adoptando IA con resultados concretos (Microsoft, 2025). El proyecto se desarrolla en seis fases metodológicas que articulan Design Thinking, Lean Startup y Business Model Canvas, y su evaluación financiera, bajo un escenario base conservador a cinco años, proyecta un VPN positivo de $72,9 millones COP, una TIR del 26,1% y un período de recuperación simple estimado de 45 meses.spa
dc.description.abstractHealth & Pharma S.A.S. is a Colombian consultancy specializing in quality management, regulatory affairs, and business innovation, with over seventeen years of market experience. This study designs the Intelligent Risk Prevention Agent (AIPR), a conversational AI system that supports preliminary occupational-risk identification in SMEs, translates findings into business language, estimates their economic and regulatory impact, and provides continuous preventive guidance. The agent is conceived as a support layer for the consulting service and requires human supervision for technical decisions and higher-risk cases. The innovation transforms the service model from episodic on-site consulting to a subscription-based continuous accompaniment platform, generating recurring revenues and competitive differentiation in a commoditized sector. The study integrates Design Thinking, Lean Startup, and the Business Model Canvas (Brown, 2008; Ries, 2011; Osterwalder & Pigneur, 2010), supported by dynamic capabilities theory (Teece, 2023), AI-enabled service innovation frameworks (Akter et al., 2023; Mariani et al., 2023), and financial feasibility metrics (NPV, IRR, ROI). Under a conservative five-year base scenario, financial projections indicate a positive NPV of COP $72.9 million, a 26.1% IRR, and an estimated simple payback period of 45 months.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Innovaciónspa
dc.description.tableofcontentsNota de aceptación 3 Dedicatoria 4 Agradecimientos 5 Resumen / Abstract 6 Lista de Tablas 12 Lista de Figuras 13 1. Introducción 15 2. Descripción del Problema 17 2.1 El problema global de la categoría 17 2.2 El problema específico de Health & Pharma S.A.S. 18 2.3 Planteamiento del problema central 18 3. Objetivos 19 3.1 Objetivo general 19 3.2 Objetivos específicos 19 4. Justificación 20 4.1 Pertinencia académica 20 4.2 Pertinencia empresarial 20 4.3 Pertinencia social 20 4.4 Viabilidad, recursos disponibles y alcance de la consultoría 21 5. Marco Institucional 23 5.1 Presentación de la Empresa 23 5.2 Referentes Estratégicos 24 5.3 Estructura Organizacional 25 5.4 Portafolio de Productos y Servicios 27 5.5 Análisis del Sector 29 5.6 Análisis estratégico de la posición de Health & Pharma S.A.S. 31 6. Marco Teórico y Conceptual 33 6.1 Innovación de servicio en la era de la inteligencia artificial 33 6.2 Capacidad de innovación de servicio potenciada por IA 34 6.3 Teoría de recursos y capacidades dinámicas en entornos de transformación digital 34 6.4 Innovación en modelos de negocio impulsada por IA 35 6.5 Diferenciación en mercados homogéneos 35 6.6 Antecedentes contextuales del problema y de la adopción de IA 35 6.7 Casos de referencia para el diseño del AIPR 38 Caso 1. SafetyCulture: IA aplicada a inspecciones, auditoriías y gestión preventiva en campo 38 Caso 2. Intelex: inteligencia artificial para gestión EHSQ, cumplimiento y analítica preventiva 39 Caso 3. Positiva ARL: ecosistema digital para promoción, prevención y gestión del SG-SST en Colombia 40 7. Diseño Metodológico de la Consultoría 43 7.1 Fases del proyecto 44 7.2 Técnicas e instrumentos de recolección de información 46 7.2.1 Entrevistas en profundidad realizadas durante el anteproyecto 46 7.2.2 Encuesta propuesta para la fase de consultoría 47 7.2.3 Técnicas complementarias 48 7.3 Procedimiento de procesamiento y análisis de la información 48 7.3.1 Procesamiento de las 10 entrevistas en profundidad 48 7.3.2 Procesamiento previsto de la encuesta a 50 PYMES 51 7.3.3 Triangulación de resultados 52 8. Diagnóstico Organizacional 54 8.1 Resultados del estudio de mercado 54 8.1.1 Lectura integrada y matriz de análisis cualitativo 55 8.2 Análisis de la situación actual de Health & Pharma S.A.S. 56 8.3 Análisis competitivo del sector 58 8.4 Fortalezas y oportunidades de mejora 59 Fortalezas de Health & Pharma S.A.S. 59 Oportunidades de mejora 59 8.5 Situación Actual del Servicio 60 8.6 Fortalezas Identificadas 60 8.7 Oportunidades de Mejora 61 9. Resultados de la Solución: Diseño del AIPR 63 9.1 Arquitectura funcional del AIPR 64 9.2 Módulos del sistema 65 9.3 Flujos conversacionales 67 9.4 Business Model Canvas 67 9.4.1 Propuesta de valor del AIPR: dimensiones y diferenciadores 69 9.5 Evaluación Financiera del AIPR 71 9.5.1 Supuestos del Modelo Financiero 73 9.5.2 Proyección Financiera del Escenario Base (Años 1–5) 74 9.5.3 Indicadores Financieros del Escenario Base 75 9.5.4 Estructura de la Inversión Inicial 77 9.5.5 Estructura de Costos Operativos (Años 1–5) 77 9.5.6 Flujo de Caja Libre y Recuperación de la Inversión 78 9.5.7 Análisis de Escenarios 79 9.5.8 Condiciones Mínimas para la Viabilidad Financiera 81 9.5.9 Estructura de Financiación y Acceso a Instrumentos Públicos 81 9.5.10 Conclusión de la Evaluación Financiera 82 9.5.11 Indicadores de escalabilidad e impacto social 83 9.6 Alcance, Límites y Riesgos del AIPR 84 9.6.1 Modelo de supervisión humana y responsabilidad profesional 86 9.7 Simulación del MVP: pantallas e interacciones representativas 89 10. Plan de Implementación del AIPR 93 10.1 Plan Operativo por Fases 93 10.2 Sistema de Monitoreo y Evaluación 95 11. Conclusiones y Recomendaciones 97 11.1 Conclusiones 97 11.1.1 Limitaciones del estudio 99 11.2 Recomendaciones 100 11.2.1 Implementar el AIPR con enfoque de MVP antes de escalar 101 11.2.2 Priorizar el sector manufacturero para el piloto 101 11.2.3 Establecer métricas de impacto desde el inicio del servicio 102 11.2.4 Explorar alianzas estratégicas con ARL desde la fase de go-to-market 102 11.2.5 Diseñar la estrategia de marketing después de validar el MVP 103 11.2.6 Explorar mecanismos de financiación del ecosistema colombiano de innovación 104 Referencias 105spa
dc.description.tableofcontentsAcceptance Statement — 3 Dedication — 4 Acknowledgments — 5 Abstract — 6 List of Tables — 12 List of Figures — 13 1. Introduction — 15 2. Problem Description — 17 2.1. The Global Problem in the Industry — 17 2.2. The Specific Problem at Health & Pharma S.A.S. — 18 2.3. Statement of the Central Problem — 18 3. Objectives — 19 3.1. General Objective — 19 3.2. Specific Objectives — 19 4. Justification — 20 4.1. Academic Relevance — 20 4.2. Business Relevance — 20 4.3. Social Relevance — 20 4.4. Feasibility, Available Resources, and Scope of the Consulting Project — 21 5. Institutional Framework — 23 5.1. Company Overview — 23 5.2. Strategic Framework — 24 5.3. Organizational Structure — 25 5.4. Product and Service Portfolio — 27 5.5. Industry Analysis — 29 5.6. Strategic Analysis of Health & Pharma S.A.S.’s Market Position — 31 6. Theoretical and Conceptual Framework — 33 6.1. Service Innovation in the Age of Artificial Intelligence — 33 6.2. AI-Enhanced Service Innovation Capabilities — 34 6.3. Resource-Based Theory and Dynamic Capabilities in Digital Transformation Environments — 34 6.4. AI-Driven Business Model Innovation — 35 6.5. Differentiation in Homogeneous Markets — 35 6.6. Contextual Background of the Problem and AI Adoption — 35 6.7. Reference Cases for the Design of the AIPR — 38 Case 1. SafetyCulture: AI Applied to Inspections, Audits, and Preventive Field Management — 38 Case 2. Intelex: Artificial Intelligence for EHSQ Management, Compliance, and Preventive Analytics — 39 Case 3. Positiva ARL: Digital Ecosystem for the Promotion, Prevention, and Management of the Occupational Health and Safety Management System (OHSMS) in Colombia — 40 7. Consulting Project Methodology — 43 7.1. Project Phases — 44 7.2. Data Collection Techniques and Instruments — 46 7.2.1. In-Depth Interviews Conducted During the Preliminary Project Stage — 46 7.2.2. Proposed Survey for the Consulting Phase — 47 7.2.3. Complementary Techniques — 48 7.3. Data Processing and Analysis Procedures — 48 7.3.1. Processing of the 10 In-Depth Interviews — 48 7.3.2. Planned Processing of the Survey of 50 SMEs — 51 7.3.3. Triangulation of Results — 52 8. Organizational Diagnosis — 54 8.1. Market Research Results — 54 8.1.1. Integrated Interpretation and Qualitative Analysis Matrix — 55 8.2. Analysis of the Current Situation at Health & Pharma S.A.S. — 56 8.3. Competitive Analysis of the Industry — 58 8.4. Strengths and Areas for Improvement — 59 Strengths of Health & Pharma S.A.S. — 59 Areas for Improvement — 59 8.5. Current State of the Service — 60 8.6. Identified Strengths — 60 8.7. Areas for Improvement — 61 9. Solution Results: Design of the AIPR — 63 9.1. AIPR Functional Architecture — 64 9.2. System Modules — 65 9.3. Conversational Flows — 67 9.4. Business Model Canvas — 67 9.4.1. AIPR Value Proposition: Dimensions and Differentiators — 69 9.5. AIPR Financial Evaluation — 71 9.5.1. Financial Model Assumptions — 73 9.5.2. Base-Case Financial Projections (Years 1–5) — 74 9.5.3. Base-Case Financial Indicators — 75 9.5.4. Initial Investment Structure — 77 9.5.5. Operating Cost Structure (Years 1–5) — 77 9.5.6. Free Cash Flow and Investment Recovery — 78 9.5.7. Scenario Analysis — 79 9.5.8. Minimum Conditions for Financial Feasibility — 81 9.5.9. Financing Structure and Access to Public Funding Instruments — 81 9.5.10. Conclusion of the Financial Evaluation — 82 9.5.11. Scalability and Social Impact Indicators — 83 9.6. Scope, Limitations, and Risks of the AIPR — 84 9.6.1. Human Oversight Model and Professional Accountability — 86 9.7. MVP Simulation: Representative Screens and Interactions — 89 10. AIPR Implementation Plan — 93 10.1. Phase-Based Operational Plan — 93 10.2. Monitoring and Evaluation System — 95 11. Conclusions and Recommendations — 97 11.1. Conclusions — 97 11.1.1. Study Limitations — 99 11.2. Recommendations — 100 11.2.1. Implement the AIPR Using a Minimum Viable Product (MVP) Approach Before Scaling — 101 11.2.2. Prioritize the Manufacturing Sector for the Pilot Project — 101 11.2.3. Establish Impact Metrics from the Start of the Service — 102 11.2.4. Explore Strategic Partnerships with Occupational Risk Administrators (ARLs) from the Go-to-Market Stage — 102 11.2.5. Develop the Marketing Strategy After Validating the MVP — 103 11.2.6. Explore Funding Mechanisms within Colombia’s Innovation Ecosystem — 104 References — 105eng
dc.formatpdf
dc.format.extent120 páginas, 5 anexos
dc.format.mediumRecurso electrónicospa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad Eanspa
dc.identifier.localBDM-MIN
dc.identifier.reponamereponame:Repositorio Institucional Biblioteca Digital Minervaspa
dc.identifier.repourlrepourl:https://repository.ean.edu.co/
dc.identifier.urihttps://hdl.handle.net/10882/19677
dc.language.isospa
dc.publisher.facultyFacultad de Administración, Finanzas y Ciencias Económicasspa
dc.publisher.programMaestría en Innovación spa
dc.relation.referencesAjmal, M. M., Islam, N., & Islam, M. A. (2023). Differentiation strategies and firm performance in service SMEs: Evidence from an emerging economy. Journal of Business Research, 157, 113594. https://doi.org/10.1016/j.jbusres.2023.113594 Akter, S., McCarthy, G., Sajib, S., & Rahman, M. (2023). AI-powered service innovation capabilities: A systematic review and future research agenda. Technovation, 127, 102808. https://doi.org/10.1016/j.technovation.2023.102808 Barney, J. B. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108 Brown, T. (2008). Design thinking. Harvard Business Review, 86(6), 84–92. Confecámaras. (2023). Informe de dinámica empresarial en Colombia 2022. Confecámaras. Digital Transformation and Society. (2025). Service innovation in the AI era [Editorial]. Digital Transformation and Society, 4(1), 1–5. https://doi.org/10.1108/DTAS-01-2025-0001 Fasecolda. (2024a). Más colombianos protegidos, la meta de 2024. Federación de Aseguradores Colombianos. https://fasecolda.com/sala-de-prensa/noticias/2024/mas-colombianos-protegidos-la-meta-de-2024/ Fasecolda. (2024b). Panorama de la industria aseguradora 2024. Federación de Aseguradores Colombianos. https://fasecolda.com/index.php/fasecolda/publicaciones-del-sector/revista-fasecolda/ Health & Pharma S.A.S. (2025). Portafolio de servicios. https://www.healthandpharma.com.co iNNpulsa Colombia. (2024). Caracterización de las mipymes y su apropiación digital. iNNpulsa Colombia – Ministerio de Comercio, Industria y Turismo. https://www.innpulsacolombia.com/portfolio/el-63-de-las-empresas-medianas-se-encuentra-en-los-niveles-mas-avanzados-de-transformacion-digital-mientras-que-las-microempresas-solo-alcanzan-el-42/ Intelex. (2025a). Intelex introduces Input AI and Insight AI: Two strategic pillars that transform how organizations capture EHSQ data and extract actionable intelligence. Intelex Technologies. https://www.intelex.com Intelex. (2025b). AI for EHS software: Input AI & Insight AI. Intelex Technologies. https://www.intelex.com/platform/ai International Organization for Standardization. (2023). ISO/IEC 42001:2023: Artificial intelligence — Management system. ISO. https://www.iso.org/standard/42001 Jerab, D., & Mabrouk, T. (2023). Competitive differentiation strategies and sustained competitive advantage: A strategic excellence framework. SSRN Working Paper. https://doi.org/10.2139/ssrn.4503127 Kotler, P., & Keller, K. L. (2016). Marketing management (15th ed.). Pearson. Kowalski, M., Lethbridge, T. C., & Lemaire, J. (2024). Microfoundations of dynamic capabilities for digital transformation. European Journal of Innovation Management, 27(2), 580–605. https://doi.org/10.1108/EJIM-04-2022-0218 Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W., Rocktäschel, T., Riedel, S., & Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. Advances in Neural Information Processing Systems, 33, 9459–9474. https://arxiv.org/abs/2005.11401 Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., & Ho, D. E. (2025). Hallucination-free? Assessing the reliability of leading AI legal research tools. Journal of Empirical Legal Studies, 22(2), 216–242. https://doi.org/10.1111/jels.12413 Manser Payne, E., Dahl, A. J., & Peltier, J. (2021). Digital servitization value co-creation framework for AI services: A research agenda for digital transformation in financial service ecosystems. Journal of Research in Interactive Marketing, 15(2), 200–222. https://doi.org/10.1108/JRIM-12-2020-0252 Mariani, M. M., Machado, I., & Nambisan, S. (2023). Types of innovation and artificial intelligence: A systematic quantitative literature review and research agenda. Journal of Business Research, 155, 113364. https://doi.org/10.1016/j.jbusres.2022.113364 Mariani, M. M., Pizzi, G., & Milic, N. (2024). AI-driven business model innovation. En M. M. Mariani & R. Baggio (Eds.), Digital transformation and business model innovation (pp. 45–78). Springer. https://doi.org/10.1007/978-3-031-55432-8_3 Microsoft. (2025). IA en micro, pequeñas y medianas empresas: tendencias, desafíos y oportunidades. Microsoft Corporation. https://news.microsoft.com/es-xl/2-de-cada-3-mipymes-en-colombia-ya-usan-inteligencia-artificial-para-ganar-productividad-asegurar-continuidad-y-mejorar-el-servicio-revela-estudio-de-microsoft/ Ministerio de Trabajo de Colombia. (2015). Decreto 1072 de 2015: Decreto Único Reglamentario del Sector Trabajo. Diario Oficial 49.523. Ministerio de Trabajo de Colombia. (2019). Resolución 0312 de 2019: Estándares mínimos del Sistema de Gestión de Seguridad y Salud en el Trabajo. Diario Oficial 50.872. MinTIC / Gobierno de Colombia. (2025). CONPES de Política Nacional de Inteligencia Artificial. Departamento Nacional de Planeación – Ministerio de Tecnologías de la Información y las Comunicaciones. https://www.mintic.gov.co MinTIC. (2023). Estrategia Nacional Digital de Colombia 2023–2026. Ministerio de Tecnologías de la Información y las Comunicaciones. https://www.mintic.gov.co/portal/inicio/Estrategia-Nacional-Digital Organización Internacional del Trabajo. (2020). Safety and health at the heart of the future of work: Building on 100 years of experience. OIT. Organización Internacional del Trabajo. (2022). Improving safety and health in MSMEs: Challenges and opportunities for intervention. OIT. Organización Internacional del Trabajo. (2023). Seguridad y salud en el trabajo. OIT. https://www.ilo.org/es/temas/seguridad-y-salud-en-el-trabajo Osterwalder, A., & Pigneur, Y. (2010). Business model generation. Wiley. Penrose, E. T. (1959). The theory of the growth of the firm. Basil Blackwell. Porter, M. E. (1985). Competitive advantage: Creating and sustaining superior performance. Free Press. Positiva Compañía de Seguros. (2025). ARL: promoción, prevención y soluciones digitales. Positiva ARL. https://www.positiva.gov.co Ries, A., & Trout, J. (2001). Positioning: The battle for your mind. McGraw-Hill. Ries, E. (2011). The lean startup. Crown Business. Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press. Saeedikiya, M., Doroudi, H., Saeedi, K., & Bagheri, M. (2024). Dynamic capabilities in SME digital transformation: An empirical investigation. Journal of Cleaner Production, 438, 140757. https://doi.org/10.1016/j.jclepro.2023.140757 SafetyCulture. (2024). SafetyCulture closes $165 million funding round. SafetyCulture. https://safetyculture.com SafetyCulture. (2025a). AI tools for workplace safety. SafetyCulture. https://safetyculture.com/topic/artificial-intelligence Superintendencia de Industria y Comercio. (2012). Ley Estatutaria 1581 de 2012: Disposiciones generales para la protección de datos personales. SIC. https://sedeelectronica.sic.gov.co Teece, D. J. (2010). Business models, business strategy and innovation. Long Range Planning, 43(2–3), 172–194. https://doi.org/10.1016/j.lrp.2009.07.003 Teece, D. J. (2023). Big tech and strategic management. Academy of Management Perspectives, 37(1), 1–23. https://doi.org/10.5465/amp.2021.0218 UNESCO. (2024). Recommendation on the ethics of artificial intelligence. United Nations Educational, Scientific and Cultural Organization. https://www.unesco.org/en/ethics-ai/recommendation Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Review Press.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.licenseAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject.armarcInteligencia artificialspa
dc.subject.armarcInnovaciones tecnológicasspa
dc.subject.lembPequeña y mediana empresaspa
dc.subject.proposalSeguridad y salud en el trabajospa
dc.subject.proposalOccupational health and safetyeng
dc.subject.proposalAgente conversacionalspa
dc.subject.proposalConversational agenteng
dc.subject.proposalModelo de negociospa
dc.subject.proposalBusiness modeleng
dc.subject.proposalArtificial intelligencespa
dc.subject.proposalArtificial intelligenceeng
dc.titleDiseño de un agente conversacional basado en IA como estrategia de innovación del servicio de consultoría en SG-SST de Health & Pharma S.A.S.spa
dc.titleDesign of an AI-based conversational agent as an innovation strategy for the SG-SST consulting service of Health & Pharma S.A.S.eng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.otherTrabajo de grado - Maestría
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication
person.affiliation.nameMaestría en Innovación
relation.isDirectorOfPublication8eda31d0-1155-4743-8fc1-c39ce84d1101
relation.isDirectorOfPublication.latestForDiscovery8eda31d0-1155-4743-8fc1-c39ce84d1101

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
ArchilaAdriana2026.pdf
Tamaño:
1.36 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría
Cargando...
Miniatura
Nombre:
ArchilaAdriana2026_Anexo.pdf
Tamaño:
232.46 KB
Formato:
Adobe Portable Document Format
Descripción:
Autorización Publicación

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1.92 KB
Formato:
Item-specific license agreed upon to submission
Descripción: