La recuperación eficiente de información enfrenta desafíos críticos por el crecimiento exponencial de datos. En Cuba, el Observatorio Tecnológico del MINEM gestiona información estratégica del sector energético-minero, pero su eficacia se ve limitada por la heterogeneidad de fuentes y la carencia de herramientas avanzadas de inteligencia artificial . Este trabajo propone un buscador semántico para automatizar y optimizar la recuperación de información en dicha plataforma, integrando técnicas de IA como modelos de lenguaje, grafos de conocimiento y bases de datos vectoriales. La investigación se estructura en tres etapas: análisis de fundamentos teóricos de sistemas inteligentes, diseño de una arquitectura tecnológica y evaluación de métricas de rendimiento.
Se incorporan conceptos innovadores como embeddings para representación semántica, búsqueda contextualizada y GraphRAG, técnica que fusiona grafos con IA para generar respuestas precisas. El sistema utiliza una ontología que clasifica la información en categorías, permitiendo consultas estructuradas y adaptativas. Los resultados evidencian una mejora significativa en la precisión y relevancia de las respuestas, facilitando la toma de decisiones estratégicas en el sector.
La solución destaca por su escalabilidad y adaptabilidad, superando las limitaciones técnicas del Observatorio. Al integrar IA, grafos de conocimiento y modelos de lenguaje, no solo optimiza el acceso a datos, sino que fortalece la gestión del conocimiento en el MINEM. Este avance posiciona al Observatorio como una plataforma tecnológica avanzada, alineada con las demandas del desarrollo energético-minero en Cuba, y establece metodologías replicables en contextos con desafíos similares. La propuesta demuestra cómo la convergencia de tecnologías emergentes puede transformar la gestión de información en sectores estratégicos.