Inteligencia artificial como herramienta de apoyo a la gestión de riesgos financieros en las MiPymes: oportunidades y limitaciones

dc.contributor.advisorValencia Rivera, William
dc.contributor.authorGutiérrez, Karla Marcela
dc.coverage.spatialNeiva
dc.date.accessioned2026-11-19T14:03:48Z
dc.date.issued2026-11-09
dc.descriptionAnalizar las oportunidades y limitaciones mediante la literatura científica del 2020 al 2026 sobre el uso de la inteligencia artificial como apoyo a la gestión de los riesgos de crédito y liquidez en las MiPymes.
dc.description.abstractIA y riesgos de crédito y liquidez en MiPymes, enfrentan desafíos desde el momento de su puesta en marcha, estos desafíos no solo son tramites normativos y legales para su iniciación y apertura, sino que también enfrentan riesgos financieros que pueden afectar su normal desarrollo y estabilidad. No obstante, los avances tecnológicos y desarrollos de inteligencia artificial (IA) que se han ido tomando espacio en funciones del área contable y financieras en todos los sectores económicos y ofrecen nuevas posibilidades para identificar, predecir y gestionar estos riesgos. El objetivo de esta monografía es analizar, a partir de la literatura publicada entre 2020 y 2026, las oportunidades y limitaciones de la IA como apoyo a la gestión de los riesgos de crédito y de liquidez en las MiPymes. Se realizó una revisión documental con enfoque cualitativo y alcance descriptivo y analítico, con búsquedas en Google Académico, portales de revistas científicas, repositorios universitarios y sitios oficiales de organismos y entidades. Se seleccionaron 62 documentos, analizados en cuatro categorías. Los resultados muestran que los modelos de aprendizaje automático, en especial Random Forest y boosting, anticipan mejor el incumplimiento y la insolvencia que los métodos tradicionales, y permiten generar alertas tempranas y mejorar el pronóstico del flujo de caja. Sin embargo, la mayoría de estos modelos se ha construido desde la entidad que presta y no desde la propia MiPyme, y su utilidad depende de la calidad de los datos, el talento disponible y los costos. Se concluye que la IA es un apoyo para la gestión de estos riesgos, pero no reemplaza el criterio de quien toma las decisiones financieras. Micro, small and medium-sized enterprises (MSMEs) face challenges such as credit and liquidity risks, which can affect their normal development and stability and, when not managed in time, lead to insolvency. However, developments in artificial intelligence (AI) have gradually gained ground in accounting and financial functions, offering new possibilities to identify, predict and manage these risks. The objective of this monograph is to analyze, based on the literature published between 2020 and 2026, the opportunities and limitations of AI as a support for credit and liquidity risk management in MSMEs. A documentary review with a qualitative approach and a descriptive and analytical scope was carried out, through searches in Google Scholar, scientific journal portals, university repositories and official websites of organizations and institutions. Sixty-three documents were selected and analyzed in four categories. The results show that machine learning models, especially Random Forest and boosting, anticipate default and insolvency better than traditional methods, and make it possible to generate early warnings and improve cash flow forecasting. However, most of these models have been built from the perspective of the lending institution rather than that of the MSME itself, and their usefulness depends on data quality, available talent and costs. It is concluded that AI supports the management of these risks, but does not replace the judgment of those who make financial decisions.
dc.format.extent101 páginas
dc.identifier.citationGutiérrez, K. M. (2026). Inteligencia artificial como herramienta de apoyo a la gestión de riesgos financieros en las MiPymes: oportunidades y limitaciones. [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio - UNIMINUTO.
dc.identifier.urihttps://repository.uniminuto.edu/handle/10656/27785
dc.language.isoes
dc.publisherCorporación Universitaria Minuto de Dios – UNIMINUTO
dc.publisher.departmentPregrado (Distancia)
dc.publisher.programAdministración Financiera
dc.rightsAcceso Abierto - http://purl.org/coar/access_right/c_abf2
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.keywordsInteligencia artificial
dc.subject.keywordsRiesgo financiero
dc.subject.keywordsLiquidez
dc.subject.keywordsMiPymes
dc.titleInteligencia artificial como herramienta de apoyo a la gestión de riesgos financieros en las MiPymes: oportunidades y limitaciones
dc.typeMonografía
dc.type.coarthesis
dcterms.bibliographicCitationAltman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589–609. https://doi.org/10.1111/j.1540-6261.1968.tb00843.x Arboleda Gallardo, M. F., & Vargas Salazar, R. E. (2026). Liderazgo positivo y gestión estratégica 4.0: Integración de la inteligencia artificial en la toma de decisiones basada en el análisis de riesgos operativos y financieros mediante mapas de calor. Revista Científica Ciencia y Descubrimiento, 4(1). https://doi.org/10.63816/8czz1e33 Ávila Mogollón, F. M. L. (2022). Revisión sistemática de artículos científicos sobre inteligencia artificial y su aplicación en el sector de servicios financieros en Colombia [Trabajo de grado, Universidad Industrial de Santander]. Repositorio Noesis UIS. https://noesis.uis.edu.co/handle/20.500.14071/11657 Bal, M., Benadi, M., & Ait Oufkir, A. (2026). Management Accounting Digitalization in Emerging Economies: A Mixed-Methods Investigation of AI and Data Quality as Serial Mediators of Financial Performance. Journal of Risk and Financial Management, 19(9), 722. https://doi.org/10.3390/jrfm19090722 Basel Committee on Banking Supervision. (2020). Definitions and application of market risk. Bank for International Settlements. https://www.bis.org/committees/bcbs/basel-framework/standard/mar/11/inforce/2023-01-01/published/2020-03-27 Basel Committee on Banking Supervision. (2024). Counterparty credit risk definitions and terminology. Bank for International Settlements. https://www.bis.org/ Basel Committee on Banking Supervision. (2025). Liquidity risk management and supervision. Bank for International Settlements. https://www.bis.org/committees/bcbs/basel-consolidated-guidelines/module/lqy Beaver, W. H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 4, 71–111. https://doi.org/10.2307/2490171 Begum, S. (2025). Artificial intelligence and economic resilience: A review of predictive financial modelling for post-pandemic recovery in the United States SME sector. International Journal of Innovative Science and Research Technology, 10(7), 3620–3627. https://doi.org/10.38124/ijisrt/25jul1726 Bergmann, D. (2025, 18 de agosto). ¿Qué es el aprendizaje automático? IBM. https://www.ibm.com/think/topics/machine-learning Bitetto, A., Cerchiello, P., Filomeni, S., Tanda, A., & Tarantino, B. (2023). Machine learning and credit risk: Empirical evidence from small- and mid-sized businesses. Socio-Economic Planning Sciences, 90, Artículo 101746. https://doi.org/10.1016/j.seps.2023.101746 Borrero-Tigreros, D., & Bedoya-Leiva, O. (2020). Predicción de riesgo crediticio en Colombia usando técnicas de inteligencia artificial. Revista UIS Ingenierías, 19(4), 37–52. https://doi.org/10.18273/revuin.v19n4-2020004 Bravo Acosta, O., Cabanilla Guerra, G., & Cabanilla Guerra, M. (2026). Uso de inteligencia artificial (IA) en mipymes de América Latina. European Public & Social Innovation Review, 11, 1–18. https://doi.org/10.31637/epsir-2026-2334 Cabrera García, J. A., & Hermosa Pascuas, J. A. (2024). Integración de inteligencia artificial y neuromarketing en microempresas de modistería en Neiva [Trabajo de grado, Universidad Nacional Abierta y a Distancia]. Repositorio Institucional UNAD. https://repository.unad.edu.co/handle/10596/66931 Cámara de Comercio del Huila. (2024). Iniciativas en materia de fortalecimiento empresarial y competitividad para el Plan de Desarrollo de Neiva 2024-2027. https://www.cchuila.org/wp-content/uploads/Iniciativas-empresariales-para-PDN-Neiva-8042024.pdf Celis Murcia, L. M., Vargas Ñustes, C. E., Celis Torres, D. E., & Valencia Rivera, W. (2025). Facturación electrónica en microempresas de la comuna dos de Neiva: Perspectivas. Revista FACCEA, 15(1), 38–54. https://doi.org/10.47847/faccea.v15n1a2 Congreso de la República de Colombia. (2006, 27 de diciembre). Ley 1116 de 2006. Por la cual se establece el Régimen de Insolvencia Empresarial en la República de Colombia y se dictan otras disposiciones. Diario Oficial No. 46.494. Coronel-Pangol, K., Flores-Sánchez, G., Campoverde-Campoverde, J., & Romero-Galarza, A. (2021). Aproximación predictiva al riesgo crediticio comercial en empresas alimenticias ecuatorianas. Estudios Gerenciales, 37(160), 413–424. https://doi.org/10.18046/j.estger.2021.160.4022 Correa García, J. A., Ramírez Bedoya, L. J., & Castaño Ríos, C. E. (2009). Modelo de gestión financiera integral para MIPYMES en Colombia. Contaduría Universidad de Antioquia, (55), 187–201. Correa-Mejía, D. A., & Lopera-Castaño, M. (2020). Indicadores financieros como instrumento poderoso para predecir la insolvencia: Un estudio usando el algoritmo boosting en empresas colombianas. Estudios Gerenciales, 36(155), 229–238. https://doi.org/10.18046/j.estger.2020.155.3588 Cuesta-Mora, D. F., & Gómez-Molina, A. C. (2025). Simulación dinámica de balances y predicción del incumplimiento crediticio: Un modelo de prueba de estrés para firmas colombianas (Borradores de Economía No. 1325). Banco de la República. https://doi.org/10.32468/be.1325 De La Hoz Suárez, B. A., Manjarres Tete, A. E., De La Hoz Suárez, A. I., & Luna Morán, I. F. (2024). Inteligencia artificial como estrategia para gestionar los procesos de auditoría financiera. Revista Estrategia Organizacional, 13(1), 41–55. https://hemeroteca.unad.edu.co/index.php/revista-estrategica-organizacio/article/view/7149 De Lara Haro, A. (2005). Medición y control de riesgos financieros (3.ª ed.). Limusa. Díaz Arboleda, J. E., González Rivera, J., & Rodríguez Vivas, M. E. (2023). Implementación de un modelo de riesgo de crédito para el otorgamiento y la renovación ágil de microcréditos para MiPymes aplicando técnicas de machine learning [Tesis de maestría, Pontificia Universidad Javeriana Cali]. Repositorio Vitela. https://doi.org/10.71618/5qhk-yt28 Drydakis, N. (2022). Artificial intelligence and reduced SMEs’ business risks: A dynamic capabilities analysis during the COVID-19 pandemic. Information Systems Frontiers, 24, 1223–1247. https://doi.org/10.1007/s10796-022-10249-6 Fardous, M. (2025). Predictive analytics for working capital management: Machine learning applications in cash flow and liquidity forecasting. American Journal of Scholarly Research and Innovation, 4(1), 662–694. https://doi.org/10.63125/xrfrsz89 Finn, T., & Smalley, I. (2022). What is predictive analytics? IBM. https://www.ibm.com/think/topics/predictive-analytics Franco, Y. A. (2022). Un análisis bibliométrico de la predicción de quiebra empresarial con machine learning. Odeon, (22), 87–126. https://doi.org/10.18601/17941113.n22.04 Galarza-Sánchez, P. C., Boné-Andrade, M. F., & Pinargote-Bravo, V. J. (2023). Aplicaciones de inteligencia artificial generativa en la transformación digital empresarial. Revista Científica Ciencia y Método, 1(1), 28–41. https://doi.org/10.55813/gaea/rcym/v1/n1/8 Galaviz Gutiérrez, M. (2026). Una propuesta de herramientas de inteligencia artificial en el análisis financiero: Modelo conceptual para la identificación temprana de riesgos en las PYMES. Excelencia Administrativa Online, 5(11), 8–32. https://doi.org/10.54167/eao.v5i11.2471 Góngora Chonillo, J. T. (2023). Evaluación del riesgo financiero en microempresas a través de inteligencia artificial. Revista Pulso Científico, 1(2), 34–49. https://doi.org/10.70577/rps.v1i2.10 González Pozo, E. D., & Villazhañay Vicuña, J. B. (2026). Análisis del flujo de efectivo y su incidencia en la liquidez en las empresas del sector comercial, Quito año 2024. ASCE, 5(2), 1280–1304. https://doi.org/10.70577/asce.v5i2.824 González Vidal, J. F. (2023). Impacto del riesgo financiero en la sostenibilidad de las pymes en Colombia [Artículo de revisión para optar al título de Especialista en Gerencia Financiera, Fundación Universitaria del Área Andina]. Repositorio Digitk Areandina. https://digitk.areandina.edu.co/server/api/core/bitstreams/4a6bb294-140b-4cc9-a416-e0a4d5355f40/content Henao Mora, Y. T. (2025). Aplicación de técnicas de IA para la detección temprana de riesgos financieros en pymes colombianas [Trabajo de grado, Universidad Cooperativa de Colombia]. Repositorio Institucional UCC. https://repository.ucc.edu.co/server/api/core/bitstreams/bb7148a3-f280-4e44-bb2c-7b48030d861c/content Hermitaño Castro, J. A. (2022). Aplicación de machine learning en la gestión de riesgo de crédito financiero: Una revisión sistemática. Interfases, 15(15), 160–178. https://doi.org/10.26439/interfases2022.n015.5898 Hernández Vega, O., Parra Almada, C. G., & De la Rosa Flores, C. C. (2026). La inteligencia artificial en las PYMES: Una revisión de literatura para América Latina. Ciencia y Reflexión – Revista Científica Multidisciplinaria, 5(1), 1080–1098. https://doi.org/10.70747/cr.v5i1.713 Herrera-Sánchez, M. J., & Casanova-Villalba, C. I. (2024). Inteligencia artificial y su impacto en la transformación de la gestión financiera. Space Scientific Journal of Multidisciplinary, 2(1), 52–63. Higuita González, D. (2019). Análisis de factores de riesgo de liquidez en la MIPYMES de Medellín: Estudio de caso MIPYMES PRIMS [Trabajo de grado, Tecnológico de Antioquia Institución Universitaria]. Repositorio Institucional TdeA. https://dspace.tdea.edu.co/handle/tda/547 International Organization for Standardization. (2018). Risk management — Guidelines (ISO Standard No. 31000:2018). https://www.iso.org/standard/65694.html Khalid, S., Khan, M. A., Su’ud, M. M., Alam, M. M., Aman, N., Taj, M. T., Zaka, R., & Jehangir, M. (2022). Predicting risk through artificial intelligence based on machine learning algorithms: A case of Pakistani nonfinancial firms. Complexity, 2022, Artículo 6858916. https://doi.org/10.1155/2022/6858916 Mayett, Y., Zuluaga, W., & Guerrero, M. J. (2022). Gestión financiera y desempeño en MiPyMes colombianas y mexicanas. Investigación Administrativa, 51(130). Mejía, D. (2021, 22 de junio). La importancia de la educación financiera para las mipyme. CAF – Banco de Desarrollo de América Latina y el Caribe. https://www.caf.com/es/blog/la-importancia-de-la-educacion-financiera-para-las-mipyme/ Metzger, M., O’Reilly, S., & Mac an Bhaird, C. (2025). Generative artificial intelligence augmenting SME financial management. Technovation, 147, Artículo 103313. https://doi.org/10.1016/j.technovation.2025.103313 Molina Urrego, M. S., & González Jiménez, K. (2024). Predicción de insolvencia económica en PYMES colombianas mediante modelos de aprendizaje automático [Trabajo de grado, Fundación Universitaria Los Libertadores]. Repositorio Institucional. https://repository.libertadores.edu.co/items/8e0b064b-248e-49fd-8ad9-154efbebd1bf Mondragón Silva, L., & Pechene Velasco, B. E. (2022). Las Fintech como alternativa de financiación para las MiPymes colombianas [Tesis de maestría, Universidad EAFIT]. Repositorio Institucional EAFIT. https://repository.eafit.edu.co/handle/10784/31878 Muñoz-Pinzón, D. S., Valencia-Rivero, K. T., Caviativa-Castro, Y. P., & Castillo-Bustos, J. S. (2024). Estado actual de la adopción de la industria 4.0 en pymes colombianas: Desafíos y oportunidades. Revista Politécnica, 20(39), 99–118. https://doi.org/10.33571/rpolitec.v20n39a7 Ohlson, J. A. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109–131. https://doi.org/10.2307/2490395 Organisation for Economic Co-operation and Development. (2024). Explanatory memorandum on the updated OECD definition of an AI system (OECD Artificial Intelligence Papers No. 8). OECD Publishing. https://doi.org/10.1787/623da898-en Ortíz, J. C., Rodríguez Díaz, D. A., Amador Rosales, C. A., & Reyes Jordán, L. (2025). Desarrollo de un modelo predictivo de rentabilidad empresarial en empresas de la cadena alimentaria del Huila mediante el análisis de variables financieras y tendencias del mercado regional [Tesis de especialización, Universidad EAN]. Repositorio Institucional. http://hdl.handle.net/10882/14489 Ortiz, Y., Barrera Cubillos, N. Y., Torres Ordoñez, M., & García Coronado, L. C. (2021). Transformación de las MiPymes en la era digital para la permanencia en el mercado. INVESTICGA: Revista de Investigación en Gestión Administrativa y Ciencias de la Información, 4, 67–72. https://revistas.sena.edu.co/index.php/ricga/article/view/2924 Presidencia de la República de Colombia. (2015, 14 de diciembre). Decreto 2420 de 2015. Por medio del cual se expide el Decreto Único Reglamentario de las Normas de Contabilidad, de Información Financiera y de Aseguramiento de la Información y se dictan otras disposiciones. Diario Oficial No. 49.726. Presidencia de la República de Colombia. (2019, 5 de junio). Decreto 957 de 2019: Por el cual se adiciona el capítulo 13 al Título 1 de la Parte 2 del Libro 2 del Decreto 1074 de 2015, Decreto Único Reglamentario del Sector Comercio, Industria y Turismo y se reglamenta el artículo 2 de la Ley 590 de 2000, modificado por el artículo 43 de la Ley 1450 de 2011. Departamento Administrativo de la Función Pública. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=94550 Préstamo Gil, F. E., Cordero Céspedes, A., & Zúñiga Gamboa, J. (2021). Administración del riesgo y planeación financiera como estrategias de las Pymes del sector tecnológico en Costa Rica ante la pandemia del Covid-19. Revista Metropolitana de Ciencias Aplicadas, 4(1), 16–25. https://doi.org/10.62452/fvedtd85 Robles Puentes, H. A., Silva Marín, F. D., Rubiano Llorente, J., Hernández Lugo, P. F., Torres Silva, P., & Villarreal Pazos, R. A. (2026). Desarrollo de un modelo de ciberseguridad basado en Scrum para MiPyMEs del Huila: Una propuesta de gestión ágil para la resiliencia digital. Ciencia y Reflexión, 5(1), 1253–1271. https://doi.org/10.70747/cr.v5i1.999 Rodríguez Díaz, D. A., & Lemus Cuchimba, M. F. (2025). Aplicación de machine learning en el análisis de supervivencia de empresas de la cadena alimentaria en el Huila: Factores de éxito y predicciones de longevidad empresarial [Trabajo académico, Universidad EAN]. Repositorio Institucional. https://hdl.handle.net/10882/14829 Rodríguez Hernández, N. L., & Vásquez Céspedes, L. C. (2022). Identificación de los riesgos financieros en la gestión de las mipymes comerciales de Villavicencio, Meta. Revista Geon, 9(2). https://doi.org/10.22579/23463910.773 Rogers, E. M. (2003). Diffusion of innovations (5.ª ed.). Free Press. Romero Álvarez, Y., & Ramírez Montoya, J. (2018). Relación de la toma de decisiones financieras con el nivel de conocimiento financiero en las mipymes. Suma de Negocios, 9(19), 36–44. https://doi.org/10.14349/sumneg/2018.V9.N19.A5 Rosa, P. S., & Gartner, I. R. (2018). Financial distress in Brazilian banks: An early warning model. Revista Contabilidade & Finanças, 29(77), 312–331. https://doi.org/10.1590/1808-057x201803910 Ruiz Cortez, P. (2026). Inteligencia artificial y predicción del riesgo financiero: Revisión sistemática de modelos y predictores en la literatura reciente. REMULCI, 4(1). https://doi.org/10.65835/remulci.4.1.1619 Sarmiento Suárez, J. E., Gutiérrez Navas, E. B., & Ramírez Montañez, J. C. (2024). Oportunidades y desafíos para la digitalización de las mipymes en Colombia. Pensamiento & Gestión, 57, 128–154. https://doi.org/10.14482/pege.57.240.855 Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039 Stryker, C., & Kavlakoglu, E. (2024, 9 de agosto). ¿Qué es la inteligencia artificial (IA)? IBM. https://www.ibm.com/mx-es/think/topics/artificial-intelligence Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533. https://doi.org/10.1002/(SICI)1097-0266(199708)18:7<509::AID-SMJ882>3.0.CO;2-Z Tello Perdomo, C. F. (2023). Análisis de la opinión de los empresarios dueños de las pequeñas y medianas empresas pertenecientes a la industria textil de la ciudad de Neiva sobre la importancia de utilizar información contable y financiera en la toma de decisiones de inversión [Proyecto de investigación, Universidad Nacional Abierta y a Distancia]. Repositorio Institucional UNAD. https://repository.unad.edu.co/handle/10596/54538 Tobón Perilla, L. N., Urquía Grande, E., & Cano Montero, E. I. (2022). El uso de la información financiera en la gestión de las pymes colombianas. Revista Perspectiva Empresarial, 9(2), 11–23. https://doi.org/10.16967/23898186.791 Toloza Cardozo, T. D. (2025). Incidencia de la inteligencia artificial (IA) en la automatización de procesos financieros en las empresas del sector de servicios de salud de Neiva Huila [Trabajo de grado, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO. https://hdl.handle.net/10656/21665 Tornatzky, L. G., & Fleischer, M. (1990). The processes of technological innovation. Lexington Books. Torres Dávila, G. C., Narváez Encalada, M. V., Cortez Arboleda, A. C., & Serrano Sarango, L. M. (2024). El flujo de caja en la gestión de las microempresas de la ciudad de Machala. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 2552–2566. https://doi.org/10.37811/cl_rcm.v8i4.12506 Uvillús Chilig, D. A., Criollo Casco, K. E., & Urbina Poveda, M. A. (2026). Incidencia de la gestión del riesgo de liquidez en la solvencia de las pymes manufactureras de Imbabura – Ecuador, período 2018-2024. Pacha. Revista de Estudios Contemporáneos del Sur Global, 7(21), Artículo e260568. https://doi.org/10.46652/pacha.v7i21.568 Valencia-Jara, B. D., & Narváez-Zurita, C. I. (2021). La gestión de riesgos financieros y su incidencia en la toma de decisiones. Cienciamatria, 7(2), 691–722. https://doi.org/10.35381/cm.v7i2.526 Villalba Rincón, J. M., & Pérez Naranjo, C. (2022). Reactivación y fortalecimiento a 5 Mipymes de Neiva, mediante el desarrollo de soluciones digitales. Revista Sennova: Revista del Sistema de Ciencia, Tecnología e Innovación. https://doi.org/10.23850/23899573.5410 Wahyudi, Z., & Chaplot, D. (2025). Generative AI and the future of cash flow forecasting: Bridging accuracy and governance in public companies. Escalate: Economics and Business Journal, 3(2), 70–86. https://doi.org/10.61536/escalate.v3i02.303 Zhang, W., Yan, S., Li, J., Tian, X., & Yoshida, T. (2022). Credit risk prediction of SMEs in supply chain finance by fusing demographic and behavioral data. Transportation Research Part E: Logistics and Transportation Review, 158, Artículo 102611. https://doi.org/10.1016/j.tre.2022.102611

Files

Original bundle

Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
Documento_Principal
Size:
600.67 KB
Format:
Adobe Portable Document Format
Loading...
Thumbnail Image
Name:
Autorización_de_Publicación
Size:
187.24 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: