Este Trabajo de Fin de Grado presenta el diseño, desarrollo e implementación de una plataforma digital de acompañamiento emocional basada en inteligencia artificial generativa, orientada a guiar al usuario en su proceso de autoconocimiento y toma de decisiones mediante la aplicación estructurada del método ADSM. Este método, desarrollado por Gerardo Tudurí, se fundamenta en una serie de protocolos aplicables mediante diálogo estructurado, con el objetivo de facilitar el análisis emocional, la planificación vital y la activación de recursos personales. La solución propuesta permite a cualquier usuario interactuar mediante lenguaje natural con asistentes conversacionales especializados, cada uno diseñado para aplicar un protocolo concreto del modelo ADSM (IPP, AP, PCN, SVM, MDS-YO, VP). El sistema analiza el historial de interacción del usuario y lo deriva automáticamente al asistente más adecuado según el protocolo de derivación definido. Además, se ha desarrollado un evaluador automático de respuestas que permite verificar que el comportamiento del asistente principal cumple con el rol y las reglas establecidas. Desde el punto de vista arquitectónico, la solución se apoya en una infraestructura Serverless en la nube de Microsoft Azure, diseñada con un enfoque modular, seguro y escalable. El frontend ha sido construido con Power Pages, integrando autenticación de usuarios mediante Azure AD B2C, lo que permite una gestión segura y personalizada de sesiones. El backend consta de varias funciones implementadas con Azure Functions, responsables de procesar las interacciones, cifrar el historial del usuario, clasificar su personalidad y almacenar los datos en distintos servicios como Azure Blob Storage y Azure Table Storage. Para garantizar la trazabilidad y la integridad de las clasificaciones, se ha desplegado una red Blockchain privada sobre Hyperledger Besu, donde se registran las medias semanales de los perfiles OCEAN generados. Uno de los componentes clave del sistema es un modelo de regresión entrenado con técnicas de aprendizaje automático sobre un conjunto de conversaciones etiquetadas. Este modelo, basado en regresión lineal multivariada, estima los cinco rasgos de personalidad definidos por el modelo OCEAN (Apertura, Responsabilidad, Extraversión, Amabilidad y Neuroticismo) a partir del historial conversacional del usuario. El entrenamiento se ha realizado en Azure Machine Learning, y su inferencia se encuentra integrada en el pipeline del sistema mediante Azure Functions. Durante el desarrollo del proyecto se ha seguido la metodología ágil SCRUM, documentando cada uno de los hitos, revisiones y tareas completadas. Se han realizado pruebas unitarias para cada componente, pruebas de integración con usuarios reales en un entorno controlado y una evaluación del impacto del sistema en relación con los Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030, especialmente en lo relativo a salud mental, bienestar emocional y acceso inclusivo a tecnologías de acompañamiento digital. Como resultado, se ha obtenido una plataforma robusta, segura y funcional, que permite al usuario recorrer un camino asistido de mejora personal mediante diálogo natural, manteniendo la privacidad de su historial y registrando las conclusiones más relevantes en una red inmutable y auditada. Este proyecto demuestra la viabilidad de combinar inteligencia artificial generativa, diseño ético, Blockchain y métodos psicológicos estructurados para ofrecer una herramienta de autodescubrimiento y desarrollo emocional a escala.
ABSTRACT
This Final Degree Project presents the design, development and implementation of a digital platform for emotional support, based on generative artificial intelligence and guided by the structured application of the ADSM method (Digital Algorithmization of Mental Systems). Developed by Gerardo Tudurí, this method is composed of protocols applied through structured dialogue, aimed at enhancing emotional awareness, personal decision-making and life planning. The system allows any user to interact via natural language with specialized conversational assistants, each one focused on a specific ADSM protocol (IPP, AP, PCN, SVM, MDS-YO, VP). The assistant evaluates the user’s input and redirects them to the most appropriate tool based on a derivation protocol. An automated evaluator was also developed to assess the assistant’s responses and ensure they comply with the intended behavior, tone and logic. From a technical perspective, the platform follows a modular and secure Serverless architecture using Microsoft Azure. The frontend is implemented with Power Pages and integrates Azure AD B2C for secure identity management. The backend consists of multiple Azure Functions responsible for message processing, encryption of user histories, personality classification and secure storage in Azure Blob Storage and Table Storage. To guarantee the immutability and traceability of user profiles, a private Blockchain was deployed using Hyperledger Besu, where weekly averages of OCEAN personality traits are recorded. One of the key components is a personality classifier trained using machine learning techniques on a dataset of labeled conversations. The model, based on multi-output linear regression, predicts the five OCEAN traits (Openness, Conscientiousness, Extraversion, Agreeableness, Neuroticism) from the user’s conversational history. The training process was executed in Azure Machine Learning and the inference stage is integrated into the production workflow through serverless functions. The project followed an agile SCRUM methodology, with clearly defined milestones and testing cycles. Unit tests and real-user validation in a controlled environment were conducted. Additionally, the system’s contribution to the United Nations Sustainable Development Goals (SDGs), particularly mental health and emotional well-being, has been analyzed and documented. As a result, a functional and scalable platform has been developed, enabling users to receive AI-guided emotional assistance and personal development through natural dialogue. The platform ensures user data privacy, provides traceable insights, and showcases the feasibility of combining generative AI, ethical design, and Blockchain technologies in the service of human development.
Este Trabajo de Fin de Grado presenta el diseño, desarrollo e implementación de una plataforma digital de acompañamiento emocional basada en inteligencia artificial generativa, orientada a guiar al usuario en su proceso de autoconocimiento y toma de decisiones mediante la aplicación estructurada del método ADSM. Este método, desarrollado por Gerardo Tudurí, se fundamenta en una serie de protocolos aplicables mediante diálogo estructurado, con el objetivo de facilitar el análisis emocional, la planificación vital y la activación de recursos personales. La solución propuesta permite a cualquier usuario interactuar mediante lenguaje natural con asistentes conversacionales especializados, cada uno diseñado para aplicar un protocolo concreto del modelo ADSM (IPP, AP, PCN, SVM, MDS-YO, VP). El sistema analiza el historial de interacción del usuario y lo deriva automáticamente al asistente más adecuado según el protocolo de derivación definido. Además, se ha desarrollado un evaluador automático de respuestas que permite verificar que el comportamiento del asistente principal cumple con el rol y las reglas establecidas. Desde el punto de vista arquitectónico, la solución se apoya en una infraestructura Serverless en la nube de Microsoft Azure, diseñada con un enfoque modular, seguro y escalable. El frontend ha sido construido con Power Pages, integrando autenticación de usuarios mediante Azure AD B2C, lo que permite una gestión segura y personalizada de sesiones. El backend consta de varias funciones implementadas con Azure Functions, responsables de procesar las interacciones, cifrar el historial del usuario, clasificar su personalidad y almacenar los datos en distintos servicios como Azure Blob Storage y Azure Table Storage. Para garantizar la trazabilidad y la integridad de las clasificaciones, se ha desplegado una red Blockchain privada sobre Hyperledger Besu, donde se registran las medias semanales de los perfiles OCEAN generados. Uno de los componentes clave del sistema es un modelo de regresión entrenado con técnicas de aprendizaje automático sobre un conjunto de conversaciones etiquetadas. Este modelo, basado en regresión lineal multivariada, estima los cinco rasgos de personalidad definidos por el modelo OCEAN (Apertura, Responsabilidad, Extraversión, Amabilidad y Neuroticismo) a partir del historial conversacional del usuario. El entrenamiento se ha realizado en Azure Machine Learning, y su inferencia se encuentra integrada en el pipeline del sistema mediante Azure Functions. Durante el desarrollo del proyecto se ha seguido la metodología ágil SCRUM, documentando cada uno de los hitos, revisiones y tareas completadas. Se han realizado pruebas unitarias para cada componente, pruebas de integración con usuarios reales en un entorno controlado y una evaluación del impacto del sistema en relación con los Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030, especialmente en lo relativo a salud mental, bienestar emocional y acceso inclusivo a tecnologías de acompañamiento digital. Como resultado, se ha obtenido una plataforma robusta, segura y funcional, que permite al usuario recorrer un camino asistido de mejora personal mediante diálogo natural, manteniendo la privacidad de su historial y registrando las conclusiones más relevantes en una red inmutable y auditada. Este proyecto demuestra la viabilidad de combinar inteligencia artificial generativa, diseño ético, Blockchain y métodos psicológicos estructurados para ofrecer una herramienta de autodescubrimiento y desarrollo emocional a escala.
ABSTRACT
This Final Degree Project presents the design, development and implementation of a digital platform for emotional support, based on generative artificial intelligence and guided by the structured application of the ADSM method (Digital Algorithmization of Mental Systems). Developed by Gerardo Tudurí, this method is composed of protocols applied through structured dialogue, aimed at enhancing emotional awareness, personal decision-making and life planning. The system allows any user to interact via natural language with specialized conversational assistants, each one focused on a specific ADSM protocol (IPP, AP, PCN, SVM, MDS-YO, VP). The assistant evaluates the user’s input and redirects them to the most appropriate tool based on a derivation protocol. An automated evaluator was also developed to assess the assistant’s responses and ensure they comply with the intended behavior, tone and logic. From a technical perspective, the platform follows a modular and secure Serverless architecture using Microsoft Azure. The frontend is implemented with Power Pages and integrates Azure AD B2C for secure identity management. The backend consists of multiple Azure Functions responsible for message processing, encryption of user histories, personality classification and secure storage in Azure Blob Storage and Table Storage. To guarantee the immutability and traceability of user profiles, a private Blockchain was deployed using Hyperledger Besu, where weekly averages of OCEAN personality traits are recorded. One of the key components is a personality classifier trained using machine learning techniques on a dataset of labeled conversations. The model, based on multi-output linear regression, predicts the five OCEAN traits (Openness, Conscientiousness, Extraversion, Agreeableness, Neuroticism) from the user’s conversational history. The training process was executed in Azure Machine Learning and the inference stage is integrated into the production workflow through serverless functions. The project followed an agile SCRUM methodology, with clearly defined milestones and testing cycles. Unit tests and real-user validation in a controlled environment were conducted. Additionally, the system’s contribution to the United Nations Sustainable Development Goals (SDGs), particularly mental health and emotional well-being, has been analyzed and documented. As a result, a functional and scalable platform has been developed, enabling users to receive AI-guided emotional assistance and personal development through natural dialogue. The platform ensures user data privacy, provides traceable insights, and showcases the feasibility of combining generative AI, ethical design, and Blockchain technologies in the service of human development. Read More
Related posts:
Metodología de ingeniería de datos en Azure
Modelo de simulación de un sistema de almacenamiento de información
Implementación de una aplicación de procesado digital de la señal para
analizar frecuencias de sonido (audio) en Lenguaje C en entorno GNU Linux
DocuSmart: Plataforma web para el análisis automático de documentos mediante el procesamiento del lenguaje natural
LeafLore: AI-Powered Plant Care for Mobile Applications
Diseño e implementación de una aplicación móvil para la gestión inteligente de alimentos en el hogar