Curso de SolidWorks para Empresas — Diseño 3D y simulación

SOLIDWORKS Design Offer como modalidad comercial compatible con SOLIDWORKS AI.

SOLIDWORKS Design Standard.

SOLIDWORKS Design Professional.

SOLIDWORKS Design Premium.

SOLIDWORKS Design Ultimate.

Compatibilidad de las capacidades de IA con las cuatro ediciones actuales de SOLIDWORKS Design.

SOLIDWORKS Design con licencia Named-User.

SOLIDWORKS Design with Cloud Services con licencia Device-Locked.

Rol Collaborative Designer for SOLIDWORKS requerido para el flujo documentado con Cloud Services.

Aplicación Design with SOLIDWORKS.

Activación de 3DEXPERIENCE platform.

Inicio de sesión desde SOLIDWORKS Design.

Versión 2026 SP3.2 o posterior como referencia actual para utilizar los Virtual Companions desde SOLIDWORKS Design.

Diferencia entre disponer de SOLIDWORKS y tener activa la conexión necesaria para los servicios de IA.

Las capacidades de AURA y LEO no requieren actualmente una licencia adicional de IA sobre las ofertas comerciales compatibles.

Modelo de consumo mediante Blue Tokens.

Tokens consumidos cuando una skill ejecuta trabajo y proporciona un resultado.

Diferencias de consumo entre orientación, generación, análisis y conversión de modelos.

Pool compartido de tokens dentro del tenant de la organización.

Consulta del saldo por parte de administradores.

Gestión de disponibilidad antes de sesiones intensivas.

Estimación del consumo según el tipo de operación.

Evitación de ejecuciones repetidas sin revisar previamente la respuesta.

Refinamiento conversacional como estrategia para reducir reprocesamiento.

Compra de tokens adicionales cuando se agota el saldo.

Asignación actual de una dotación introductoria única de Blue Tokens anunciada por SOLIDWORKS.

Diferencia entre una dotación promocional y el modelo permanente de consumo.

Necesidad de permisos para guardar modelos en cloud cuando la skill concreta lo requiere.

Los tokens de las licencias de una organización se agrupan en un pool compartido y se consumen cuando una skill genera un resultado.

SOLIDWORKS recomienda 16 GB de RAM y 32 GB para cargas más exigentes, SSD y GPU/controladores certificados.

Diferencias entre prompting genérico y prompting aplicado a ingeniería CAD.

Definición clara del objetivo técnico.

Identificación del modelo o ensamblaje que debe analizarse.

Inclusión de restricciones.

Inclusión de requisitos funcionales.

Inclusión de criterios de fabricación.

Inclusión de estándares.

Especificación del resultado esperado.

Prompts orientados a obtener conocimiento.

Prompts orientados a analizar.

Prompts orientados a seleccionar.

Prompts orientados a generar.

Prompts orientados a modificar.

Prompts orientados a automatizar.

Prompts orientados a diagnosticar.

Conversaciones iterativas frente a peticiones aisladas.

Uso de preguntas de seguimiento.

Refinamiento de resultados.

Solicitud de alternativas.

Identificación de supuestos realizados por el asistente.

Uso de AURA para conocer comandos y funcionalidades.

AURA para recomendaciones de modelado.

AURA para buenas prácticas.

AURA para localizar conocimiento oficial.

AURA para resumir información técnica.

Consulta de las fuentes utilizadas por AURA.

Uso de LEO cuando la petición depende del modelo activo.

Contexto de pieza.

Contexto de ensamblaje.

Contexto de dibujo.

Biblioteca oficial de prompts de SOLIDWORKS AI.

Categorías de prompts sugeridos.

Engineering Guidance como punto inicial para usuarios experimentados que adoptan el nuevo flujo conversacional.

Validación del modelo activo antes de solicitar una acción.

Evitación de instrucciones ambiguas sobre componentes con nombres similares.

Confirmación de alcance antes de operaciones que puedan modificar información.

AURA puede utilizarse para orientación general sin tener un modelo abierto, mientras LEO utiliza el contexto del documento activo.

Diferencia entre IA generativa y herramientas predictivas integradas.

Command Predictor.

Predicción de comandos relevantes según las operaciones realizadas durante la sesión.

Command Predictor como modelo de Machine Learning.

Acceso desde la pestaña Command Predictor del CommandManager.

Búsqueda de comandos desde la misma experiencia.

Utilización de sugerencias para reducir navegación por menús.

Reconocimiento de patrones de trabajo dentro de la sesión.

Limitaciones de las predicciones.

Command Predictor como funcionalidad Beta.

Picture to Sketch.

Conversión automática de una imagen en entidades de croquis.

Inserción de Sketch Picture.

Crop Select.

Rectangle Select.

Lasso Select.

Polygon Select.

Color Select.

Generación de una previsualización.

Validación de la geometría obtenida.

Incompatibilidad simultánea con Autotrace.

Picture to Sketch como funcionalidad Beta de SOLIDWORKS 2026.

AI Fastener Recognition.

Reconocimiento de componentes con apariencia de tornillos, tuercas y arandelas.

Creación automática de SmartMates.

Activación desde System Options > Assemblies.

Diferencia entre fasteners reconocidos por geometría y Toolbox.

Condiciones de reconocimiento.

Limitaciones asociadas a cuerpos, vistas previas y geometría.

Desactivación temporal de la detección inteligente.

Validación de mates generados.

AI Fastener Recognition disponible para agilizar la inserción de elementos de fijación.

Fastener Pattern Assistant incorporado en R2026x FD03.

Identificación de conjuntos relacionados de bolts, washers y nuts.

Agrupación de hardware repetitivo en patrones.

Reducción de selección manual de elementos repetidos.

Diferencia entre reconocimiento inteligente y creación convencional de patrones.

Uso conjunto de AI Fastener Recognition y Fastener Pattern Assistant en ensamblajes con gran cantidad de tornillería.

Engineering Guidance como familia de capacidades para acelerar operaciones habituales.

Uso de lenguaje natural para indicar qué elementos deben seleccionarse.

Selección de geometría sin recorrer manualmente árboles extensos.

Selección de caras.

Selección de aristas.

Selección de cuerpos.

Selección de componentes.

Selección dentro de ensamblajes.

Selección dentro de croquis.

Selección dentro de dibujos.

Criterios de selección expresados mediante texto.

Aislamiento de elementos de interés.

Reducción de errores en selecciones complejas.

Combinación de selección mediante LEO con operaciones CAD convencionales.

Selección inteligente como paso previo a modificaciones.

Engineering Guidance introducido en FD03 para reducir procesos manuales de selección.

Material Appearance Manager.

Aplicación de apariencias mediante conversación.

Actualización de apariencias en componentes.

Consistencia visual dentro de ensamblajes.

Reducción del trabajo repetitivo de asignación.

Distinción entre apariencia visual y propiedades físicas del material.

Verificación de componentes afectados antes de aplicar cambios masivos.

Material Appearance Manager disponible como capacidad Beta documentada en R2026x FD02.

AURA como guía para localizar la operación SOLIDWORKS adecuada.

Consulta sobre alternativas de modelado.

Recomendaciones de configuración.

Consultas sobre errores de utilización.

Aprovechamiento de documentación oficial sin abandonar el flujo de ingeniería.

Diferencia entre recomendación de AURA y acción ejecutable de LEO.

Uso del asistente como capa de conocimiento sobre funcionalidades que un usuario avanzado conoce parcialmente.

Combinación del conocimiento experto del usuario con la capacidad de recuperación y análisis del asistente.

Problemas de reconstrucción en modelos paramétricos.

Errores en operaciones.

Advertencias.

Relaciones colgantes.

Cotas colgantes.

Fallos derivados de cambios anteriores del FeatureManager.

Errores en croquis.

Fallos de reconstrucción en piezas.

Problemas propagados dentro de un árbol paramétrico.

Diferencia entre causa raíz y errores en cascada.

What's Wrong tradicional.

Ask Virtual Companion.

Apertura de LEO desde What's Wrong.

Análisis contextual del problema.

Generative Self-Healing como denominación oficial de la capacidad de diagnóstico y remediación asistida.

Interpretación de mensajes técnicos mediante lenguaje natural.

Explicación de la posible causa.

Priorización del error que origina fallos posteriores.

Recomendaciones de corrección.

Secuenciación de pasos para reparar el modelo.

Análisis del impacto de cambiar una referencia.

Evaluación del FeatureManager antes de modificar.

Diferencia entre sugerir una reparación y realizar una modificación.

Ingeniería responsable de aprobar los cambios.

Verificación mediante rebuild.

Comprobación de referencias después de reparar.

Revisión de configuraciones.

Prevención de reparaciones que alteran la intención de diseño.

Reutilización del diagnóstico para comprender modelos heredados.

Uso en modelos de terceros con fallos.

Uso durante modificaciones que rompen referencias.

Reducción del tiempo dedicado a interpretar cadenas de errores.

What's Wrong Analysis permite a LEO profundizar en la causa de fallos y ofrecer instrucciones para solucionarlos.

Concepto de Generative Assembly Design.

Assembly Structure Design.

Diseño top-down asistido por IA.

Descripción de un producto mediante lenguaje natural.

Conversión de una descripción en una jerarquía inicial.

Creación del top-level assembly.

Generación de subensamblajes.

Creación de componentes.

Organización lógica de la estructura.

Utilización de nombres descriptivos.

Refinamiento mediante conversación.

Eliminación de componentes.

Sustitución de componentes.

Modificación de la jerarquía.

Reorganización de subensamblajes.

Iteración sobre la propuesta.

Preparación de una estructura antes del modelado detallado.

Generación de archivos de ensamblaje SOLIDWORKS.

Generación de archivos de pieza.

Diferencia entre generar una estructura y generar el diseño mecánico terminado.

La IA no sustituye la definición de dimensiones funcionales.

La IA no garantiza relaciones de posición finales.

La IA no valida automáticamente fabricabilidad.

La IA no sustituye análisis de tolerancias.

Revisión de la arquitectura de producto propuesta.

Uso en máquinas.

Uso en utillajes.

Uso en productos con arquitectura modular.

Uso para estudiar estructuras alternativas.

Convenciones de nombres antes de consolidar archivos.

Verificación de relaciones padre-hijo.

Integración con metodologías de diseño top-down existentes.

Generative Assembly Design puede producir una estructura y refinarla conversacionalmente antes de generar archivos SOLIDWORKS.

Generative Drawings.

Auto-Generate Drawing.

Generación automática de dibujos de piezas.

Generación automática de dibujos de ensamblajes.

Selección de uno o varios componentes.

Definición de ubicación de guardado.

Selección del estándar de dibujo.

Determinación automática del tamaño de hoja.

Organización automática de vistas.

Vista principal.

Vistas proyectadas.

Vistas de sección.

Reconocimiento de operaciones internas que requieren secciones.

Dimensionado propuesto.

Hole callouts.

Reconocimiento de taladros en geometría nativa.

Reconocimiento de taladros en determinados modelos importados.

Generación de anotaciones.

Reducción de solapamientos.

Interacción con LEO mediante Ask Virtual Companion.

Definición previa de requisitos mediante lenguaje natural.

Refinamiento de las especificaciones.

Inclusión de tablas.

BOM.

Revision Tables.

Aplicación de templates.

Utilización de estándares corporativos.

Revisión del preview antes de generar.

Cola de dibujos.

Seguimiento del estado.

Reintento de generaciones fallidas.

Apertura del dibujo generado en Detailing Mode.

Generación de varios dibujos a partir de componentes seleccionados.

Verificación del dimensionado.

Verificación de vistas.

Comprobación de BOM.

Validación de tolerancias y anotaciones antes de liberar fabricación.

Generative Drawings está documentado por Dassault como generación de documentación 2D con vistas, secciones, cotas y BOM controladas mediante prompts.

Auto-Generate Drawing está disponible para usuarios conectados a 3DEXPERIENCE y continúa documentado como funcionalidad Beta en SOLIDWORKS 2026.

Problema de los modelos BREP importados sin historial paramétrico.

Diferencia entre geometría BREP y modelo nativo basado en features.

Importación de STEP.

Importación de IGES.

Generative Part Design.

BREP to Parametric CAD.

Análisis de la geometría importada mediante IA.

Reconstrucción de un modelo basado en operaciones.

Recuperación de una estructura editable.

Interpretación de intención de diseño.

Creación de features paramétricas.

Reconocimiento de geometrías susceptibles de reconstrucción.

Modificación posterior mediante SOLIDWORKS.

Cambio de dimensiones.

Cambio de operaciones.

Adaptación de componentes procedentes de proveedores.

Reutilización de diseños históricos.

Reducción del remodelado manual.

Conversión de componentes recibidos sin árbol de operaciones.

Validación geométrica entre original y modelo reconstruido.

Comparación de dimensiones.

Comprobación de superficies.

Comprobación de cuerpos.

Verificación de taladros.

Verificación de redondeos.

Revisión del orden de operaciones.

Evaluación de la intención paramétrica recuperada.

Diferencia entre reconstrucción geométrica y conocimiento real de las decisiones originales del diseñador.

Necesidad de revisar referencias y relaciones antes de reutilizar el modelo.

Conservación del archivo original como referencia.

Control de revisiones durante la conversión.

Capacidad vinculada a datos almacenados en 3DEXPERIENCE para determinadas operaciones.

Generative Part Design está documentado oficialmente para convertir BREP STEP/IGES en modelos paramétricos estructurados.

Grandes ensamblajes como uno de los principales objetivos actuales de LEO.

Assembly Performance Analysis.

Evaluación mediante lenguaje natural.

Análisis del tiempo de apertura.

Análisis del tiempo de rebuild.

Análisis de carga gráfica.

Análisis de complejidad estructural.

Detección de componentes que penalizan rendimiento.

Priorización de problemas según impacto.

Recomendaciones de optimización.

Generative Model Health.

Identificación de cuellos de botella.

Detección de geometría innecesariamente compleja.

Identificación de elementos redundantes.

Simplificación de piezas.

Simplificación de ensamblajes.

Modelled threads como fuente de sobrecarga.

Identificación de tornillería importada con roscas modeladas.

Conversión de roscas modeladas a cosmetic threads mediante LEO.

Conservación de información de rosca necesaria para documentación.

Reducción de geometría.

Part & Assembly Simplification.

Identificación de oportunidades SpeedPak.

Recomendación de configuraciones SpeedPak.

Creación de SpeedPak a nivel de ensamblaje.

Creación de SpeedPak en subensamblajes cuando resulta adecuado.

Reducción del tamaño efectivo de los modelos cargados.

Mejora de apertura.

Mejora de reconstrucción.

Mejora de capacidad de respuesta.

Evaluación posterior para verificar el efecto de las optimizaciones.

Comparación antes/después.

Evitación de simplificaciones que eliminan referencias necesarias.

Conservación de configuraciones completas cuando son necesarias.

Uso de datos objetivos frente a optimización por intuición.

LEO analiza open time, rebuild time, graphics load y estructura y puede aplicar simplificaciones como cosmetic threads y SpeedPak.

Assembly Performance Evaluator está disponible como capacidad Beta de R2026x FD02 y continúa formando parte del flujo actual de SOLIDWORKS AI.

Problema de modificar una pieza sin conocer todas sus dependencias.

Generative Impact Analysis.

Design Change Impact.

Análisis antes de realizar una modificación.

Identificación de piezas relacionadas.

Identificación de ensamblajes dependientes.

Identificación de dependencias downstream.

Análisis de where-used.

Identificación de diseños potencialmente afectados.

Identificación de personas o stakeholders afectados cuando existe información de plataforma.

Valoración previa del riesgo.

Priorización de cambios.

Diferencia entre impacto geométrico e impacto sobre ciclo de vida.

Uso en componentes comunes.

Uso en piezas reutilizadas por varios productos.

Prevención de cambios que rompen ensamblajes derivados.

Generative Design Analytics.

Contextualización mediante información PLM.

PLM Model Insights.

Consulta conversacional de revisión.

Maturity State.

Ownership.

Related Files.

Change Actions.

Navegación de información sin recorrer manualmente diferentes menús PLM.

Relación entre datos CAD y metadatos de ciclo de vida.

Necesidad de disponer de información gestionada en plataforma para obtener determinados insights.

Evaluación antes de modificar.

Evaluación después de modificar.

Decisiones de release.

Validación de dependencias.

Reducción de riesgo en componentes estandarizados.

Trazabilidad de decisiones.

Design Change Impact está orientado a revelar partes, ensamblajes y dependencias downstream afectadas antes de realizar una modificación.

PLM Model Insights permite consultar revisión, madurez, ownership, archivos relacionados y acciones de cambio mediante conversación.

Assembly Instructions Generation.

Uso del ensamblaje 3D como fuente.

Petición en lenguaje natural.

Análisis de la geometría.

Determinación de una secuencia de ensamblaje.

Identificación de componentes.

Ordenación de pasos.

Generación de instrucciones estructuradas.

Generación de snapshots.

Imágenes asociadas a cada paso.

Reducción del trabajo manual con exploded views.

Reducción de capturas manuales.

Preparación de información para fabricación.

Preparación de información para montaje.

Preparación de documentación para servicio.

Uso en instrucciones internas.

Uso en documentación de soporte.

Identificación del componente inicial adecuado.

Revisión de la secuencia propuesta.

Comprobación de accesibilidad física.

Revisión de orden de inserción.

Consideración de herramientas necesarias.

Validación de operaciones que requieren pares de apriete.

Identificación de información que no debe inferirse automáticamente.

Incorporación posterior de advertencias de seguridad.

Incorporación de requisitos de calidad.

Revisión de referencias de componentes.

Consistencia con la BOM.

Validación humana antes de liberar instrucciones.

Diferencia entre secuencia inferida y proceso de fabricación aprobado.

Utilización de la IA para generar una base documental que después debe validarse.

LEO puede analizar la geometría del ensamblaje y producir una secuencia paso a paso acompañada de imágenes.

Workflow Automation mediante LEO.

Conversión de una necesidad repetitiva en una especificación.

Descripción de automatizaciones mediante lenguaje natural.

Generación automática de macros SOLIDWORKS.

Apertura de la macro generada en el editor.

Revisión del código antes de ejecutarlo.

Refinamiento mediante conversación.

Solicitud de cambios sobre la macro.

Adición de condiciones.

Gestión de errores.

Definición de alcance.

Renombrado de archivos.

Exportación de entregables.

Exportación repetitiva de formatos.

Actualización de Custom Properties.

Aplicación de convenciones empresariales.

Estandarización de propiedades.

Operaciones masivas sobre documentos.

Eliminación de acciones manuales repetidas.

Automatización de preparación de entregables.

Automatización de tareas administrativas CAD.

Acceso indirecto a capacidades de SOLIDWORKS API mediante código generado.

Diferencia entre una macro generada y una automatización validada para producción.

Revisión de llamadas API.

Revisión de rutas.

Revisión de tratamiento de archivos.

Gestión de documentos abiertos.

Prevención de sobrescritura accidental.

Uso de copias antes de operaciones masivas.

Control de versiones de macros.

Documentación del propósito.

Prueba sobre conjuntos reducidos.

Validación sobre modelos representativos.

Gestión de permisos.

Mantenimiento cuando cambia la versión de SOLIDWORKS.

Identificación de automatizaciones recurrentes candidatas.

LEO puede generar macros para renombrar archivos, exportar entregables, aplicar estándares o actualizar propiedades y abrirlas directamente en el editor.

Propiedad intelectual como activo crítico de ingeniería.

Diferencia entre trabajo local y procesamiento cloud.

Clasificación de modelos antes de utilizar servicios conectados.

Políticas corporativas de utilización de IA.

Evaluación de documentación confidencial.

Diseños sujetos a NDA.

Datos de clientes.

Información de proveedores.

Diseños patentables.

Restricciones de exportación cuando puedan resultar aplicables.

Principio de utilizar exclusivamente entornos corporativos autorizados.

SOLIDWORKS declara que los datos de cliente no se utilizan para entrenar sus modelos de IA.

Modelos entrenados con datos propios de Dassault Systèmes y conjuntos sintéticos.

Cifrado de las funciones cloud durante tránsito y almacenamiento según la documentación de SOLIDWORKS.

Datos utilizados únicamente para proporcionar la interacción correspondiente.

Revisión de las políticas internas antes de utilizar las funciones de 3DEXPERIENCE AI.

Cómputo cloud mediante recursos compartidos para determinadas herramientas.

Uso únicamente de la información necesaria para realizar el cálculo según la documentación de Dassault Systèmes.

Intended Purpose de cada funcionalidad.

Uso de las funciones únicamente dentro de su finalidad prevista.

Validación obligatoria de resultados.

IA generativa como fuente de propuestas, no como certificado técnico.

Ingeniería responsable de diseño final.

Comprobación de geometría.

Comprobación de relaciones.

Comprobación de dimensiones.

Comprobación de tolerancias.

Comprobación de documentación de fabricación.

Comprobación de modelos reconstruidos.

Comprobación de macros.

Comprobación de instrucciones de ensamblaje.

Revisión de dependencias antes de aceptar cambios.

Gestión del estado Beta.

Planificación de actualizaciones.

Validación de funciones después de un Service Pack.

Gestión corporativa de Blue Tokens.

Registro de casos de uso que generan ahorro.

Priorización de IA para tareas repetitivas de alto volumen.

Definición de flujos donde la automatización no aporta suficiente beneficio.

Creación de un catálogo corporativo de prompts.

Creación de patrones de uso por tipo de trabajo.

Medición del tiempo ahorrado.

Medición de errores evitados.

Medición de intervenciones manuales necesarias.

Actualización periódica del catálogo de capacidades.

Diferenciación entre funciones disponibles y funcionalidades anunciadas para futuras entregas.

A fecha de 9 de septiembre de 2026, FD04 está anunciada para el 12 de septiembre y sus nuevas funciones no se consideran aún capacidades disponibles dentro del alcance actual.

Selección de un producto mecánico representativo.

Preparación de una pieza.

Preparación de un ensamblaje.

Preparación de documentación 2D.

Verificación de la versión SOLIDWORKS.

Comprobación de acceso a 3DEXPERIENCE.

Verificación de disponibilidad de AURA.

Verificación de disponibilidad de LEO.

Comprobación del saldo de Blue Tokens.

Identificación de operaciones que pueden permanecer sobre datos locales.

Identificación de capacidades que requieren datos almacenados en plataforma.

Consulta de buenas prácticas mediante AURA.

Preparación de prompts técnicos.

Definición del contexto.

Definición de restricciones.

Utilización de Command Predictor.

Utilización de selección mediante lenguaje natural.

Análisis de geometría repetitiva.

Utilización de AI Fastener Recognition.

Organización de elementos de fijación mediante las capacidades inteligentes disponibles.

Conversión de información gráfica cuando resulte apropiado mediante Picture to Sketch.

Introducción deliberada de un problema de reconstrucción controlado.

Diagnóstico mediante What's Wrong Analysis.

Identificación de causa raíz.

Evaluación de la solución sugerida.

Restauración del modelo.

Definición de una estructura de producto mediante Generative Assembly Design.

Refinamiento de la jerarquía mediante prompts.

Validación de componentes y subensamblajes.

Generación de archivos SOLIDWORKS.

Preparación de documentación mediante Generative Drawings.

Definición de template y estándar.

Definición de vistas.

Generación de secciones.

Incorporación de dimensiones.

Incorporación de hole callouts.

Incorporación de BOM cuando corresponda.

Revisión completa del dibujo generado.

Importación de un componente STEP o IGES.

Conversión mediante Generative Part Design.

Revisión del árbol paramétrico reconstruido.

Comparación del BREP original con el modelo generado.

Modificación de una operación recuperada.

Evaluación de un ensamblaje mediante Assembly Performance Analysis.

Identificación de los principales cuellos de botella.

Evaluación de geometría compleja.

Simplificación de roscas modeladas cuando resulte recomendable.

Evaluación de SpeedPak.

Aplicación controlada de las recomendaciones.

Comparación de rendimiento antes y después.

Análisis de impacto de un cambio.

Identificación de dependencias downstream.

Consulta de información PLM cuando esté disponible.

Evaluación del riesgo de la modificación.

Generación de instrucciones de ensamblaje.

Revisión de la secuencia.

Validación de snapshots.

Comprobación frente a la estructura real del producto.

Identificación de una tarea CAD repetitiva.

Descripción mediante lenguaje natural.

Generación de una macro con LEO.

Revisión del código.

Refinamiento conversacional.

Validación sobre archivos de prueba.

Ejecución controlada.

Verificación de resultados.

Identificación de tareas donde la IA ha reducido trabajo manual.

Identificación de resultados que han requerido mayor corrección.

Medición de ahorro de tiempo.

Evaluación del consumo de Blue Tokens.

Evaluación de precisión.

Evaluación de seguridad.

Revisión de propiedad intelectual.

Documentación de los prompts más eficaces.

Creación de criterios de validación.

Diseño de un flujo corporativo de adopción.

Definición de tareas recomendadas para AURA.

Definición de tareas recomendadas para LEO.

Definición de automatizaciones recomendadas.

Identificación de procesos que deben mantenerse manuales.

Evaluación final de productividad, robustez, trazabilidad y control técnico.