{"id":172,"date":"2026-09-22T15:10:11","date_gmt":"2026-09-22T21:10:11","guid":{"rendered":"https:\/\/zherpa.ai\/blog\/?p=172"},"modified":"2026-09-22T15:10:11","modified_gmt":"2026-09-22T21:10:11","slug":"ia-webmcp-catalogo-profesionales-salud","status":"publish","type":"post","link":"https:\/\/zherpa.ai\/blog\/investigacion\/ia-webmcp-catalogo-profesionales-salud\/","title":{"rendered":"Cuando 200 productos son demasiados para recordarlos: IA y WebMCP para un cat\u00e1logo profesional"},"content":{"rendered":"

Laboratorio Zherpa \/ Investigaci\u00f3n aplicada<\/strong><\/p>\n

Imaginemos una empresa del sector salud con aproximadamente 200 productos que llegan al paciente a trav\u00e9s de una red de profesionales m\u00e9dicos.<\/p>\n

El m\u00e9dico atiende al paciente, determina qu\u00e9 necesita y, cuando corresponde, prescribe o indica un producto. Esa decisi\u00f3n permite posteriormente al paciente acceder a aquello que el profesional ha seleccionado.<\/p>\n

El modelo parece sencillo hasta que hacemos una pregunta:<\/p>\n

\u00bfPuede un m\u00e9dico recordar 200 productos, sus presentaciones, caracter\u00edsticas, indicaciones, restricciones y documentaci\u00f3n relevante cada vez que atiende a un paciente?<\/strong><\/p>\n

Probablemente \u00e9se sea el problema tecnol\u00f3gico interesante. No empezar\u00edamos preguntando c\u00f3mo vender m\u00e1s. Empezar\u00edamos preguntando: \u00bfc\u00f3mo reducimos la distancia entre lo que el m\u00e9dico necesita resolver y la informaci\u00f3n autorizada que necesita consultar para tomar su propia decisi\u00f3n?<\/strong><\/p>\n

Bienvenidos a este Laboratorio Zherpa.<\/p>\n

El problema no es necesariamente el cat\u00e1logo. Es recuperarlo en el momento adecuado.<\/h2>\n

Digitalizar 200 productos no es particularmente dif\u00edcil. Podemos construir categor\u00edas, filtros, buscadores y fichas individuales. Pero eso sigue colocando buena parte del trabajo cognitivo sobre el usuario.<\/p>\n

El profesional necesita recordar qu\u00e9 buscar. Despu\u00e9s tiene que localizarlo, revisar informaci\u00f3n, regresar, comparar y finalmente decidir. A medida que aumenta el cat\u00e1logo, tambi\u00e9n aumenta la posibilidad de que productos potencialmente relevantes no sean considerados simplemente porque el profesional no los recuerda en ese momento.<\/p>\n

Aqu\u00ed aparece una hip\u00f3tesis que vale la pena probar:<\/p>\n

\n

\u00bfQu\u00e9 ocurrir\u00eda si el profesional pudiera consultar los 200 productos utilizando lenguaje natural y recibir \u00fanicamente la informaci\u00f3n pertinente para revisar?<\/strong><\/p>\n<\/blockquote>\n

Eso ya no es solamente b\u00fasqueda. Es recuperaci\u00f3n contextual de conocimiento.<\/p>\n

De memorizar 200 productos a consultar una fuente de verdad<\/h2>\n

El objetivo no ser\u00eda ense\u00f1ar al modelo de IA a \u201cmemorizar\u201d el cat\u00e1logo. Har\u00edamos exactamente lo contrario: el modelo deber\u00eda saber consultarlo<\/strong>.<\/p>\n

El modelo interpreta<\/h3>\n

Comprende la pregunta y el contexto proporcionado por el profesional.<\/p>\n

El cat\u00e1logo responde<\/h3>\n

Determina qu\u00e9 productos realmente existen y devuelve exclusivamente informaci\u00f3n autorizada.<\/p>\n

Las reglas delimitan<\/h3>\n

Controlan qu\u00e9 informaci\u00f3n puede utilizarse, qui\u00e9n puede verla y qu\u00e9 acciones est\u00e1n permitidas.<\/p>\n

El m\u00e9dico decide<\/h3>\n

Eval\u00faa la informaci\u00f3n y conserva la responsabilidad sobre la decisi\u00f3n profesional.<\/p>\n

Podemos resumirlo as\u00ed: intenci\u00f3n \u2192 recuperaci\u00f3n \u2192 evidencia \u2192 revisi\u00f3n \u2192 decisi\u00f3n humana.<\/strong><\/p>\n

La IA no se convierte en la fuente de verdad. Se convierte en una interfaz para llegar a ella.<\/p>\n

\u00bfC\u00f3mo se ver\u00eda en una consulta?<\/h2>\n

Supongamos que el profesional tiene acceso autorizado al cat\u00e1logo. En lugar de navegar manualmente por categor\u00edas podr\u00eda plantear una consulta relacionada con el caso que est\u00e1 atendiendo.<\/p>\n

El agente analiza la solicitud y consulta el cat\u00e1logo. De 200 productos podr\u00eda recuperar \u00fanicamente aquellos que cumplan los criterios disponibles. Despu\u00e9s podr\u00eda organizar informaci\u00f3n como producto, presentaci\u00f3n, composici\u00f3n publicada, indicaciones autorizadas, contraindicaciones y precauciones disponibles, documentaci\u00f3n para profesionales, disponibilidad y otros datos autorizados relevantes para su revisi\u00f3n.<\/p>\n

El m\u00e9dico puede entonces abrir las fuentes correspondientes, comparar informaci\u00f3n y tomar su propia decisi\u00f3n.<\/p>\n

El cambio est\u00e1 en pasar de \u201crecuerda cu\u00e1l producto debes buscar\u201d<\/strong> a \u201cdescribe qu\u00e9 necesitas investigar y consulta la fuente autorizada\u201d.<\/strong><\/p>\n

Una frontera cr\u00edtica: recuperar no significa prescribir<\/h2>\n

Este laboratorio requiere una distinci\u00f3n fundamental. Un sistema que encuentra informaci\u00f3n relevante dentro de un cat\u00e1logo no es equivalente a un sistema que decide qu\u00e9 tratamiento debe recibir una persona.<\/p>\n

No dise\u00f1ar\u00edamos el agente para declarar: \u201cPrescribe este medicamento.\u201d<\/strong><\/p>\n

El objetivo inicial ser\u00eda algo diferente: \u201cDentro de la fuente autorizada encontr\u00e9 estos productos relacionados con los criterios proporcionados. \u00c9sta es la informaci\u00f3n disponible para que la revises.\u201d<\/strong><\/p>\n

El agente ayuda a encontrar. El profesional interpreta. El profesional decide. Y, cuando existe una acci\u00f3n de prescripci\u00f3n, el profesional la autoriza.<\/p>\n

En M\u00e9xico esta separaci\u00f3n tiene adem\u00e1s una dimensi\u00f3n regulatoria. El Reglamento de la Ley General de Salud en Materia de Publicidad establece que la publicidad de medicamentos dirigida a profesionales de la salud s\u00f3lo puede difundirse en medios orientados al sector y debe basarse en la informaci\u00f3n para prescribir medicamentos; tambi\u00e9n exige incorporar la clave del registro sanitario. Por eso la procedencia y gobierno de la informaci\u00f3n no ser\u00edan detalles secundarios del sistema: ser\u00edan parte de su arquitectura.<\/p>\n

Primero construir\u00edamos la fuente de verdad<\/h2>\n

Hablar de agentes, WebMCP o modelos de lenguaje antes de resolver los datos ser\u00eda empezar por el extremo equivocado.<\/p>\n

Antes de crear un asistente necesitamos estructurar aquello que puede consultar: identificaci\u00f3n y presentaci\u00f3n del producto, categor\u00eda, informaci\u00f3n autorizada, documentaci\u00f3n, restricciones, disponibilidad, vigencia de la informaci\u00f3n, fuente y permisos.<\/p>\n

No necesariamente todos los productos tendr\u00edan los mismos campos ni estar\u00edan sujetos a las mismas reglas. Un medicamento sujeto a prescripci\u00f3n, un dispositivo m\u00e9dico y otro producto del cat\u00e1logo pueden requerir tratamientos regulatorios diferentes.<\/p>\n

Despu\u00e9s construir\u00edamos el portal profesional<\/h2>\n

El siguiente componente ser\u00eda una aplicaci\u00f3n dise\u00f1ada espec\u00edficamente para el profesional. No s\u00f3lo una tienda: un espacio donde pueda consultar el cat\u00e1logo, buscar y filtrar, acceder a documentaci\u00f3n autorizada, comparar informaci\u00f3n, guardar selecciones y preparar determinadas acciones.<\/p>\n

La interfaz convencional seguir\u00eda siendo importante. La IA no elimina la necesidad de una buena aplicaci\u00f3n. La complementa.<\/p>\n

Despu\u00e9s incorporamos IA<\/h2>\n

Con una fuente estructurada y un portal funcional, podemos introducir una interfaz conversacional. El agente tendr\u00eda instrucciones espec\u00edficas: interpretar la necesidad, consultar \u00fanicamente fuentes autorizadas, no inventar productos, no completar informaci\u00f3n ausente, diferenciar evidencia de inferencia, mostrar la procedencia de la informaci\u00f3n, solicitar datos adicionales cuando sean necesarios y dejar las decisiones cl\u00ednicas al profesional.<\/p>\n

As\u00ed la conversaci\u00f3n deja de ser un chatbot gen\u00e9rico. Se convierte en una interfaz controlada hacia capacidades reales.<\/p>\n

Y entonces WebMCP empieza a resultar interesante<\/h2>\n

La especificaci\u00f3n WebMCP define una interfaz JavaScript para que aplicaciones web expongan funcionalidad como herramientas con descripciones en lenguaje natural y esquemas estructurados que pueden ser invocados por agentes. Tambi\u00e9n plantea flujos colaborativos donde usuario y agente trabajan dentro de la misma interfaz conservando contexto y control del usuario.<\/p>\n

En nuestro laboratorio podr\u00edamos experimentar con herramientas hipot\u00e9ticas como:<\/p>\n

    \n
  • search_catalog<\/code><\/li>\n
  • get_product_information<\/code><\/li>\n
  • compare_products<\/code><\/li>\n
  • get_authorized_documentation<\/code><\/li>\n
  • check_availability<\/code><\/li>\n
  • prepare_selection<\/code><\/li>\n
  • prepare_prescription_draft<\/code><\/li>\n<\/ul>\n

    Estos nombres no describen herramientas actualmente implementadas en una empresa del sector salud. Representan funciones que podr\u00edamos investigar.<\/p>\n

    \u00bfPor qu\u00e9 WebMCP si ya tenemos una API?<\/h2>\n

    Porque resuelven problemas relacionados, pero no id\u00e9nticos. Una API puede conectar sistemas. WebMCP permite que una aplicaci\u00f3n web declare capacidades que un agente compatible puede descubrir y utilizar dentro del contexto de la experiencia web.<\/p>\n

    La documentaci\u00f3n actual de Chrome describe este patr\u00f3n mediante document.modelContext<\/code>: el sitio registra herramientas, un agente autorizado puede descubrirlas y puede ejecutarlas con argumentos estructurados.<\/p>\n

    Eso permite pensar en algo m\u00e1s amplio que \u201cel chatbot de la empresa\u201d. En el futuro, el m\u00e9dico podr\u00eda llegar con su propio agente<\/strong> y la aplicaci\u00f3n podr\u00eda indicarle qu\u00e9 puede consultar, qu\u00e9 par\u00e1metros necesita, qu\u00e9 acciones est\u00e1n permitidas y cu\u00e1les requieren intervenci\u00f3n humana.<\/p>\n

    El agente del m\u00e9dico podr\u00eda hablar con las capacidades del negocio<\/h2>\n

    Imaginemos que el m\u00e9dico utiliza un agente compatible y le dice: \u201cNecesito revisar qu\u00e9 alternativas existen en este cat\u00e1logo para el caso que estoy atendiendo.\u201d<\/p>\n

    El agente descubre que la aplicaci\u00f3n ofrece search_catalog<\/code>, env\u00eda criterios estructurados y la aplicaci\u00f3n consulta su propia fuente de verdad. Si despu\u00e9s el m\u00e9dico pide comparar tres opciones, el agente podr\u00eda utilizar compare_products<\/code> y construir la comparaci\u00f3n con informaci\u00f3n proveniente del sistema autorizado.<\/p>\n

    Finalmente, una funci\u00f3n como prepare_prescription_draft<\/code> podr\u00eda preparar trabajo, pero no ejecutar la decisi\u00f3n cl\u00ednica.<\/p>\n

    Preparar no significa autorizar<\/h2>\n

    Una arquitectura conservadora podr\u00eda devolver un estado como awaiting_physician_confirmation<\/code>.<\/p>\n

    El agente hizo el trabajo preparatorio. No ejecut\u00f3 la decisi\u00f3n cl\u00ednica. El m\u00e9dico revisa, modifica, descarta o solicita m\u00e1s evidencia y \u00fanicamente despu\u00e9s de una acci\u00f3n expl\u00edcita se produce el siguiente efecto.<\/p>\n

    IA explora \u2192 IA recupera \u2192 IA compara \u2192 IA prepara \u2192 m\u00e9dico decide \u2192 m\u00e9dico autoriza.<\/strong><\/p>\n

    \u00bfY qu\u00e9 ocurre despu\u00e9s de la decisi\u00f3n del m\u00e9dico?<\/h2>\n

    Aqu\u00ed aparece una segunda oportunidad tecnol\u00f3gica. La prescripci\u00f3n o indicaci\u00f3n autorizada podr\u00eda convertirse, sujeto al marco legal y operativo aplicable, en una llave para el recorrido del paciente:<\/p>\n

    decisi\u00f3n profesional \u2192 autorizaci\u00f3n \u2192 identificaci\u00f3n v\u00e1lida \u2192 cat\u00e1logo permitido \u2192 compra.<\/strong><\/p>\n

    El paciente no necesitar\u00eda explorar 200 productos. Podr\u00eda entrar a una experiencia donde aparecen exclusivamente aquellos productos que puede adquirir conforme a la autorizaci\u00f3n y las reglas aplicables.<\/p>\n

    Por eso nuestra hip\u00f3tesis inicial ser\u00eda que el mayor valor agentivo podr\u00eda estar del lado del profesional, no necesariamente del paciente.<\/strong><\/p>\n

    El paciente quiz\u00e1 no necesite un agente<\/h2>\n

    No todos los procesos necesitan IA. Si el paciente recibe una autorizaci\u00f3n que determina claramente qu\u00e9 puede adquirir, una interfaz convencional podr\u00eda resolver perfectamente el proceso: validar \u2192 revisar \u2192 pagar \u2192 recibir.<\/p>\n

    Agregar un agente s\u00f3lo porque podemos hacerlo introducir\u00eda complejidad innecesaria. El m\u00e9dico enfrenta otro problema: necesita encontrar conocimiento dentro de un universo considerable de posibilidades.<\/p>\n

    200 productos hacen visible el problema<\/h2>\n

    Con cinco productos probablemente no construir\u00edamos este sistema. Con veinte, quiz\u00e1 un buen buscador ser\u00eda suficiente. Con 200 empiezan a aparecer preguntas interesantes.<\/p>\n

    \u00bfCu\u00e1ntos recuerda habitualmente cada profesional? \u00bfCu\u00e1nto tarda en encontrar informaci\u00f3n? \u00bfQu\u00e9 porcentaje del cat\u00e1logo pr\u00e1cticamente nunca consulta? \u00bfCu\u00e1ntas veces necesita buscar documentaci\u00f3n adicional? \u00bfCu\u00e1ntas opciones relevantes quedan fuera de consideraci\u00f3n porque no fueron recordadas?<\/p>\n

    No conocemos todav\u00eda las respuestas. Y precisamente por eso son m\u00e9tricas de laboratorio.<\/p>\n

    \n

    Hip\u00f3tesis:<\/strong> un sistema de recuperaci\u00f3n asistido por IA puede reducir el esfuerzo necesario para encontrar y revisar informaci\u00f3n autorizada dentro de un cat\u00e1logo profesional extenso.<\/p>\n<\/blockquote>\n

    \u00bfQu\u00e9 medir\u00edamos?<\/h2>\n

    Tiempo hasta informaci\u00f3n relevante.<\/strong> \u00bfCu\u00e1nto tarda el profesional en llegar a las fichas que necesita?<\/p>\n

    Cobertura del cat\u00e1logo.<\/strong> \u00bfQu\u00e9 porcentaje del cat\u00e1logo es realmente descubierto y consultado?<\/p>\n

    Precisi\u00f3n de recuperaci\u00f3n.<\/strong> \u00bfLos productos recuperados corresponden a los criterios solicitados?<\/p>\n

    Trazabilidad.<\/strong> \u00bfPodemos identificar de d\u00f3nde provino cada afirmaci\u00f3n presentada?<\/p>\n

    Correcciones.<\/strong> \u00bfCon qu\u00e9 frecuencia el profesional corrige o descarta los resultados del agente?<\/p>\n

    Incidentes.<\/strong> \u00bfEl sistema present\u00f3 informaci\u00f3n que no deb\u00eda, desactualizada o fuera de contexto?<\/p>\n

    Adopci\u00f3n.<\/strong> \u00bfLos profesionales prefieren la consulta asistida o contin\u00faan utilizando navegaci\u00f3n tradicional?<\/p>\n

    S\u00f3lo despu\u00e9s incorporar\u00edamos m\u00e9tricas comerciales. Primero necesitamos comprobar que la capacidad funciona correctamente.<\/p>\n

    Un riesgo que no podemos ignorar: prompt injection<\/h2>\n

    Convertir una aplicaci\u00f3n en un conjunto de herramientas operables por agentes tambi\u00e9n crea nuevos riesgos. La documentaci\u00f3n de seguridad de Chrome para WebMCP advierte espec\u00edficamente sobre indirect prompt injection<\/em>: contenido malicioso puede intentar influir en las instrucciones que recibe un modelo.<\/p>\n

    En salud esto exige una arquitectura especialmente conservadora. No deber\u00edamos confiar solamente en que el modelo \u201cse comporte bien\u201d. Necesitamos permisos, separaci\u00f3n de fuentes, validaci\u00f3n de par\u00e1metros, registros, l\u00edmites de herramientas y confirmaciones humanas para las acciones correspondientes.<\/p>\n

    Tampoco mezclar\u00edamos la recuperaci\u00f3n cl\u00ednica con incentivos comerciales<\/h2>\n

    Supongamos que el modelo empresarial incluye alg\u00fan mecanismo de atribuci\u00f3n, compensaci\u00f3n o relaci\u00f3n comercial con profesionales. Ese componente requiere an\u00e1lisis jur\u00eddico, regulatorio y \u00e9tico espec\u00edfico antes de implementarse.<\/p>\n

    Arquitect\u00f3nicamente establecer\u00edamos desde el principio una separaci\u00f3n:<\/p>\n

    informaci\u00f3n profesional \u2192 decisi\u00f3n cl\u00ednica \u2192 prescripci\u00f3n o indicaci\u00f3n \u2192 transacci\u00f3n \u2192 atribuci\u00f3n comercial.<\/strong><\/p>\n

    La remuneraci\u00f3n nunca deber\u00eda convertirse en una variable que haga que el agente coloque determinado producto por encima de otro cuando est\u00e1 asistiendo una consulta profesional.<\/p>\n

    No necesitamos esperar a que WebMCP madure<\/h2>\n

    Podr\u00edamos comenzar a construir este sistema sin WebMCP: cat\u00e1logo estructurado, portal profesional, b\u00fasqueda sem\u00e1ntica, recuperaci\u00f3n basada en fuentes autorizadas, permisos, trazabilidad y confirmaci\u00f3n humana.<\/p>\n

    Posteriormente podemos exponer determinadas funciones como herramientas WebMCP. Esto reduce el riesgo tecnol\u00f3gico: si WebMCP evoluciona, cambia o tarda en alcanzar adopci\u00f3n amplia, los activos fundamentales permanecen.<\/p>\n

    Porque WebMCP todav\u00eda est\u00e1 evolucionando<\/h2>\n

    A septiembre de 2026, WebMCP sigue siendo una tecnolog\u00eda emergente. La especificaci\u00f3n publicada el 17 de septiembre de 2026 es un Draft Community Group Report<\/strong> y declara expresamente que no es un est\u00e1ndar W3C ni forma parte del Standards Track.<\/p>\n

    Chrome mantiene documentaci\u00f3n de la API, un Origin Trial y un Intent to Experiment, y se\u00f1ala que WebMCP contin\u00faa en discusi\u00f3n activa y puede cambiar.<\/p>\n

    Esto no significa que debamos ignorarlo. Significa que debemos experimentar de forma que el negocio no dependa completamente de su adopci\u00f3n.<\/p>\n

    La arquitectura que probar\u00edamos<\/h2>\n
      \n
    1. Fuente de verdad:<\/strong> productos + documentaci\u00f3n autorizada + reglas + vigencia + permisos.<\/li>\n
    2. Portal profesional:<\/strong> identidad + b\u00fasqueda + fichas + documentaci\u00f3n + historial.<\/li>\n
    3. Recuperaci\u00f3n inteligente:<\/strong> lenguaje natural \u2192 consulta estructurada \u2192 resultados verificables.<\/li>\n
    4. Herramientas:<\/strong> buscar \u2192 recuperar \u2192 comparar \u2192 validar \u2192 preparar.<\/li>\n
    5. WebMCP:<\/strong> exposici\u00f3n controlada de determinadas herramientas a agentes compatibles.<\/li>\n
    6. Gobierno humano:<\/strong> el profesional revisa y conserva las decisiones de mayor impacto.<\/li>\n
    7. Transacci\u00f3n:<\/strong> el paciente accede posteriormente al proceso que corresponda conforme a la autorizaci\u00f3n y reglas aplicables.<\/li>\n<\/ol>\n

      La tecnolog\u00eda ampl\u00eda la capacidad del profesional. No sustituye su responsabilidad.<\/p>\n

      El activo no es el chatbot<\/h2>\n

      El activo que estamos construyendo no es una conversaci\u00f3n bonita con inteligencia artificial. Es un cat\u00e1logo que puede ser consultado, comprendido y operado de forma estructurada.<\/strong><\/p>\n

      Los datos son un activo. Las reglas son un activo. La documentaci\u00f3n autorizada es un activo. Las herramientas son un activo. La trazabilidad es un activo.<\/p>\n

      La interfaz conversacional es solamente una de las formas de acceder a ellos. Y WebMCP podr\u00eda convertirse en otra.<\/p>\n

      Del cat\u00e1logo digital al cat\u00e1logo agentivo<\/h2>\n

      Durante d\u00e9cadas hemos organizado informaci\u00f3n para que una persona pueda navegarla: categor\u00edas, men\u00fas, buscadores, filtros y fichas.<\/p>\n

      La aparici\u00f3n de agentes introduce otra posibilidad. Podemos mantener todas esas interfaces para humanos y, al mismo tiempo, preparar determinadas capacidades para que sean entendidas y utilizadas por agentes.<\/p>\n

      Cuando el cat\u00e1logo contiene cientos de productos, esto puede resultar especialmente interesante. El profesional ya no necesita recordar d\u00f3nde vive cada pieza de informaci\u00f3n. Puede expresar qu\u00e9 necesita investigar. El agente puede localizarla. El sistema puede demostrar de d\u00f3nde provino. Y el humano puede decidir.<\/p>\n

      \n

      Cuando el conocimiento disponible supera lo que una persona puede recordar f\u00e1cilmente, el valor de la IA no necesariamente est\u00e1 en decidir por ella. Puede estar en hacer accesible, en el momento adecuado, aquello que necesita para decidir mejor.<\/strong><\/p>\n<\/blockquote>\n

      Y si adem\u00e1s esa fuente de verdad puede exponer funciones estructuradas a agentes, empezamos a pasar de un cat\u00e1logo dise\u00f1ado \u00fanicamente para ser navegado a un cat\u00e1logo preparado para ser operado por humanos y agentes bajo reglas expl\u00edcitas.<\/strong><\/p>\n

      Ah\u00ed es donde WebMCP merece nuestra atenci\u00f3n.<\/p>\n

      Alcance del Laboratorio Zherpa<\/h2>\n

      Este Laboratorio Zherpa utiliza un escenario empresarial compuesto y anonimizado<\/strong> con fines de investigaci\u00f3n. No describe la operaci\u00f3n, tecnolog\u00eda, cat\u00e1logo, relaciones comerciales ni procesos de prescripci\u00f3n de una empresa o cliente espec\u00edfico.<\/p>\n

      Las herramientas WebMCP mencionadas son dise\u00f1os hipot\u00e9ticos para analizar la arquitectura propuesta. Cualquier implementaci\u00f3n real en salud requerir\u00eda revisi\u00f3n cl\u00ednica, regulatoria, jur\u00eddica, de privacidad y seguridad espec\u00edfica antes de desplegarse.<\/p>\n

      Fuentes<\/h2>\n