Noreña Agudelo, Luis GonzaloValencia Payán, Nicolás2026-09-012026-09-012026http://hdl.handle.net/11522/5770El presente trabajo de grado describe el diseño y desarrollo de FinVise, una plataforma web educativa que emplea inteligencia artificial adaptativa para personalizar el aprendizaje financiero de sus usuarios. A diferencia de los robo-advisors tradicionales, cuya finalidad es ejecutar operaciones financieras reales, FinVise opera exclusivamente como herramienta pedagógica, enmarcando cada recomendación como un ejemplo contextualizado al perfil de vida del usuario y no como asesoramiento financiero regulado. El sistema integra cinco fuentes de datos de mercado en tiempo real, un motor de recomendaciones basado en el modelo de lenguaje Claude Sonnet de Anthropic, un algoritmo de aprendizaje Multi-Armed Bandit (UCB1) para personalización adaptativa, detección automática de cinco sesgos cognitivos respaldados por la literatura de finanzas conductuales (Kahneman y Tversky), y un diseño de encuesta pre/post que permite medir el impacto educativo cuantitativamente. La plataforma fue construida con NestJS en el backend y React con Vite en el frontend, con Supabase (PostgreSQL) como capa de persistencia. Este documento presenta la identificación de requisitos funcionales y no funcionales del sistema, el diseño de su arquitectura, la implementación del prototipo y los resultados de las pruebas de validación.105 p.application/pdfspaEducación financieraInteligencia artificialSesgos cognitivosAlgoritmo bandit UCB1Personalización adaptativaFinancial educationArtificial intelligenceCognitive biasesUCB1 bandit algorithmAdaptive personalizationbachelor thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2