25 Temas TFG Ingeniería Informática 2026: Proyectos Software con Código Real
El TFG en Ingeniería Informática no es como el de otras carreras. Aquí no basta con redactar una revisión bibliográfica: el tribunal espera código funcional, un repositorio público y una estructura TFG ingeniería informática proyecto software que demuestre que sabes construir, no solo describir. En 2026, además, los evaluadores están familiarizados con las tendencias actuales —LLMs, agentes autónomos, edge computing, ciberseguridad post-cuántica— y detectan en cinco minutos si un proyecto es relevante o está desfasado.
La buena noticia: hay más oportunidades de tema que nunca. La explosión de los modelos de lenguaje grande (LLMs), los marcos de agentes como el Claude Agent SDK, el protocolo MCP de Anthropic, la madurez de frameworks como Next.js 15/16 o Flutter 3, y la creciente demanda de perfiles en ciberseguridad ofensiva y MLOps convierten 2026 en un año excepcional para presentar un TFG de Informática con impacto real.
En esta guía encontrarás 25 temas organizados en cinco bloques temáticos, con el stack tecnológico recomendado, el nivel de complejidad y el tiempo estimado para cada uno. También cubriremos la estructura de la memoria técnica, las buenas prácticas de ingeniería de software que el tribunal valorará y cómo documentar el código para obtener la máxima nota.
Tendencias 2026 en Ingeniería Informática que Definen los Mejores TFG
Antes de elegir tema, conviene entender el ecosistema actual. Estos son los seis vectores tecnológicos que dominan los proyectos punteros en 2026 y que, por tanto, tendrán mayor impacto en el tribunal:
- IA generativa y LLMs: Los modelos como GPT-4o, Claude 3.7 y Gemini 2.0 han pasado de ser curiosidades a infraestructura. Los proyectos que los integran mediante RAG (Retrieval-Augmented Generation) o agentes autónomos son los más valorados en tribunales técnicos.
- Agentes y protocolos MCP: El Model Context Protocol (MCP) de Anthropic y los SDKs de agentes (Claude Agent SDK, LangGraph, AutoGen) permiten construir sistemas de software que toman decisiones y ejecutan tareas de forma autónoma. Un TFG sobre agentes tiene una diferenciación enorme en 2026.
- Edge computing e IoT: La computación en el borde reduce latencia y permite procesamiento local de datos sensibles. Proyectos que combinen Raspberry Pi, WASM o runtimes ligeros con servicios cloud son altamente valorados.
- Ciberseguridad post-cuántica y Zero Trust: Con la llegada inminente de la computación cuántica, los algoritmos criptográficos clásicos están bajo presión. El modelo Zero Trust, el pentesting automatizado con IA y la detección de anomalías con SIEM son áreas de gran demanda.
- Desarrollo web moderno: Next.js 15/16 con React Server Components, Remix, Astro y las PWA de última generación marcan el estándar de lo que se espera en un proyecto web serio.
- MLOps y DataOps: Los pipelines de ML en producción (entrenamiento, versionado, despliegue, monitorización) con herramientas como MLflow, DVC y Evidently AI son proyectos con aplicación directa en empresa.
Bloque 1: Proyectos con LLMs e IA Generativa (5 Temas)
Este bloque es el más demandado en 2026. Los proyectos con LLMs combinan ingeniería de software clásica con las tecnologías más punteras del mercado. Cada tema incluye código real: no se trata de llamar a una API y mostrar el resultado, sino de construir una arquitectura completa.
| N.º | Tema | Stack sugerido | Complejidad | Tiempo estimado |
|---|---|---|---|---|
| 1 | Sistema RAG para documentación técnica universitaria: aplicación que indexa PDFs de asignaturas y permite consultas en lenguaje natural con respuestas fundamentadas y citadas. | Python, LangChain, ChromaDB, FastAPI, React | Media | 4-5 meses |
| 2 | Agente autónomo para gestión de proyectos software: agente que usa MCP para conectarse a GitHub, Jira y Slack, planifica sprints y genera informes de progreso automáticamente. | Python, Claude Agent SDK, MCP, SQLite, Next.js | Alta | 5-6 meses |
| 3 | Chatbot especializado en atención al ciudadano (e-gobierno): chatbot multilingüe entrenado con documentación oficial de ayuntamientos españoles, con handoff a agente humano. | Python, Mistral/Llama 3, Haystack, PostgreSQL, Vue.js | Media | 4 meses |
| 4 | Generador automático de casos de prueba con LLM: herramienta que analiza código fuente y genera tests unitarios y de integración en Jest/Pytest con cobertura superior al 80%. | TypeScript, OpenAI API, AST parsing, Jest, GitHub Actions | Alta | 5 meses |
| 5 | Sistema de detección de desinformación con LLMs y grafos de conocimiento: pipeline que evalúa afirmaciones en redes sociales contra fuentes verificadas usando embeddings y razonamiento simbólico. | Python, spaCy, Neo4j, HuggingFace, Streamlit | Alta | 5-6 meses |
Bloque 2: Proyectos de Desarrollo Web (5 Temas)
El desarrollo web en 2026 ha madurado considerablemente. Los tribunales ya no se impresionan con un CRUD en React: esperan arquitecturas sólidas, rendimiento medible, accesibilidad real y despliegue en producción. Aquí van cinco temas que cumplen ese listón.
| N.º | Tema | Stack sugerido | Complejidad | Tiempo estimado |
|---|---|---|---|---|
| 6 | Plataforma de gestión académica con Next.js 16 y React Server Components: sistema completo para gestión de TFGs universitarios (propuestas, asignación, seguimiento, evaluación) con panel diferenciado por rol. | Next.js 16, Prisma, PostgreSQL, NextAuth, Tailwind CSS | Media | 4 meses |
| 7 | PWA accesible para personas con discapacidad visual: aplicación web progresiva que cumple WCAG 2.2 nivel AAA, con modo lector de pantalla optimizado y navegación por voz integrada. | Astro, Web Speech API, ARIA, Lighthouse CI, Vercel | Media-Alta | 4-5 meses |
| 8 | Editor colaborativo en tiempo real con CRDTs: editor de código/documentos tipo Notion usando Conflict-free Replicated Data Types para sincronización sin servidor central de coordinación. | Yjs, React, WebSockets, Hocuspocus, TipTap | Alta | 5-6 meses |
| 9 | Marketplace de segunda mano con búsqueda semántica: plataforma de compra-venta entre estudiantes universitarios con búsqueda basada en embeddings (no solo palabras clave) y geolocalización. | Remix, Supabase, pgvector, OpenAI Embeddings, Stripe | Media | 4 meses |
| 10 | Dashboard de monitorización web con Core Web Vitals automatizados: herramienta SaaS que monitoriza sitios web en tiempo real, genera alertas y sugiere mejoras de rendimiento usando análisis de Lighthouse automatizado. | Next.js, Playwright, BullMQ, Redis, Chart.js | Media | 3-4 meses |
Bloque 3: Proyectos de Desarrollo Móvil (5 Temas)
Las aplicaciones móviles siguen siendo uno de los TFG con mayor visibilidad, porque el tribunal puede instalar la app en su propio teléfono durante la defensa. En 2026, el estándar mínimo es una app publicada en Google Play o TestFlight, con métricas de uso reales si es posible.
| N.º | Tema | Stack sugerido | Complejidad | Tiempo estimado |
|---|---|---|---|---|
| 11 | App de salud mental con seguimiento de estado de ánimo e IA: aplicación móvil que registra el estado emocional diario, detecta patrones con ML on-device y sugiere recursos de apoyo personalizados. | Flutter 3, TensorFlow Lite, Firebase, Riverpod | Media | 4 meses |
| 12 | Aplicación de realidad aumentada para aprendizaje de anatomía: app iOS/Android que superpone modelos 3D interactivos sobre libros de texto usando ARCore/ARKit, orientada a estudiantes de Medicina y Ciencias de la Salud. | React Native, Viro AR, ARCore, Three.js, Node.js | Alta | 5-6 meses |
| 13 | App de gestión de hábitos con gamificación y notificaciones inteligentes: aplicación que usa teoría del comportamiento (nudge theory) y ML para personalizar recordatorios en los momentos de mayor receptividad del usuario. | Kotlin (Android), WorkManager, Room, ML Kit | Media | 3-4 meses |
| 14 | Sistema de interpretación de lenguaje de signos con visión por computador: app que usa la cámara del móvil para reconocer gestos de LSE (Lengua de Signos Española) en tiempo real y los traduce a texto. | Swift (iOS), Core ML, Vision Framework, MediaPipe | Alta | 5-6 meses |
| 15 | App de transporte compartido universitario: plataforma de carpooling entre campus con optimización de rutas en tiempo real, sistema de valoraciones y pagos integrados. | React Native, Expo, Google Maps API, Stripe, Supabase | Media | 4 meses |
Bloque 4: Proyectos de Ciberseguridad (5 Temas)
La ciberseguridad es una de las áreas con mayor demanda de empleo en España en 2026. Un TFG en este bloque, bien ejecutado, puede convertirse directamente en portafolio profesional. Es importante avisar: algunos de estos proyectos requieren entornos controlados (máquinas virtuales, laboratorios de prueba) y autorización explícita. Nunca realices pentesting sobre sistemas reales sin permiso escrito.
| N.º | Tema | Stack sugerido | Complejidad | Tiempo estimado |
|---|---|---|---|---|
| 16 | Plataforma de análisis automático de vulnerabilidades OWASP Top 10: herramienta que analiza aplicaciones web (caja blanca y negra), detecta las vulnerabilidades más críticas según OWASP y genera informes de remediación. | Python, OWASP ZAP API, Burp Suite, Docker, FastAPI | Alta | 5 meses |
| 17 | SIEM ligero con detección de anomalías basada en ML: sistema de gestión de eventos de seguridad que agrega logs de múltiples fuentes y usa algoritmos de detección de anomalías (Isolation Forest, LSTM) para identificar comportamientos sospechosos. | Python, Elasticsearch, Kibana, scikit-learn, Kafka | Alta | 5-6 meses |
| 18 | Framework de pentesting automatizado para redes corporativas: herramienta de auditoría de seguridad en red que automatiza el reconocimiento, escaneo de puertos, enumeración de servicios y explotación en entornos de laboratorio. | Python, Nmap, Metasploit API, Scapy, Docker Lab | Alta | 5-6 meses |
| 19 | Herramienta de análisis forense digital para dispositivos móviles: aplicación de forense digital que extrae, analiza y presenta evidencias de dispositivos Android (imágenes de disco, registros de llamadas, mensajes) en formato admisible para procedimientos legales. | Python, ADB, SQLite forensics, Autopsy, PDF reports | Media-Alta | 4-5 meses |
| 20 | Sistema de autenticación Zero Trust con análisis de comportamiento: implementación de un sistema de acceso condicional que evalúa en tiempo real el contexto del usuario (dispositivo, ubicación, comportamiento biométrico) sin perímetro de confianza fijo. | Python, OAuth2, JWT, Redis, comportamiento biométrico con ML | Alta | 5 meses |
Bloque 5: Proyectos de Datos e IA (5 Temas)
Los proyectos de datos son los que más valoran los perfiles de empresa en España: analistas de datos, ingenieros de ML y especialistas en DataOps. Un TFG en este bloque que incluya un pipeline de extremo a extremo —ingesta, procesamiento, modelo, despliegue y monitorización— es prácticamente un portfolio profesional completo.
| N.º | Tema | Stack sugerido | Complejidad | Tiempo estimado |
|---|---|---|---|---|
| 21 | Pipeline MLOps completo para predicción de abandono universitario: sistema de predicción del abandono estudiantil con datos reales anonimizados, ciclo completo de MLOps (datos, entrenamiento, registro, despliegue, monitorización de drift). | Python, MLflow, DVC, scikit-learn, FastAPI, Evidently AI | Alta | 5-6 meses |
| 22 | ETL para datos abiertos de administraciones públicas españolas: pipeline de ingesta, limpieza y transformación de datasets del portal de datos abiertos (datos.gob.es) con visualizaciones interactivas y alertas automáticas de calidad de datos. | Python, Apache Airflow, dbt, DuckDB, Metabase | Media | 4 meses |
| 23 | Sistema de recomendación de recursos educativos abiertos (OER): motor de recomendación híbrido (filtrado colaborativo + basado en contenido + embeddings semánticos) para la plataforma MiriadaX o recursos abiertos de universidades españolas. | Python, Surprise, sentence-transformers, FastAPI, React | Media-Alta | 4-5 meses |
| 24 | Dashboard de visualización de datos climáticos con análisis predictivo: plataforma que integra datos de la AEMET, genera visualizaciones interactivas y modelos de predicción de temperatura, precipitación y eventos extremos para municipios españoles. | Python, Pandas, Prophet, Plotly Dash, PostgreSQL TimescaleDB | Media | 3-4 meses |
| 25 | Plataforma de análisis de sentimiento en redes sociales en español: sistema que monitoriza Twitter/X, Mastodon y Reddit en español, aplica análisis de sentimiento fino (emociones, no solo positivo/negativo) y genera informes automáticos por entidad o tema. | Python, Transformers (BETO/RoBERTa-es), Celery, Redis, Grafana | Media-Alta | 4-5 meses |
Estructura Típica de la Memoria Técnica en TFG de Informática
La estructura TFG ingeniería informática proyecto software tiene particularidades frente a otras disciplinas. Además de los capítulos habituales, debe incluir un bloque de arquitectura de software y otro dedicado al código y las pruebas. Este es el esquema que aceptan la mayoría de universidades españolas (UPM, UGR, UAB, UCM, UPV):
- Portada y resumen (abstract en español e inglés): El abstract técnico debe mencionar el problema, la solución propuesta, las tecnologías utilizadas y los resultados medibles.
- Introducción: Contexto del problema, motivación, objetivos (generales y específicos con verbos de acción medibles) y estructura del documento.
- Estado del arte: Revisión de soluciones existentes, trabajos relacionados y análisis comparativo. En Informática, esto incluye benchmarks y comparativas técnicas, no solo bibliografía.
- Análisis y especificación de requisitos: Requisitos funcionales y no funcionales. Casos de uso o historias de usuario si se usa metodología ágil. Diagrama de contexto.
- Diseño del sistema: Arquitectura software (diagramas C4, UML o de componentes), modelo de datos, decisiones de diseño justificadas (por qué Next.js y no Django, por qué PostgreSQL y no MongoDB).
- Implementación: Descripción de los módulos principales, fragmentos de código relevantes (no todo el código, sino los algoritmos clave), patrones de diseño aplicados.
- Pruebas: Estrategia de testing (unitario, integración, end-to-end), cobertura de código, resultados de los tests. Un TFG sin pruebas automatizadas rara vez obtiene matrícula.
- Resultados y evaluación: Métricas de rendimiento, comparativa con el estado del arte, evaluación con usuarios si aplica.
- Conclusiones y trabajo futuro: Qué se ha conseguido, qué queda por hacer, limitaciones del proyecto.
- Bibliografía y anexos: Referencias en IEEE o APA, manual de usuario, guía de instalación, glosario técnico.
Para entender cómo estructurar cada sección en detalle, consulta nuestra guía completa sobre la estructura del TFG, donde encontrarás plantillas descargables y ejemplos reales comentados.
Buenas Prácticas de Ingeniería de Software en el TFG
El tribunal de Informática tiene perfiles técnicos. Saben si el código está bien estructurado o si es un «proyecto de estudiante» sin estándares profesionales. Estas prácticas marcan la diferencia entre un notable y una matrícula de honor:
Control de versiones con Git
No uses Git solo para «subir el código al final». Haz commits semánticos (feat:, fix:, docs:, test:) desde el primer día. El historial de commits es evidencia del proceso de desarrollo y el tribunal puede revisarlo. Una buena guía es la especificación Conventional Commits.
Metodología de desarrollo
Define desde el principio si usas metodología ágil (Scrum, Kanban) o en cascada. Documenta los sprints si usas Scrum: velocidad, backlog, retrospectivas. Si usas GitHub Projects o Trello, incluye capturas en la memoria como evidencia del proceso.
Testing automatizado
Sin tests, el tribunal asume que el software puede fallar en cualquier momento. El mínimo aceptable para un TFG en 2026 es:
- Tests unitarios con cobertura superior al 70%
- Al menos un test de integración por endpoint de API
- Tests end-to-end para los flujos de usuario críticos (Playwright o Cypress)
CI/CD básico
Configura GitHub Actions para ejecutar los tests automáticamente en cada push. Un pipeline básico que falla si los tests no pasan demuestra madurez profesional y apenas lleva dos horas de configuración.
Containerización
Incluye un docker-compose.yml que levante toda la aplicación con un solo comando. Esto elimina el «en mi máquina funciona» y facilita enormemente la evaluación por parte del tribunal.
Cómo Documentar el Código: README, Wiki y Tests
La documentación es tan importante como el código en un TFG de Informática. Un proyecto bien documentado transmite profesionalidad y facilita que el tribunal entienda y ejecute el software durante la evaluación. Estas son las tres capas de documentación que debes cubrir:
El README: tu carta de presentación técnica
El README.md del repositorio es lo primero que verá cualquier evaluador. Debe incluir obligatoriamente:
- Descripción breve del proyecto (qué hace, para quién, por qué importa)
- Demo o capturas: un GIF o enlace a demo en vivo vale más que mil palabras
- Requisitos previos: versiones exactas de Node, Python, Docker, etc.
- Guía de instalación: comandos exactos, paso a paso, que funcionen en una máquina limpia
- Cómo ejecutar los tests: un solo comando (
npm test,pytest) - Arquitectura resumida: diagrama o descripción de los componentes principales
- Licencia: MIT es la más común para proyectos académicos open source
Wiki del repositorio
La wiki de GitHub es ideal para documentación más extensa: decisiones de arquitectura (ADRs), guía de contribución, documentación de la API. Herramientas como TypeDoc (para TypeScript) o Sphinx (para Python) pueden generar documentación de la API directamente desde los comentarios del código.
Tests como documentación viva
Un test bien escrito describe el comportamiento esperado del sistema mejor que cualquier párrafo. Usa nombres descriptivos en tus tests: should_return_404_when_user_not_found explica más que test_user_endpoint. El tribunal que revise tu código entenderá la lógica de negocio solo leyendo los tests.
Cómo Presentar la Memoria Técnica ante el Tribunal
La defensa de un TFG de Informática tiene una dinámica diferente a otras disciplinas: el tribunal puede preguntar sobre decisiones técnicas específicas, pedir que ejecutes el software en directo o cuestionarte sobre alternativas que no elegiste. Estos son los puntos clave para preparar una presentación sólida:
La demo en vivo: tu mejor argumento
Si tienes una demo funcional, úsala. Nada impresiona más al tribunal que ver el software funcionando en tiempo real. Pero prepara un plan B: graba un vídeo de la demo por si el wifi falla o el entorno de producción tiene problemas el día de la defensa.
Justifica tus decisiones tecnológicas
El tribunal te preguntará «¿por qué usaste X en lugar de Y?». Prepara respuestas basadas en criterios técnicos medibles: rendimiento, ecosistema, curva de aprendizaje, comunidad, licencia. Evita responder «porque lo conocía» —aunque sea verdad, no es una justificación técnica.
Muestra el código, no lo escondas
En Informática, mostrar fragmentos del código más interesante durante la presentación es una ventaja, no un riesgo. Muestra el algoritmo central, el patrón de diseño más elegante o la solución a un problema técnico difícil. El código limpio y bien comentado habla por sí solo.
Para una guía completa sobre cómo preparar la defensa, incluyendo control de nervios y preguntas habituales del tribunal, consulta nuestro artículo sobre consejos para aprobar la defensa del TFG con nota.
Si buscas ideas complementarias para otras carreras, puedes explorar también nuestras guías de temas TFG Enfermería, temas TFG Educación Infantil y temas TFG Psicología. Y si todavía no has decidido el área, nuestra lista de 100 temas para TFG por carrera puede ayudarte a orientarte.
Preguntas Frecuentes sobre el TFG en Ingeniería Informática
¿Es obligatorio publicar el código del TFG en GitHub?
No en todas las universidades, pero es altamente recomendable. La mayoría de los departamentos de Informática en España valoran positivamente que el código sea público y esté bien documentado. Excepciones: si el proyecto involucra datos sensibles o tiene acuerdo de confidencialidad con una empresa. En ese caso, puedes hacer el repositorio privado y dar acceso solo al tribunal. Consulta la normativa de tu universidad específica.
¿Cuántas páginas debe tener la memoria de un TFG de Informática?
La extensión recomendada en la mayoría de universidades españolas oscila entre 60 y 100 páginas para el cuerpo principal, sin contar anexos. Los proyectos de desarrollo de software suelen estar en la parte baja (60-80 páginas) porque el código en el repositorio complementa la memoria. Los proyectos de investigación y análisis de datos suelen necesitar más extensión para justificar la metodología y los resultados estadísticos.
¿Puedo usar IA generativa (ChatGPT, Claude) para escribir el TFG?
El uso de IA generativa para la redacción varía según la política de cada universidad, pero la tendencia en 2026 es permitirla como herramienta de apoyo siempre que se declare explícitamente. Lo que nunca se acepta es que el análisis técnico, las decisiones de diseño o los resultados experimentales sean generados por IA sin revisión crítica del autor. En cuanto al código: usar Copilot o Cursor está generalmente aceptado, igual que usar Stack Overflow. Lo que cuenta es que entiendas y puedas explicar cada línea ante el tribunal.
¿Qué nivel de complejidad técnica espera el tribunal?
El tribunal espera que el proyecto esté por encima del nivel de las prácticas de asignaturas. No hace falta construir el próximo unicornio, pero sí demostrar que has tomado decisiones de ingeniería conscientes: elegir una arquitectura justificada, aplicar patrones de diseño apropiados, gestionar errores y casos borde, y asegurar que el sistema funciona de forma robusta. Un proyecto sencillo muy bien ejecutado supera a uno ambicioso pero con código desorganizado.
¿Puedo hacer el TFG en colaboración con una empresa?
Sí, y es una modalidad muy valorada. Se llama TFG en empresa o TFG en colaboración. Las condiciones habituales son: que el proyecto sea académicamente relevante (no solo trabajo de mantenimiento), que tengas un tutor externo de la empresa y un tutor interno de la universidad, y que la memoria sea de tu autoría. Si el código es propiedad de la empresa, deberás obtener permiso para incluir extractos en la memoria y puede que el repositorio sea privado.
¿Qué lenguaje de programación debo elegir para el TFG?
El lenguaje debe estar justificado por el problema, no por tu zona de confort. En 2026, Python es el estándar para proyectos de IA, ML y datos. TypeScript/JavaScript (con Next.js o Node.js) domina en desarrollo web fullstack. Kotlin y Swift son las opciones nativas para Android e iOS respectivamente. Flutter (Dart) es la opción cross-platform más sólida. Para sistemas, ciberseguridad e IoT, C/C++ o Rust pueden ser apropiados. Lo más importante es que justifiques la elección en la memoria con criterios técnicos.
¿Qué pasa si mi proyecto no funciona perfectamente el día de la defensa?
Es más habitual de lo que parece. La clave es no entrar en pánico y demostrar que entiendes por qué falla. Prepara siempre un vídeo de la demo grabado en condiciones óptimas como respaldo. Si algo falla en directo, explica qué debería estar pasando y por qué crees que está fallando —eso también demuestra comprensión técnica. El tribunal valora la madurez ante los errores tanto como el software perfecto.
Deja una respuesta