La carga de los documentos en repositorios digitales suele ser un proceso manual, ineficiente y propenso a errores, que genera una carga administrativa excesiva tanto para los autores como para el personal de validación. Para abordar este problema, se diseño e implemento una herramienta basada en un enfoque hibrido que integra algoritmos de Machine Learning, reglas predefinidas y modelos de lenguajes ajustados al dominio (fine-tuned) de tamaño reducido, logrando resultados competitivos frente a modelos de mayor escala. La herramienta esta diseñada para la precarga automática de metadatos en el repositorio SEDIC integrada en la interfaz de DSpace, con potencial de extensión hacia la etapa de validación y como base metodológica para abordar problemas similares mediante arquitecturas eficientes.