La clasificación de requisitos es una tarea fundamental en el desarrollo de software, ya que permite distinguir entre requisitos funcionales y no funcionales, optimizando la planificación y la calidad del producto final. Sin embargo, los conjuntos de datos reales suelen presentar un desbalanceo significativo: las clases minoritarias, como ciertos tipos de requisitos no funcionales, quedan infrarrepresentadas, lo que degrada el rendimiento de los modelos predictivos. Para abordar este desafío, técnicas de preprocesamiento como la combinación SMOTE-Tomek han ganado relevancia en la ingeniería de requisitos. SMOTE genera muestras sintéticas de la clase minoritaria, mientras que Tomek elimina instancias ruidosas o ambiguas, logrando un equilibrio más limpio y realista. Al aplicar esta estrategia junto con validación cruzada estratificada, se preserva la distribución de clases en cada pliegue, obteniendo mejoras notables en precisión incluso con modelos lineales como la regresión logística. Estos avances demuestran que es posible construir soluciones interpretables y escalables sin recurrir a arquitecturas complejas. En Q2BSTUDIO, donde desarrollamos aplicaciones a medida para diversos sectores, incorporamos estas técnicas dentro de procesos de inteligencia artificial y servicios cloud aws y azure para garantizar sistemas robustos. La combinación de ia para empresas con agentes IA permite automatizar la clasificación de requisitos y detectar patrones que pasan desapercibidos en análisis manuales. Además, integramos capacidades de servicios inteligencia de negocio con power bi para visualizar el desempeño de los modelos, y ofrecemos ciberseguridad como capa transversal en cada implementación. Así, el software a medida que entregamos no solo resuelve necesidades funcionales, sino que se adapta dinámicamente a la evolución de los datos, mejorando continuamente su precisión. Este enfoque, basado en técnicas como SMOTE-Tomek, representa un paso concreto hacia sistemas de requisitos más inteligentes y fiables.