En este proyecto se aborda la tarea de detección de preguntas equivalentes, dentro del área de Procesamiento de Lenguaje Natural. Dicha tarea consiste en determinar si dos preguntas dadas son semánticamente equivalentes. Para estudiar el problema, se consideraron preguntas con dominio en la Facultad de Ingeniería, y se implementó un prototipo que muestra cómo se puede utilizar el detector de preguntas equivalentes para responder a preguntas nuevas, ingresadas por estudiantes, de manera automática. Para abordar el problema, se generaron datos sintéticos a partir de consultas y datos reales, los cuales se utilizaron para desarrollar tres estrategias de solución de detección de equivalencias, siguiendo tres enfoques diferentes: considerando directamente la distancia entre sentence embeddings de las preguntas, utilizando arquitecturas de redes siamesas y utilizando modelos de lenguaje de gran escala para determinar la clasificación. El segundo enfoque propuesto, correspondiente a la segunda iteración de la arquitectura siamesa, fue el que obtuvo el mejor desempeño, alcanzando el mayor F1-Score entre todas las configuraciones evaluadas. Al evaluar el modelo sobre un conjunto de validación dentro del dominio específico, el rendimiento alcanzado fue cercano al obtenido por los anotadores humanos.