En esta tesis, se exploran los avances en la generación de texto en lenguaje natural con un enfoque en la persuasión, utilizando el marco de SentiGAN, basado en técnicas de deep learning. A pesar de que no existen estudios previos centrados específicamente en la generación automática de texto para persuadir, este trabajo aborda esta laguna utilizando el conjunto de datos Microtext para entrenar los modelos generativos. Los resultados obtenidos muestran una novedad promedio de 0.78 y una diversidad de 0.57 en los mensajes generados. Además, se evaluó la inteligibilidad y la precisión en la clasificación de los principios de persuasión mediante un estudio con participantes voluntarios. Los resultados indican un nivel moderado de acuerdo, medido por el índice Kappa de Cohen, con el 69.3% de los mensajes calificados entre Aceptable, Comprensible y Totalmente Comprensible, lo que ...