Esta investigación presenta una estrategia basada en inteligencia artificial para mejorar el reconocimiento de símbolos en el campo de la bibliotecología, concentrándose en la creación y aplicación de soluciones tecnológicas sofisticadas. En consonancia con los objetivos del proyecto CHANGES - Innovación Activa del Patrimonio Cultural para una Sociedad Sostenible, que se centra en la mejora y gestión del patrimonio cultural a través de un enfoque multidisciplinario e interinstitucional, esta estrategia emplea redes neuronales convolucionales (CNN) para una clasificación precisa de símbolos. Se desarrolló un modelo de CNN utilizando un extenso conjunto de datos que comprende más de 6000 símbolos, implementando un meticuloso preprocesamiento, extracción de características y protocolos de aprendizaje supervisado. El pipeline metodológico incorpora técnicas avanzadas de segmentación de imágenes para aislar símbolos de manuscritos complejos, seguido de una augmentación de datos para mejorar la resiliencia del modelo. El sistema está respaldado por un marco de computación de alto rendimiento para gestionar grandes conjuntos de datos de manera eficiente, facilitando así una identificación y análisis más precisos. Esta integración de técnicas de aprendizaje automático, gestión exhaustiva de datos y capacidades computacionales avanza significativamente las metodologías existentes de reconocimiento de símbolos, proporcionando a los académicos una herramienta potente para ayudar en la clasificación e interpretación de símbolos históricos. Los hallazgos corroboran el potencial del reconocimiento de símbolos mejorado por IA para contribuir a los objetivos más amplios de la bibliotecología computacional y la investigación histórica.