La colaboración científica es cada vez más necesaria para abordar desafíos de investigación complejos, sin embargo, identificar socios prometedores en ausencia de coautoría previa sigue siendo difícil. Presentamos un pipeline de apoyo a la decisión para descubrir investigadores que no han trabajado juntos anteriormente y cuya colaboración es poco probable que surja sin intervención deliberada o incentivos institucionales. El enfoque aprovecha representaciones semánticas a nivel de documento para estimar la proximidad entre publicaciones, agrega estas similitudes a nivel de autor y presenta oportunidades de colaboración que no son evidentes a partir del gráfico de coautoría. Para apoyar la interpretación por parte de los tomadores de decisiones, un módulo LLM separado propone posibles direcciones de investigación conjunta, que posteriormente se anotan con campos de estudio de múltiples etiquetas. Evaluamos el pipeline a través de un estudio de caso institucional, analizando 7531 publicaciones desde 2009 hasta 2024 utilizando ventanas retrospectivas y temporalmente desplazadas. Aunque solo una pequeña fracción de los pares sugeridos se materializó espontáneamente en períodos posteriores, las colaboraciones que emergen exhiben una fuerte alineación semántica con las recomendaciones calculadas (alta similitud coseno) y una superposición temática sustancial. Estos resultados indican que la proximidad semántica puede actuar como un indicador temprano de complementariedad latente entre investigadores sin vínculos previos, apoyando la mediación institucional intencional y complementando enfoques impulsados por la topología que predicen enlaces bajo evolución pasiva.