La dinámica de sistemas (SD) es un enfoque de modelado y simulación de sistemas complejos con aplicaciones en diversas disciplinas de la ciencia y la ingeniería. Si bien los expertos en la materia lideran la mayor parte de la construcción de modelos, los avances recientes han intentado acercar la dinámica de sistemas a campos de rápido crecimiento como las ciencias de datos. Esto puede resultar prometedor para el desarrollo de nuevos métodos de apoyo que aumenten la cognición humana y mejoren la eficiencia en el proceso de construcción de modelos. Se han explorado recientemente diferentes direcciones para apoyar las etapas individuales de modelado, como la generación de la estructura del modelo, la calibración del modelo y la optimización de políticas. Sin embargo, aún falta un enfoque integrado que apoye todo el proceso de modelado. En este artículo, se presenta un prototipo de sistema de apoyo al modelado integrado con el propósito de apoyar a los modeladores en cada etapa del proceso. El sistema de apoyo propuesto facilita la inferencia basada en datos de diagramas de bucles causales (CLDs), diagramas de stock-flujo (SFDs), ecuaciones del modelo y la estimación de parámetros del modelo utilizando técnicas de inteligencia computacional (CI). El objetivo final del sistema propuesto es apoyar la construcción de modelos complejos, donde la capacidad humana no es suficiente. Con este objetivo en mente, demostramos el funcionamiento y la utilidad del sistema de apoyo propuesto. Hemos utilizado dos estudios de caso de realidad sintética bien conocidos con modelos pequeños de la literatura de dinámica de sistemas, para verificar el rendimiento del sistema de apoyo. Los resultados experimentales mostraron la efectividad del sistema de apoyo propuesto para inferir estructuras de modelo cercanas a los modelos objetivo directamente a partir de observaciones de series temporales del sistema. El trabajo futuro se centrará en mejorar el sistema de apoyo para que pueda generar modelos complejos a gran escala.