Show simple item record

dc.contributor.advisorCamargo Freile, Isaac Esteban
dc.coverage.spatialcead_-_josé_celestino_mutis
dc.creatorAvella Hernández, Lady Stefany
dc.date.accessioned2026-06-27T14:46:11Z
dc.date.available2026-06-27T14:46:11Z
dc.date.created2026-06-26
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/82651
dc.description.abstractEste proyecto surge de la necesidad de una empresa de servicios tecnológicos, dedicada a soluciones de facturación electrónica y gestión administrativa. En los últimos años, el aumento de usuarios generó una sobrecarga en el equipo de soporte técnico, especialmente en horarios nocturnos, lo que se traducía en demoras, errores frecuentes y baja satisfacción de los clientes. Para responder a esta problemática, se diseñó un prototipo de agente conversacional analítico integrado que, a diferencia de un chatbot tradicional, gestiona procesos de consulta sobre la aplicación de forma autónoma. La confiabilidad de las respuestas se garantiza mediante una arquitectura RAG local basada en fuentes y manuales técnicos verificados. La metodología empleada fue CRISP-DM, utilizando un motor de backend estructurado para el procesamiento de lenguaje natural (NLP), la normalización de texto y el análisis de patrones de registros de servicio. La evaluación del sistema en un entorno de producción validó una optimización operativa masiva, logrando reducir el tiempo de primera respuesta de un periodo histórico manual de 2,4 horas a un intervalo de 1,8 a 2,9 segundos por interacción. El prototipo alcanzó una tasa de resolución autónoma global del 78% mediante respuestas FAQ e interacción con herramientas administrativas WDM, derivando únicamente el 22% de casos complejos al canal humano. La prueba de consistencia frente a un Ground Truth de 45 registros demostró una precisión conceptual del 100% en las inferencias, mitigando por completo las alucinaciones comerciales gracias a una adherencia perfecta del 100% a la regla de detección de brechas de conocimiento (knowledge gaps), las cuales se capturan y resuelven a través de un circuito cerrado de aprendizaje supervisado. Esta solución disminuye los errores derivados del uso incorrecto del software de facturación y fortalece la eficiencia de la organización mediante una acceso ágil, seguro y confiable al soporte de la plataforma.
dc.formatpdf
dc.titlePrototipo de agente conversacional inteligente para el soporte técnico en una empresa de servicios tecnológicos
dc.typeProyecto aplicado
dc.subject.keywordsAgente conversacional inteligente
dc.subject.keywordsRAG
dc.subject.keywordsSoporte técnico
dc.subject.keywordsWDM
dc.subject.keywordsKnowledge Gaps
dc.description.abstractenglishThis project arose from the needs of a technology services company dedicated to electronic invoicing solutions and administrative management. In recent years, the increase in users generated an overload on the technical support team, especially during nighttime hours, resulting in delays, frequent errors, and low customer satisfaction. To address this issue, an integrated analytical conversational agent prototype was designed which, unlike a traditional chatbot, autonomously manages application-related query processes. The reliability of the responses is ensured through local RAG-based architecture supported by verified technical sources and manuals. The methodology employed was CRISPDM, using a structured backend engine for natural language processing (NLP), text normalization, and service log pattern analysis. The system evaluation in a production environment validated massive operational optimization, reducing the first response time from a historical manual average of 2,4 hours to an interval of 1,8 to 2,9 seconds per interaction. The prototype achieved an overall autonomous resolution Rate Limit of 78% through FAQ responses and interaction with WDM administrative tools, forwarding only 22% of complex cases to the human support channel. The consistency test against a Ground Truth dataset of 45 records demonstrated 100% conceptual accuracy in the inferences, completely mitigating commercial hallucinations thanks to perfect adherence (100%) to the knowledge gaps detection rule, which are captured and resolved through a closed-loop supervised learning process. This solution reduces errors derived from the incorrect use of invoicing software and strengthens organizational efficiency through agile, secure, and reliable access to platform support.
dc.subject.categoryCiencia de Datos y Analítica Avanzada
dc.subject.categoryInteligencia Artificial
dc.subject.categorySistemas Cognitivos
dc.subject.categoryIngeniería de Software
dc.subject.categoryGestión de Operaciones y TI


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record