Un recorrido por la investigación

Descripción: Planeación de un Sistema de Información que pueda dar solución al problema

planteado.

Nombre del estudiante Caren Tatiana Rodríguez Sánchez

Primer semestre

Especialización en Gestión de Sistemas de Información Gerencial

Universidad de Cundinamarca

Fecha 2022-09-25
Tabla de Contenido

1. Problema de Investigación ............................................................................................. 3

2. Caracterización del problema ........................................................................................ 3
3. Enfoque investigativo .................................................................................................... 3
4. Caracterización de la población ..................................................................................... 3
5. Antecedentes del problema ............................................................................................ 3
6. Justificación ................................................................................................................... 4
7. Árbol del problema ........................................................................................................ 5
8. Árbol de objetivos .......................................................................................................... 6
10. Marco teórico ............................................................................................................. 20
11. Alcance ...................................................................................................................... 21
12. Hipótesis .................................................................................................................... 21
15 Matriz de marco lógico ............................................................................................... 23
16. Bibliografía ................................................................................................................ 24
1. Problema de Investigación
Problema: Este día en particular observé que frente a los diferentes requerimientos
solicitados a cada uno de los desarrolladores de software de la empresa Novae, estaba
existiendo un cruce de solicitudes en la entrega de los mismos, ya que por diferentes
razones se generaba una diferencia en las tareas registradas en Assana, por ende al
momento de la entrega de los desarrollos se genera una estimación mayor de tiempo.

2. Caracterización del problema

Planeación de un Sistema de Información que pueda dar solución al problema planteado.

3. Enfoque investigativo
Cualitativo

4. Caracterización de la población
Desarrolladores de software de la empresa Novae

5. Antecedentes del problema

1. ¿Desde cuándo se presenta el problema?
Este problema se presenta desde hace 12 meses, cuando los desarrollos de la empresa
empezaron a ser más grandes y de entregas más constantes de requerimientos
2. ¿Quiénes están involucrados?
Clientes
Desarrolladores
Scrum Master
3. ¿Quiénes se afectan con el problema?
Desarrolladores
Clientes
4. ¿Qué procesos se ven afectados?
La entrega de los requerimientos solicitados al desarrollador, los diferentes recursos
predispuestos para los desarrolladores.

5. ¿Qué mediciones existen del problema, por ejemplo estadísticas, entrevistas,

diagnósticos previos?
Las entrevistas a los diferentes desarrolladores e incluso al jefe de personal dónde la
principal problemática se da debido a que los desarrollos son de un gran compromiso, pero
debido a que se cruzan entre ellos, se presenta un conflicto en las entregas de los
desarrolladores, generando así más gasto de recursos, que están previamente estimados,
como el tiempo.

6. Justificación
Razones Personales
La primera razón es por qué debido a las diferentes actualizaciones que se realizan en el
tablero de las entregas es muy difícil tener un orden de prioridad, ya que por la variación de
las entregas y el cruce de las mismas, me ha sido de mucha dificultad tener todo al día,
generando como resultado, trasnochos y extenuantes horas de trabajo.

Razones Culturales
En este punto es necesario mencionar que las reuniones en las que se manifiesta una
solicitud de más tiempo, suelen implicar bastante tiempo, por ende es tiempo que se utiliza
de la resolución de requerimientos, generando así más atraso en las entregas
Razones Laborales
En el trabajo la persona que atiende este tipo de solicitudes está encargado de diferentes
labores, por tal razón el manifestarle que se necesita más tiempo para la resolución de un
requerimiento implica el pasar por aprobación de varios procesos.
7. Árbol del problema
Razones Causas
Las causas son que los desarrolladores no conocen las fechas de entrega de los diferentes
proyectos y requerimientos para cada uno por ende le dan prioridad según la preferencia de
los mismos y a la hora de la entrega se generan retrasos
Razones Efectos
El mayor efecto es el cambio de fechas de entrega de los proyectos generando pérdida de
tiempo en los diferentes requerimientos que no tenían prioridad
Razones Consecuencias
La consecuencia principal es que al cliente no se le puede generar una versión estable en
producción, para el día que esté la espera
8. Árbol de objetivos
Objetivo General
Desarrollar un Asistente digital, usando técnicas de procesamiento de lenguaje natural, para
la orientación de la carga laboral en la entrega de requerimientos de la empresa Novae
Objetivos Específico
Construir los requerimientos necesarios para el funcionamiento del Asistente Digital.
- Establecer la arquitectura del asistente digital.
- Desarrollar el asistente digital en términos de NPL (Lenguaje Natural Procesado)
- Definir escenarios de prueba para evaluar la solución tecnología a nivel de funcionalidad.
Medios
Desarrollar un asistente digital que recuerde a los desarrolladores la fecha de las entregas de
los requerimientos en orden de prioridad
Estado del arte

La inteligencia artificial, durante esta última década se ha desarrollado exponencialmente.

Es necesario decir que sus orígenes vienen del siglo XlX, partiendo de un modelo
matemático planteado por George Boole, el cual planteaba la posibilidad de sistematizar el
razonamiento lógico. Años más tarde Karek Apek, plantea un nuevo termino, “Robot”, en
su obra teatro R.U.R.

El cual en muchas lenguas Eslavas significa “Trabajo duro” ahora bien es necesario decir
que cuando se dio un concepto y una cercanía al algoritmo de la computación fue en 1936,
por quien es considerado hoy, el padre de la computación Alan Turing, el cual publico sus
artículos sobre los números computables dando así por sentadas bases en la informática.
Cinco años más tarde Konrad Zuse crea la primera computadora programable es de gran
relevancia decir que esta era completamente autónoma y recibió el nombre de Z3, para el
mismo año uno de los escritores de ciencia ficción más prolíficos y famosos de todos los
tiempos, Isaac Asimov, da publicación al cuento titulado “Circulo Vicioso”. En el cual se
pueden contemplar por primera vez las leyes de la robótica. (National Geographic , 2018)

Con base a lo anterior en 1950 surge la duda de ¿Cómo diferenciar a una máquina de un ser
humano? Dando paso al ensayo titulado Computing Machinery and Intelligence de Alan
Turing, actualmente es conocido como test de Turing, es básicamente una prueba de
comunicación verbal hombre, maquina. Este evalúa la capacidad de las maquinas al hacerse
pasar por humanos. (PUIG ADAM, 2018)
Seis años más tarde el informático John McCarthy plantea por primera vez el término de
Inteligencia Artificial, este lo hizo durante la conferencia de Darmouth de 1956, un año más
tarde Frank Rosenblat, diseña la primera red neuronal, se hace necesario decir que esta fue
de tipo artificial.
Finalizando así los años cincuenta con un gran avance en cuanto a la tecnología, para el año
1966 el mundo conoce el primer chatbot o asistente digital el cual se llamó ELIZA,
desarrollada en el MIT por Joseph Weizenbaum, es aquí donde por primera vez se
incorpora el procesamiento de lenguaje Natural humano, buscando de esta forma que las
computadoras puedan tener una comunicación fluida con los seres humanos, evitando así
requerir de una programación en código.

Iniciando los años setenta y finalizando los sesenta Marvin Misnky el cofundador del MIT,
escribe Perceptrones, un trabajo dedicado y fundamental sobre las redes neuronales
artificiales que conllevan a que en 1996 la super computadora Deep Blue, creada por IBM,
le gane al campeón
mundial de Ajedrez que para en ese entonces era Gary Kasparov. Dándole así luz verde al
mundo y a una convergencia tecnológica que no se hizo esperar ya que el hombre decidió
incorporar la Inteligencia Artificial a diferentes objetos, por ejemplo: En 1979 el cart de
Stanford, se convirtió en uno de los primeros vehículos autónomos en recorrer con éxito un
espacio ocupado por obstáculos. Entonces en base a lo anterior se puede decir que ¿las
maquinas serán más inteligentes que los hombres?
Para dar respuesta a esta pregunta es necesario ir al año 2005 donde Raymond Kurzweil
usando la ley de Moore, predijo que las maquinas alcanzaran un nivel de inteligencia
humano sobre el año 2029 y que de seguir de ese modo sobre el año 2045, superaría la
inteligencia de nuestra civilización un billón de veces.
Es aquí donde se empieza a observar la gran convergencia tecnológica que tendrá el mundo
debido a que en el año 2014 un bot computacional que recibe por nombre Eugene
Goostman pudo engañar a 30 de los 150 jueces a los que se sometió durante el test de
Turing, haciéndose pasar por un niño ucraniano de unos 13 años.
Como se puede observar el mundo se ha venido preparando con pequeños avances para el
desarrollo tecnológico que presenta en la actualidad, ya se puede observar que las maquinas
tienen una comprensión elevada de del lenguaje natural, que el procesamiento de este sea
cada vez mayor, pero en especial que se pueden sistematizar varios procesos, que van de la
mano de los comúnmente denominados asistentes digitales o Chatbot predictivo, el cual
busca extraer datos de múltiples fuentes, aprender de ellos y llevarlos a un mejor contexto.
Lo anterior solo se logra a través de la comprensión avanzada del lenguaje natural, de esta
forma se analiza lo que el humano escribe, para que con base en los datos almacenados se
pueda generar una respuesta precisa. La ventaja de estos es que con el tiempo llegan a
procesar múltiples tareas y preguntas complejas, para conversar con un humano de tal
forma que su comprensión sea ideal para poderla entender. (Oracle, 2017)

Los Asistentes digitales por lo general buscan automatizar las respuestas a preguntas más
comunes o procesos constantes que realiza cierta entidad, es decir si una empresa busca
responder dudas sobre su horario de atención y sus puntos de atención a los usuarios lo
ideal, será la implementación de un asistente digital que responda a estas dudas, aunque
podría usarse también para enviar recordatorios a los trabajadores de dicha empresa para un
fin específico, a determinadas horas, en casos más avanzados pueden transferir la
conversación, a una persona, o comúnmente conocido como transición entre asistentes
digitales y agentes en vivo.

Sin lugar a dudas, los Chatbots se están apoderando del mundo empresarial y ya es difícil
darnos cuentas si cuando conversamos con un gestor de ventas lo hacemos con uno real o
uno digital.Hoy día vemos cómo Siri, Alexa y Google Home han logrado incorporar
conversaciones de lenguaje natural entre humanos e Inteligencia Artificial en las
interacciones diarias. Su evolución avanza casi a diario, y en el mundo del marketing son
pieza fundamental para su crecimiento.
Ciertamente es mucho lo que estos pequeños robots pueden hacer, por eso es que quizás ya
sea hora que pienses en tener uno en tu empresa. En este artículo te diremos algunas cosas
sobre los Chatbots empresariales.

Qué son los Chatbots empresariales

Los Chatbots empresariales son algoritmos computacionales avanzados inspirados en
Inteligencia Artificial que permiten conversaciones entre humanos y computadoras durante
las interacciones comerciales diarias.

A nivel empresarial estos ofrecen una comprensión más profunda del lenguaje natural no
solo para mejorar la búsqueda, sino también para proporcionar una forma completamente
nueva para interactuar con los datos corporativos y trabajar de manera más productiva.

Qué hacen los Chatbots empresariales

Los Chatbots empresariales deben responder bien a las consultas en lenguaje natural, y ser
capaces de manejar casos raros o excepciones, como:

Proporcionar alternativas a diversos problemas como por ejemplo, un artículo que no está
en stock o una habitación no está disponible.
Deben saber manejar muy bien las diferencias de lenguaje.
Procesar inteligentemente las solicitudes parciales basadas en el historial del usuario,
compras pasadas, ubicación, etc.
Proporcionar respuestas naturales como por ejemplo, "1 p.m." en lugar de "13:00".
Supervisar lo que dicen las personas y modificar las respuestas según el comportamiento
real del usuario.
Deben ser capaces de integrare a las distintas aplicaciones móviles, sistemas empresariales
y medidas de autenticación.
Cuándo no es necesario utilizar Chatbots empresariales
Siempre debes considerar si un Chatbot es práctico o no para tu empresa o para lo que
pretendes hacer. Aquí hay algunos casos en los que los Chatbots no ideales.
Cuando el lenguaje no está restringido o varía ampliamente como por ejemplo, nombres
químicos, enfermedades, nombres de personas, partes del cuerpo, síntomas médicos.
Cuando las consultas y las solicitudes de los usuarios puedan cubrir una amplia gama de
posibilidades como por ejemplo, problemas con teléfonos celulares, pedidos en tiendas de
comestibles, búsqueda de noticias, etc.
Cuando existen dominios altamente técnicos donde el lenguaje no es lo suficientemente
preciso como por ejemplo, reparaciones de automóviles, lenguaje médico, lenguaje
académico o de ingeniería.
Cuando se requiere un lenguaje complejo como por ejemplo, informes de delitos,
búsquedas generales, instrucciones complejas.
Cuando existan casos sin entradas discretas como por ejemplo, compras de casa, citas,
decidir qué hay para cenar, elegir un libro, etc.
Cómo construir un Chatbot empresarial
Una arquitectura de Chatbot empresarial va integrada con los datos de tu empresa, el motor
de búsqueda, y los algoritmos de procesamiento natural del lenguaje así como en algunos
casos el reconocimiento de voz, para proporcionar respuestas o realizar alguna tarea.

Si deseas comenzar un proyecto de creación de Chatbots, te recomendamos la solución de

ChatBots para Empresas de ChatCompose.

Esta plataforma es la más fácil e intuitiva para empezar, y cuenta con funciones avanzadas
de procesamiento natural de lenguaje e inteligencia artificial.
Amazon Lex y Amazon Lamba, son otras tecnologías también sofisticadas pero de más
difícil uso para la creación de chatbots, pero con un poco de esfuerzo e inversión también
podrás implementar tu propio robot conversacional.

La inteligencia artificial genera grandes beneficios. De acuerdo con la investigación de

Deloitte Inteligencia artificial en las empresas, el 82% de las empresas registra retorno
positivo sobre la inversión en inteligencia artificial (IA).

El sector financiero en México, ha sido uno de los primeros en entender los beneficios de la
tecnología en la experiencia del cliente. Así lo evidencia Forbes en su artículo En México,
los bancos no le temen a la inteligencia artificial. No en vano, México (al igual que Brasil),
es uno de los países líderes en oferta de servicios financieros móviles en Latinoamérica.

Curiosamente, los chatbots están asumiendo un rol destacado en la arquitectura empresarial

futura, aportando a las diferentes áreas de la organización. Opuesto al temor de que los
robots y la inteligencia artificial afecten el mercado laboral.

Específicamente en las tareas comerciales, están siendo de gran utilidad para mejorar la
experiencia de los clientes y la de los colaboradores. De acuerdo con Deloitte, el servicio al
cliente se encuentra entre las 5 principales áreas de uso de la inteligencia artificial (37%).

Si todavía estás dudando si puede ser o no positiva la implementación del servicio de

chatbot en tu empresa, te invitamos a conocer estos 7 ejemplos de chatbot para empresas y
sus increíbles resultados.

Empresas que utilizan chatbots

La inteligencia artificial puede transformar la experiencia del cliente. Así lo revela Deloitte
en su estudio Tendencias tecnológicas 2019, en el cual plantea el rediseño de la experiencia
del cliente, desde la perspectiva de la inteligencia artificial en las diferentes interacciones.

En la actualidad, existe una gran cantidad de chatbot para empresas. Conoce estos 7 casos
de éxito y sorpréndete con sus resultados:

1. BBVA Bancomer – México

El banco BBVA Bancomer, fue el primer banco en México que implementó la inteligencia
artificial en chatbots a través de WhatsApp. Este asistente virtual, logra interactuar con sus
clientes y usuarios, resolviendo sus dudas sobre ubicación de sus sucursales, sobre apertura
de cuentas, entre otras consultas frecuentes.

Gracias al uso de datos y machine learning, es posible entender las necesidades de los
clientes. Además, el proceso de aprendizaje constante, permite la evolución en la fluidez de
la conversación.

2. BBVA Argentina
Este bot case ha generado resultados increíbles. BBVA Argentina, a través de la innovación
con su chatbot Lucía, ha simplificado sus procesos y servicios digitales, logrando así que
actualmente el 59.4% de sus clientes sean digitales.

La implementación de un chatbot para empresas como BBVA Argentina, ha representado

mejoras en la experiencia de sus clientes. Desde hace 3 años aproximadamente, interactúan
con alrededor de 70 mil usuarios, gestionando 230 mil consultas mensuales en 100.000
conversaciones.

3. MONI – Argentina
Es una innovadora empresa de servicios financieros digitales y una de las compañías
fintech con mayor crecimiento en el mercado argentino. Ofrece préstamos inmediatos a
través de un proceso 100% digital y logró dar acceso a un segmento desatendido por la
industria bancaria tradicional en Argentina.

La implementación de herramientas tecnológicas como el servicio de chatbot, logró el

aumento del indicador de satisfacción del cliente, por encima del 80% y facilitó la
construcción de relaciones más cercanas con sus clientes. Tanto así, que muchos de los
clientes interactúan con Moni como si fuera un amigo. Es común recibir mensajes como
“Moni, ¿puedo pedirte un préstamo?” o “Moni, este mes voy a pagarte más tarde”.

La estrategia de esta empresa, ubica al cliente en el centro. Esto se ve reflejado en sus

acciones del día a día y en el uso de herramientas encaminadas a mejorar la experiencia del
cliente. Por ejemplo: Zendesk Support que integra las diferentes interacciones y hace más
fluida la conversación con sus clientes y Zendesk Chat, que brinda atención en tiempo real
con un estilo de conversación interactivo e informal.
4. GYMPASS
Es la plataforma de ejercicio físico empresarial más grande del mundo. Gympass, a través
del uso de herramientas como Zendesk Support, Chat, Guide y Explore, gestiona
mensualmente 100.000 tickets, alrededor de 14 países.

Específicamente en Latinoamérica, gracias a la implementación de chatbot para empresas,

ha mejorado el servicio de atención tanto para el cliente como para los empleados.

Entre los principales beneficios del servicio de chatbot, se destaca la posibilidad de

establecer una comunicación de forma proactiva con los clientes. Es decir, interactuar con
ellos en las diferentes etapas del proceso, tanto en el sitio web como en la aplicación. A
través del chat, Gympass realiza también seguimiento a la calidad en el servicio y
administra los tickets.

5. SKYDROPX
Esta startup mexicana dio un salto para incursionar en la atención personalizada a través de
la plataforma Zendesk. Inicialmente contaba con Zendesk Support y al evaluar los
resultados, fue implementando otras soluciones como Guide, Chat, WhatsApp y Explore.

A través de estas herramientas, ha logrado un ahorro del 80% en tiempos de respuesta y ha

incrementado su indicador de satisfacción del cliente (CSAT), pasando del 70% al 95%.
Además, se consolidó como empresa líder en el sector de envíos en México.

Conoce más detalles sobre el caso de éxito de Skydropx.

6. Aeroméxico
Aerobot es el primer caso de inteligencia artificial en chatbots que integra el servicio de
rastreo de equipaje para brindar una mejor experiencia a los pasajeros.
El chatbot para empresas como Aeroméxico ha representado grandes beneficios. Gracias a
esta herramienta, la aerolínea cotiza, vende vuelos y gestiona más del 90% de las consultas
de sus clientes que interactúan a través de WhatsApp y Facebook Messenger. Además, los
pasajeros pueden verificar el estado de su equipaje en tiempo real, de forma automática.

7. ŠKODA – ESPAÑA
Un chatbot para empresas del sector automotriz como ŠKODA, filial del Grupo
Volkswagen, representa principalmente comodidad para sus clientes. Laura, es la asistente
virtual que asesora a los clientes potenciales y los acompaña en esta importante decisión.
Recomienda de acuerdo con las preferencias de los clientes y realiza comparaciones.

A los clientes, les ofrece comodidad y compañía durante su viaje. Entiende 15 idiomas en
lenguaje natural, es decir, no es necesario usar frases predeterminadas. Es de gran utilidad
en la planeación de viajes, búsqueda de información y entretenimiento, por control de voz.
Característica que además significa seguridad al volante.

Las empresas de chatbots, están aprovechando la inteligencia artificial a favor de la

experiencia del cliente y esto ha generado un impacto positivo en las empresas. Juniper
Research, pronostica un ahorro de aproximadamente 8 mil millones de dólares en costos de
negocios para el año 2022, gracias al uso de los chatbots.

De acuerdo con las predicciones de Gartner, para el año 2025, las empresas de servicio al
cliente que incorporen la inteligencia artificial en su plataforma multicanal de contacto con
el cliente, elevarán su eficiencia operativa en un 25%.

Únete a las empresas que utilizan chatbots y deja que la tecnología mejore la experiencia de
tus colaboradores y de tus clientes. Recibe tú también los beneficios de la inteligencia
artificial, con las soluciones de Zendesk.

En el nivel más básico, un chatbot es un programa informático que simula y procesa

conversaciones humanas (ya sea escritas o habladas), permitiendo a los humanos
interactuar con dispositivos digitales como si se estuvieran comunicando con una persona
real. Los chatbots pueden ser tan sencillos como programas rudimentarios que responden a
consultas sencillas con una respuesta de una sola línea o tan sofisticados como los
asistentes digitales que pueden aprender y evolucionar para ofrecer niveles de
personalización cada vez mayores a medida que reúnen y procesan información.

Lo sepas o no, probablemente hayas interactuado con un bot conversacional. Por ejemplo,
cuando estás buscando un producto en tu PC y aparece una ventana en la pantalla que te
pregunta si necesitas ayuda. O quizá estés de camino a un concierto y utilices tu
smartphone para pedir un taxi a través de un chat. O puede que haya usado comandos de
voz para pedir un café en su café del barrio y haya recibido una respuesta que le indica
cuándo está listo su pedido y lo que costará. Todos estos son algunos ejemplos de
escenarios en los que podría encontrarse un chatbot.

¿Cómo funcionan los bots conversacionales?

Los chatbots, impulsados por IA, reglas automáticas, procesamiento de lenguaje natural
(NPL) y machine learning (ML) procesan datos para ofrecer respuestas a solicitudes de
todo tipo.

Hay dos tipos principales de chatbots.

Los chatbots orientados a tareas (declarativos) son programas de un solo propósito que se
centran en realizar una función. Utilizando reglas, NPL y muy poco ML, generan
respuestas automatizadas pero conversacionales a las consultas de los usuarios. Las
interacciones con estos bots conversacionales son muy específicas y están altamente
estructuradas, y son más aplicables a las funciones de soporte y servicio al cliente, por
ejemplo en una sólida sección de preguntas frecuentes interactivas. Los bots
conversacionales orientados a tareas pueden resolver preguntas habituales, como consultas
sobre horarios comerciales o sobre operaciones sencillas que no conlleven múltiples
variables. Aunque utilizan el NLP para que los usuarios finales puedan experimentarlos de
forma conversacional, sus capacidades son bastante básicas. En la actualidad estos son los
chatbots más utilizados.
Los chatbots basados en datos y predictivos (conversacionales) se denominan con
frecuencia asistentes virtuales o asistentes digitales y son mucho más avanzados,
interactivos y personalizados que los chatbots orientados a tareas. Estos chatbots son
conscientes del contexto y aprovechan la comprensión del lenguaje natural (NLU), el NLP
y el ML para aprender sobre la marcha. Aplican la inteligencia predictiva y la analítica para
permitir la personalización basada en perfiles de usuario y el comportamiento anterior del
usuario. Los asistentes digitales pueden aprender las preferencias del usuario con el tiempo,
ofrecer recomendaciones e incluso anticiparse a las necesidades. Además de supervisar los
datos y las intenciones, pueden iniciar conversaciones. Siri de Apple y Alexa de Amazon
son ejemplos de bots conversacionales orientados al consumidor, basados en datos y
predictivos.
Los asistentes digitales avanzados también pueden conectar varios bots conversacionales de
un solo propósito bajo un único paraguas, obtener diversa información de cada uno de ellos
y combinar después esta información para realizar una tarea manteniendo al mismo tiempo
el contexto, de forma que el bot conversacional no se "confunda".

El valor que los bots conversacionales aportan a empresas y clientes

Los chatbots aumentan la eficiencia operativa y reducen los costos para las empresas al
tiempo que ofrecen comodidad y servicios adicionales para los empleados internos y los
clientes externos. Permiten a las empresas resolver fácilmente muchos tipos de consultas y
problemas de los clientes, a la vez que reducen la necesidad de interacción humana.

Con los bots conversacionales, una empresa puede a la vez escalarse, personalizarse y ser
proactiva, lo cual supone un factor diferenciador clave. Por ejemplo, cuando solo depende
del esfuerzo humano, una empresa puede prestar servicios a un número limitado de
personas a la vez. Para ser rentables, las empresas basadas en humanos se ven obligadas a
centrarse en modelos estandarizados y están limitadas en sus capacidades de alcance
proactivo y personalizado.

En cambio, los chatbots permiten a las empresas interactuar con un número ilimitado de
clientes de forma personal y pueden ampliarse o reducirse según la demanda y las
necesidades empresariales. Mediante el uso de chatbots, una empresa puede ofrecer un
servicio proactivo, personalizado y similar al humano a millones de personas al mismo
tiempo.

La investigación de mercado muestra que las aplicaciones de mensajería se están

convirtiendo cada vez más en el método preferido para conectar con las empresas para
determinados tipos de operaciones. Los chatbots, que se ofrecen a través de plataformas de
mensajería, permiten un nivel de servicio y de comodidad que en muchos casos supera lo
que los humanos pueden ofrecer. Por ejemplo, los chatbots de la banca ahorran una media
de cuatro minutos por consulta en comparación con los call centers tradicionales. Las
mismas capacidades que ayudan a las empresas a lograr una mayor eficiencia y reducciones
de costos también ofrecen beneficios para los clientes en forma de una experiencia de
cliente mejorada. Es una propuesta que beneficia a todos

¿Por qué se crearon los bots conversacionales?

La digitalización está transformando la sociedad en una población en la que prima la
movilidad. A medida que crece la popularidad de las aplicaciones de mensajería, los
chatbots desempeñan un papel cada vez más importante en esta transformación basada en la
movilidad. Los chatbots conversacionales inteligentes a menudo son interfaces para
aplicaciones móviles y están cambiando la forma en que interactúan empresas y clientes.

Los chatbots permiten a las empresas conectar con los clientes de forma personal sin el
gasto que suponen los representantes humanos. Por ejemplo, muchas de las preguntas o de
los problemas que tienen los clientes son comunes y se responden con mucha facilidad. Esa
es la razón por la cual, las empresas crean guías de preguntas frecuentes y resolución de
problemas. Los chatbots ofrecen una alternativa personal a las preguntas frecuentes o a las
guías escritas e incluso pueden clasificar las preguntas, lo que incluye derivar un cliente a
una persona si el asunto es demasiado complejo para que el chatbot pueda resolverlo. Los
chatbots se han hecho populares porque suponen un ahorro de tiempo y dinero para las
empresas y una comodidad añadida para los clientes.

Cómo han evolucionado los bots conversacionales

Podemos afirmar que el origen de los bots conversacionales se remonta a la visión de las
máquinas inteligentes que esgrimió Alan Turing en la década de 1950. La inteligencia
artificial, que es la base de los chatbots, ha progresado desde entonces e incluye
superordenadores superinteligentes como el Watson de IBM.

El chatbot original fue el árbol telefónico, que dirigía a los clientes que llamaban por una
ruta a menudo incómoda y frustrante para seleccionar una opción tras otra para encontrar su
camino por un modelo de servicio al cliente automatizado. Las mejoras de la tecnología y la
creciente sofisticación de la IA, el ML y el NLP han hecho evolucionar este modelo hasta
convertirlo en chats en vivo que aparecen en la pantalla. Y el viaje evolutivo ha continuado.

Con los asistentes digitales de la actualidad, las empresas pueden escalar la IA para
proporcionar interacciones más cómodas y eficaces entre empresas y clientes, directamente
desde los dispositivos digitales de los segundos.

Usos habituales de los bots conversacionales

Los chatbots se suelen utilizar para mejorar la experiencia de gestión del servicio de TI,
centrándose en el autoservicio y la automatización de procesos que se ofrecen al personal
interno. Con un chatbot inteligente se pueden automatizar fácilmente tareas comunes como
la actualización de contraseñas, el estado del sistema, las alertas de corte de suministro
eléctrico o la gestión del conocimiento, de forma que estén disponibles las 24 horas del día,
7 días a la semana, al tiempo que se amplía el acceso a las interfaces conversacionales
basadas en texto y voz usadas habitualmente.

Por parte de las empresas, los chatbots se utilizan mucho en los call centers del cliente para
gestionar las comunicaciones entrantes y dirigir a los clientes al recurso apropiado.
También se utilizan con frecuencia para fines internos, como incorporar nuevos empleados
y ayudar a todos los empleados en las actividades rutinarias, como la programación de las
vacaciones, la formación, el pedido de PC y suministros para la empresa y otras actividades
de autoservicio que no requieren la intervención humana.

Por parte de los consumidores, los chatbots realizan una diversidad de servicios al cliente,
que van desde pedir entradas de eventos a hacer reservas en hoteles y comparar productos y
servicios. Los chatbots también se utilizan habitualmente para realizar actividades de
cliente rutinarias en los sectores de la banca, el comercio minorista y los alimentos y
bebidas. Además, los chatbots hacen posibles muchas funciones del sector público, como
enviar solicitudes para servicios municipales, manejar consultas relacionadas con servicios
públicos y resolver problemas de facturación.

Por qué son importantes la IA y los datos para los bots conversacionales
Tanto las ventajas como las limitaciones de los chatbots residen en la IA y en los datos en
los que se basan.

Consideraciones en materia de IA: la IA es muy eficaz a la hora de automatizar los

procesos cotidianos y repetitivos. Cuando la IA se incorpora a un chatbot para estos tipos
de tareas, el chatbot normalmente funciona bien. Sin embargo, si en un bot conversacional
se solicita algo que escapa a sus capacidades o que dificulta su tarea, este podría tener
problemas, con consecuencias negativas tanto para la empresa como para los clientes.
Existen preguntas y problemas que los bots conversacionales sencillamente no son capaces
de responder o resolver, por ejemplo, cuestiones complejas relativas al servicio al cliente
con múltiples variables.

Los desarrolladores pueden solucionar estas limitaciones añadiendo una contingencia a su

aplicación de chatbot que dirija al usuario a otro recurso (como un agente) o lleve al cliente
a una pregunta o un asunto distintos. Algunos chatbots pueden hacer transiciones fluidas
entre un chatbot, un agente, y un chatbot de nuevo. A medida que la tecnología y la
implementación de la IA sigan evolucionando, los chatbots y asistentes digitales se
integrarán sin dificultades en nuestra experiencia diaria.
Consideraciones en materia de datos: Todos los chatbots utilizan datos, a los que se accede
desde diversas fuentes. Mientras los datos sean de alta calidad y el chatbot se haya
desarrollado correctamente, los datos serán un facilitador de los chatbots. Sin embargo, si la
calidad de los datos es deficiente, la funcionalidad del bot conversacional queda lastrada. E
incluso cuando la calidad de los datos es buena, si el entrenamiento del aprendizaje
automático del bot conversacional no tiene los modelos adecuados o no se supervisa, este
puede arrojar resultados deficientes, o en el mejor de los casos, inesperados.

En otras palabras, su chatbot solo es bueno en la medida en que lo sean la IA y los datos
que se incorporan en él.

10. Marco teórico

Chatbot es un software que simula una conversación real con una persona, gracias a una
interfaz que se construye con palabras clave y se basa en interacciones que se repiten entre
usuarios y marcas en sitios web, mensajeros como WhatsApp o Telegram y apps

La inteligencia artificial es, en ciencias de la computación, la disciplina que intenta

replicar y desarrollar la inteligencia y sus procesos implícitos a través de computadoras

En la ingeniería de desarrollo de sistemas, un requisito es una necesidad documentada

sobre el contenido, forma o funcionalidad de un producto o servicio.

La especificación de requisitos de software es una descripción completa del

comportamiento del sistema que se va a desarrollar. Incluye un conjunto de casos de uso
que describe todas las interacciones que tendrán los usuarios con el software. Los casos de
uso también son conocidos como requisitos funcionales

El lenguaje natural se entiende como la lengua que usan los individuos para interactuar a
través de alguna forma de comunicación sea escrita, oral o no verbal. Una base para
comprender el lenguaje natural es el idioma que empleamos cuando hablamos (castellano,
inglés, chino, entre otros).
La inteligencia se ha definido de muchas maneras, incluyendo: la capacidad de lógica,
comprensión, autoconciencia, aprendizaje, conocimiento emocional, razonamiento,
planificación, creatividad, pensamiento crítico y resolución de problemas.

La arquitectura de Software hace referencia a la estructura y la relación entre las

diferentes partes de un software y sus propiedades visibles externas.

En suma, una arquitectura de Software está compuesta por más arquitecturas de datos
articuladas entre sí. Esta es la razón por la que abarca tantos elementos y herramientas para
llevarse a cabo.

Las redes sociales son estructuras formadas en Internet por personas u organizaciones que
se conectan a partir de intereses o valores comunes. A través de ellas, se crean relaciones
entre individuos o empresas de forma rápida, sin jerarquía o límites físicos.

11. Alcance

En este caso puntual, es necesario mencionar que en la empresa Novae, no existe un chat
que genere recordatorios a los desarrolladores, tampoco hay una herramienta similar, por
ende el alcance que se planea llevar acabo es de tipo exploratorio ya que debido a los
acontecimientos con los requerimientos es algo que se tendría que explorar.

12. Hipótesis
Variable independiente
Prioridad por aquellos requerimientos que tienen la entrega próxima
Variable dependiente
entrega de los diferentes requerimientos
Variable Hipótesis
La hipótesis que se maneja es que si a los desarrolladores se les notifica el día y la hora de
entrega de los diferentes requerimientos, generaran prioridad por aquellos requerimientos
que tienen la entrega próxima y así se evitara el cruce con las entregas.
13. Muestra
¿Cuál es su población?
La población a la que va dirigida mi proyecto es a los desarrolladores de software de la
empresa Novae
¿Defina cuál será su muestra?
La muestra serán los desarrolladores Front
14. Técnicas e instrumento

Justificación
Técnica
En este punto es necesario mencionar que la vivencia diaria es
Observación
fundamental para obtener datos relevantes para el desarrollo del
participante
chatbot

Instrumento Justificación
Rúbrica de En esta rúbrica básicamente se tendrán los puntos relevantes dónde se
información les dará una calificación por importancia

Justificación
Técnica
En este punto es importante saber cómo se solucionan el cruce de los
Etnografía
requerimientos para así añadir los datos importantes en el chatbot

Instrumento Justificación
Diario de En este diario de campo se van a tener presentes la solución de cruce de
campo requerimientos y el tiempo que lleva cada uno

Técnica Justificación
Análisis de En este punto se tendrán en cuenta todos los apuntes y de ellos se
contenido tomará solamente lo importante para la investigación

Instrumento Justificación
Desglose de Para esto se clasifica la información por la relevancia que tenga para
Información así dar orden de prioridad en las respuestas del chatbot
15 Matriz de marco lógico
Indicadores
Supuesto y
Verificables:mensurables Medios Verificables
Riesgos:Factores
en cualquiera delos :donde se puede
Descripción que puedenhacer
siguientes obtenerinformación
fracasar el
aspectos:cantidad, calidad, de los indicadores
proyecto
tiempo

Fin:
Disminución de
la carga laboral
en Novae La imposibilidad
Evitar la sobrecarga
Propósito: El Informes registrados de las
laboral de los
propósito es el en Assana, sobre los notificaciones a
desarrolladores de
de tener los entregables tiempo y errores
software de Novae
requerimientos en las entregas
sin cruce en la
entrega de los
mismos

Resultados: Seguimiento diario

Entregables a tiempo y Evasión de los
Cumplir con lo en las reuniones de
evitando el cruce de los desarrolladores
solicitado para entregables diarios
el cliente sin mismos, en cada para realizar sus
sobrecargar al requerimiento entregas
desarrollador

Efectuar notificaciones de Verificación por

Actividades: No aprobación
requerimientos semanales, parte de los
Desarrollo de por parte de la
efectuando una planeación generadores de
un chatbot empresa para la
de tal forma que no haya requerimientos de la
notificable implementación
cruce en la misma empresa

16. Bibliografía

Aguilar Urbina, A., & Balbín Rojas, A. (2017). Trabajo de Arquitectura Empresarial para la
implementación de un Chatbot en la Superintendencia de Banca, Seguros y AFP.

Ardila Durán, J. E. (2022). Asistente virtual (Chatbot) para la atención de clientes de una
empresa de calzado. Caso de estudio Grupo Empresarial la Moda.

Del Lenguaje Natural, P. (2022). Procesamiento del Lenguaje Natural. N. 68 (2022).

Flores, V. J. J., Flores, O. J. J., Flores, J. C. J., & Castilla, J. U. J. (2020). Chatbot
empresarial para atención a clientes de la Universidad José Carlos Mariátegui, 2019-
II. Newman Business Review, 6(1), 91-104.

Hernández Alfaro, E. (2022). Propuesta de implementación de chatbot para recepción de

pagos en la Universidad Iberoamericana Puebla.

Jimenez Flores, V. J., Jimenez Flores, O. J., Jimenez Flores, J. C., & Jimenez Castilla, J. U.
Chatbot empresarial para atención a clientes de la Universidad José Carlos Mariátegui,
2019-II.

Rodríguez, D. R. (2022). Creación de chatbot para consulta veterinaria canina mediante

inteligencia artificial.
Torres, M. M. E., & Manjarrés-Betancur, R. (2020). Asistente virtual académico utilizando
tecnologías cognitivas de procesamiento de lenguaje natural. Revista Politécnica, 16(31),
85-96.

Vásquez, A. C., Quispe, J. P., & Huayna, A. M. (2009). Procesamiento de lenguaje

natural. Revista de investigación de Sistemas e Informática, 6(2), 45-54.

Vallez, M., & Pedraza, R. (2007). El Procesamiento del Lenguaje Natural en la

Recuperación de Información Textual y áreas afines. Hipertext. net.