Browsing by Author "Espinoza Bustamante, Rodrigo Santiago"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Optimización en proceso de creación de productos usando Grandes Modelos de Lenguaje (LLM) y agentes IA con aplicación a productos de una empresa de telecomunicaciones.
    (Universidad de Concepción, 2025) Espinoza Bustamante, Rodrigo Santiago; Caro Seguel, Juan Carlos
    La generación automática de documentos mediante inteligencia artificial generativa se presenta como una herramienta atractiva para minimizar u optimizar tiempos y recursos en organizaciones. En esta Memoria de Título se desarrolló y validó una solución basada en modelos grandes de lenguaje, que permite automatizar la redacción de documentos técnicos a través de plantillas personalizadas para la organización que contienen “placeholders”, es decir, marcadores de posición en la plantilla que posteriormente será rellenado con información obtenida. La solución fue implementada en Python con uso de una arquitectura que integra el framework “Langchain”, llamadas a API de Google Gemini y Groq. El proyecto fue probado bajo diferentes configuraciones, utilizando los modelos de lenguaje “Gemini-2.0-flash”, “Llama3-70b”, “Llama3-8b” y un agente inteligente que utiliza el mismo modelo de lenguaje “Llama3-8b”. Cada iteración fue evaluada con métricas de tiempo de ejecución, ahorro estimado en costos de generación, una evaluación humana realizada por expertos en documentación técnica (Product Managers) y relevancia semántica evaluada por el modelo BETO. Los resultados muestran una relevancia semántica similar y aceptable para todos los modelos probados (Promedio BETO > 0,92), sin embargo, se concluye en base al resto de evaluaciones que el agente impulsado con Llama3-8b alcanzó el mayor rendimiento en general con los siguientes resultados, una puntuación de 4,2 sobre 5 por parte de los product managers, una completitud global de la tarea del 88,5% del documento, una disminución de 18 días de trabajo para realizar el documento y generando un ahorro estimado de $131.948 CLP. No obstante, el enfoque del agente presentó el tiempo de ejecución más alto siendo cercano a los 30 minutos (1833 s), en comparación al resto de modelos que requieren menos 10 minutos aproximadamente para ejecutarse. Como recomendaciones, se sugiere agregar otro tipo de mejoras al agente a través de herramientas que permitan realizar personalizaciones con gráficos, tablas o cambios dinámicos de prompt.
Síguenos en...