Sistema de asistencia inteligente para soporte técnico

Abstract

Este proyecto tiene como objetivo desarrollar un sistema de chatbot basado en RAG (Retrieval Augmented Generation) que optimice la gestión del conocimiento interno en Amphora Logistics, permitiendo a sus empleados obtener respuestas rápidas y precisas sobre procesos internos e incidencias con clientes. Para ello, se utilizarán modelos fundacionales ofrecidos por proveedores externos, junto con una base de datos vectorial y un generador de embeddings, lo que permitirá al chatbot comprender y responder consultas de manera eficiente. Además, el sistema se integrará con la documentación interna de la empresa y bases de datos relevantes para garantizar respuestas actualizadas y contextualizadas. Con esta solución, se busca reducir el tiempo que los empleados dedican a buscar información o consultar a otros compañeros, aumentando así la eficiencia operativa y mejorando la productividad general de la empresa.

Aquest projecte té com a objectiu desenvolupar un sistema de chatbot basat en RAG (Retrieval Augmented Generation) que optimitzi la gestió del coneixement intern a Amphora Logistics, permetent als seus empleats obtenir respostes ràpides i precises sobre els processos interns i les incidències amb clients. Per a això, s’utilitzarà models fundacionals oferts per proveïdors externs, juntament amb una base de dades vectorial i un generador d’embeddings, cosa que permetrà al chatbot comprendre i respondre consultes de manera eficient. A més, el sistema s’integrarà amb la documentació interna de l’empresa i bases de dades rellevants per garantir respostes actualitzades i contextualitzades. Amb aquesta solució, es busca reduir el temps que els empleats dediquen a cercar informació o consultar altres companys, augmentant així l’eficiència operativa i millorant la productivitat general de l’empresa.

This project aims to develop a chatbot system based on RAG (Retrieval Augmented Generation), that optimizes internal knowledge management at Amphora Logistics, allowing its employees to obtain quick and accurate responses about internal processes and customer incidents. To achieve this, foundational models from an external provider will be used, along with a vector database and an embedding generator, enabling the chatbot to efficiently understand and respond to queries. Additionally, the system will be integrated with the company's internal documentation and relevant databases to ensure up-to-date and context-aware responses. This solution seeks to reduce the time employees spend searching for information or consulting colleagues, thereby increasing operational efficiency and improving overall company productivity.