Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
DISEÑO DE PROTOTIPO DE CHAT BOT PARA DAR RESPUESTA A SOLICITUDES DE SOPORTE AL ÁREA DE PAGOS EN UNA EMPRESA DE TELECOMUNICACIONES Autor Harold Andres Caicedo Torres ESPECIALIZACIÓN EN INGENIERÍA DEL SOFTWARE UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS BOGOTÁ D.C. 2020 DISEÑO DE PROTOTIPO DE CHAT BOT PARA DAR RESPUESTA A SOLICITUDES DE SOPORTE AL ÁREA DE PAGOS EN UNA EMPRESA DE TELECOMUNICACIONES Autor Harold Andres Caicedo Torres Docente Oswaldo Alberto Romero Villalobos PhD. en Ingeniería ESPECIALIZACIÓN EN INGENIERÍA DEL SOFTWARE UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS BOGOTÁ D.C. 2020 TABLA DE CONTENIDO 1. Contextualización de la investigación 9 Introducción 10 1.1. Estudio del problema de investigación . . . . . . . . . . . . . 11 1.1.1. Planteamiento del problema . . . . . . . . . . . . . . . . 11 1.1.2. Formulación del problema . . . . . . . . . . . . . . . . . 11 1.1.3. Sistematización del problema . . . . . . . . . . . . . . . 11 1.2. Objetivos de la investigación . . . . . . . . . . . . . . . . . . . 12 1.2.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . 12 1.2.2. Objetivos específicos . . . . . . . . . . . . . . . . . . . . 12 1.3. Justificación de la investigación . . . . . . . . . . . . . . . . . . 12 1.3.1. Justificación teórica . . . . . . . . . . . . . . . . . . . . . 12 1.3.2. Justificación metodológica . . . . . . . . . . . . . . . . . 13 1.3.3. Justificación práctica . . . . . . . . . . . . . . . . . . . . 13 1.4. Hipótesis del trabajo . . . . . . . . . . . . . . . . . . . . . . . . 13 1.5. Marco referencial . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.5.1. Marco teórico . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.5.2. Marco conceptual . . . . . . . . . . . . . . . . . . . . . . 15 1.6. Aspectos metodológicos . . . . . . . . . . . . . . . . . . . . . . . 17 1.6.1. Tipo de estudio . . . . . . . . . . . . . . . . . . . . . . . . 17 1.6.2. Método de investigación . . . . . . . . . . . . . . . . . . 18 1.6.3. Fuentes y técnicas para la recolección de la información 19 1.6.4. Tratamiento de la información . . . . . . . . . . . . . . 20 1.7. Alcances, limitaciones y resultados esperados . . . . . . . . . 20 3 1.7.1. Alcances . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 1.7.2. Limitaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 20 1.7.3. Resultados esperados . . . . . . . . . . . . . . . . . . . . 21 2. Desarrollo de la investigación 22 2.1. Diseño y construcción del prototipo . . . . . . . . . . . . . . . 23 2.2. Arquitectura empresarial . . . . . . . . . . . . . . . . . . . . . . 23 2.2.1. Capa de tecnología . . . . . . . . . . . . . . . . . . . . . . 23 2.2.1.1. Punto de vista de tecnología . . . . . . . . . . 23 2.2.1.2. Punto de vista uso de tecnología . . . . . . . . 24 2.2.1.3. Punto de vista de realización del servicio . . 25 2.2.2. Capa de aplicación . . . . . . . . . . . . . . . . . . . . . . 26 2.2.2.1. Punto de vista comportamiento aplicación . 26 2.2.2.2. Punto de vista cooperación aplicación . . . . 26 2.2.2.3. Punto de vista estructura aplicación . . . . . 27 2.2.2.4. Punto de vista uso aplicación . . . . . . . . . . 28 2.2.3. Capa motivacional . . . . . . . . . . . . . . . . . . . . . . 29 2.2.3.1. Punto de vista de realización de requerimien- tos . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.2.3.2. Punto de vista de motivación . . . . . . . . . . 31 2.3. Levantamiento de información . . . . . . . . . . . . . . . . . . 33 2.3.1. Especificación de requerimientos . . . . . . . . . . . . . 33 2.3.1.1. Requerimientos funcionales . . . . . . . . . . . 33 2.3.1.2. HU-1 - Registro de usuario . . . . . . . . . . . 34 2.3.1.3. HU-2 - Conversación . . . . . . . . . . . . . . . 34 2.3.1.4. HU-3 - Encuesta . . . . . . . . . . . . . . . . . . 36 2.3.2. Requerimientos no funcionales . . . . . . . . . . . . . . 37 2.4. Prueba de concepto . . . . . . . . . . . . . . . . . . . . . . . . . 38 2.4.1. Principios para el diseño de un bot . . . . . . . . . . . 38 2.4.2. Creación de modelo cognitivo . . . . . . . . . . . . . . . 39 2.4.3. Entrenamiento de un bot . . . . . . . . . . . . . . . . . . 39 2.4.4. Desarrollo de prueba de concepto . . . . . . . . . . . . 40 2.5. Construcción del prototipo . . . . . . . . . . . . . . . . . . . . 44 4 2.5.1. Implementación . . . . . . . . . . . . . . . . . . . . . . . 45 2.5.1.1. HU-1 - Registro de usuario . . . . . . . . . . . 45 2.5.1.2. HU-2 - Conversación . . . . . . . . . . . . . . . 46 2.5.1.3. HU-3 - Encuesta . . . . . . . . . . . . . . . . . . 49 2.5.1.4. Persistencia de datos . . . . . . . . . . . . . . . 50 3. Cierre de la investigación 52 3.1. Encuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 3.2. Ficha técnica de la encuesta . . . . . . . . . . . . . . . . . . . . 53 3.2.1. Marco muestral . . . . . . . . . . . . . . . . . . . . . . . . 53 3.2.2. Técnica de recolección de datos . . . . . . . . . . . . . . 53 3.2.3. Tamaño de la muestra . . . . . . . . . . . . . . . . . . . 53 3.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 3.3.1. ¿Cree usted que el chatbot ha ayudado a la autoges- tión de su requerimiento? . . . . . . . . . . . . . . . . . 54 3.3.2. ¿Cree usted que el chatbot ha evitado que genere un nuevo requerimiento al área de comisiones? . . . . . . 54 3.3.3. ¿Cree usted que el chatbot ha contestado correcta- mente su solicitud? . . . . . . . . . . . . . . . . . . . . . 55 3.3.4. ¿Cree usted que la implementación de un bot redu- ciría los tiempos de respuestas en los requerimientos? 56 3.3.5. ¿Recomendaría el uso de la aplicación comitips a otros compañeros de trabajo? . . . . . . . . . . . . . . . 56 3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 3.4.1. Verificación y evaluación de objetivos . . . . . . . . . . 57 3.4.2. Contrastación de objetivo general . . . . . . . . . . . . 57 3.4.3. Contrastación de los objetivos específicos . . . . . . . 57 3.5. Prospectiva del trabajo de grado . . . . . . . . . . . . . . . . . 59 3.5.1. Líneas de investigación futura . . . . . . . . . . . . . . . 59 3.5.1.1. Machine Learning . . . . . . . . . . . . . . . . . 59 3.5.1.2. Computación cognitiva . . . . . . . . . . . . . . 59 3.5.2. Trabajos de investigación futuros . . . . . . . . . . . . 59 5 REFERENCIAS 62 6 LISTA DE FIGURAS 2.1. Punto de vista uso de aplicación . . . . . . . . . . . . . . . . . . . . 23 2.2. Punto de vista uso de aplicación . . . . . . . . . . . . . . . . . . . . 24 2.3. Punto de vista de realización del servicio . . . . . . . . . . . . . . . 25 2.4. Punto de vista uso de aplicación . . . . . . . . . . . . . . . . . . . . 26 2.5. Punto de vista uso de aplicación . . . . . . . . . . . . . . . . . . . . 26 2.6. Punto de vista uso de aplicación . . . . . . . . . . . . . . . . . . . . 27 2.7. Punto de vista uso de aplicación . . . . . . . . . . . . . . . . . . . . 28 2.8. Punto de vista de motivación . . . . . . . . . . . . . . . . . . . . . 29 2.9. Punto de vista de motivación . . . . . . . . . . . . . . . . . . . . . 31 2.10. Registrar usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 2.11. Conversación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 2.12. Encuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 2.13. Pantalla de bienvenida . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.14. Saludo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 2.15. solicitud de usuario . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 2.16. Respuesta solicitud . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 2.17. Servicios desplegados en windows azure . . . . . . . . . . . . . . . . 45 2.18. Pantalla registro de usuario . . . . . . . . . . . . . . . . . . . . . . 46 2.19. Saludo del bot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 2.20. Solicitud de requerimiento . . . . . . . . . . .. . . . . . . . . . . . 48 2.21. Respuesta de solicitud . . . . . . . . . . . . . . . . . . . . . . . . . 49 2.22. Encuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 2.23. Modelo base de datos . . . . . . . . . . . . . . . . . . . . . . . . . . 51 3.1. Resultado pregunta No.1 . . . . . . . . . . . . . . . . . . . . . . . . 54 7 3.2. Resultado pregunta No.2 . . . . . . . . . . . . . . . . . . . . . . . . 54 3.3. Resultado pregunta No.3 . . . . . . . . . . . . . . . . . . . . . . . . 55 3.4. Resultado pregunta No.4 . . . . . . . . . . . . . . . . . . . . . . . . 56 3.5. Resultado pregunta No.5 . . . . . . . . . . . . . . . . . . . . . . . . 56 8 Capítulo 1 Contextualización de la investigación 9 Introducción Actualmente, Colombia se encuentra en el auge de la conectividad en todo el país[1], esto con servicios como hogar, empresas, datos personales, datos empresas, computación en la nube, entre otros. Las empresas grandes de telecomunicaciones juegan un papel importante, ya que gracias a ellas, Colombia, actualmente es un país más conectado, llevando incluso estos servicios a las zonas más remotas del territorio nacional. Para poder llevar a cabo las tareas necesarias para hacer de Colombia un país más conectado[2], es necesario un conjunto de vendedores y agentes comerciales por todo el territorio nacional, personas que con su trabajo a diario hacen que muchas personas estén conectadas. En las empresas grandes de telecomunicaciones existen áreas relacionadas al pago y comisiones de estos vendedores y agentes comerciales, áreas que se encar- gan de realizar los cálculos necesarios para poder pagar lo debido por estas nuevas conexiones en el país. Estos pagos se realizan de forma mensual de acuerdo las po- líticas propuestas en cada lugar de trabajo. Actualmente, los vendedores y agentes comerciales crean requerimientos si consideran que existen diferencias en los cálcu- los realizados por el área de pagos y comisiones, al subir el número de vendedores, el número de requerimientos sube de igual manera. Para dar alivio al área de pagos se propone dar una solución tecnológica con ayuda de la inteligencia artificial que, por medio de mensajes, la aplicación dé respuesta a los requerimientos que posiblemente generen los vendedores y agentes comerciales con respecto a las diferencias encontradas en sus pagos. 10 1.1. Estudio del problema de investigación 1.1.1. Planteamiento del problema Actualmente, el área de pagos y comisiones de una empresa importante de telecomunicaciones tiene la necesidad de, mes a mes, pagar el valor relacionado a ventas a cada uno de los vendedores y agentes comerciales, en esta necesidad el área de pagos contrató a un área tercera para el desarrollo de una herramienta que le permite calcular de forma automatizada los valores a pagar. En consecuencia, el número de solicitudes por diferencias en los cálculos al área de pagos aumentó, y no hay la suficiente capacidad para poder atender el gran número de requerimientos que llegan diariamente. El área de pagos se caracteriza por querer estar en la vanguardia en herramientas que le permitan ejecutar sus procesos, no está dentro de sus opciones contratar más personal para dar abasto en la solución de nuevos requerimientos asociados a las diferencias en los cálculos de los pagos a vendedores y agentes comerciales. Grandes empresas de tecnología tienen en su oferta, servicios con inteligencia artificial que permiten una comunicación directa con el usuario, dentro de estas tecnologías se encuentran los chats bots, son herramientas que permiten captura y procesamiento de datos en interfaces con lenguaje natural[3], una aplicación con lenguaje natural a través de mensajes de texto puede acelerar los tiempos de respuesta en los requerimientos creados al área de pago. 1.1.2. Formulación del problema ¿Cómo lograr una estructura cognitiva utilizando la inteligencia artificial, donde se permita acceder a la información de pagos y comisiones a los vendedores de forma asertiva? 1.1.3. Sistematización del problema ¿Cómo puede ayudar una aplicación de mensajes a dar respuesta de solici- tudes creadas por vendedores y agentes comerciales? 11 ¿Cómo se debe realizar procesamiento de la información que se recibe y entrega a los vendedores y agentes comerciales? ¿Cómo debe ser la estructura cognitiva para dar respuesta a las solicitudes creadas por vendedores y agentes comerciales? 1.2. Objetivos de la investigación 1.2.1. Objetivo general Diseñar un prototipo de aplicación web que implemente una estructura cogni- tiva basada en un ChatBot, utilizando la inteligencia artificial, donde se permita acceder a la información de pagos y comisiones a los vendedores de forma asertiva. 1.2.2. Objetivos específicos Implementar una infraestructura para el montaje y despliegue de un proto- tipo de aplicación web, que permita dar respuesta a solicitudes creadas por vendedores y agentes comerciales. Construir un prototipo web API tipo restfull con tecnología .net conectando los diferentes sistemas legados para acceder a la información de pagos de los vendedores y agentes comerciales. Implementar una solución cognitiva, usando el API Azure bots que pueda in- teractuar con el usuario final usando lenguaje natural donde se podrá realizar el primer contacto para la resolución de requerimientos. 1.3. Justificación de la investigación 1.3.1. Justificación teórica Esta investigación se realiza con el fin de aportar conocimiento en la creación e implementación de servicios con inteligencia artificial, cuyos resultados serán 12 una aplicación que permita al usuario final interactuar con una interfaz gráfica y responder en primera instancia las dudas relacionadas al pago de comisiones. 1.3.2. Justificación metodológica La construcción de una aplicación con un método de construcción de software que puedan ser usados en posteriores trabajos de investigación en universidades e instituciones educativas. 1.3.3. Justificación práctica Esta investigación se realiza por que existe la necesidad de mejorar el proceso establecido actualmente para la resolución de casos del área de pagos en la empresa, con el uso de inteligencia artificial se cubrirá la necesidad de solucionar los casos puestos por vendedores y agentes comerciales. 1.4. Hipótesis del trabajo El desarrollo de una aplicación web con servicio de mensajería que este en la capacidad de interpretar lenguaje natural, permitirá agilizar la solución de reque- rimientos del área pagos automatizando las respuestas a las solicitudes registradas por los usuarios. 1.5. Marco referencial Para el desarrollo del prototipo es de vital importancia conocer en detalle las definiciones de: Pagos Chatbot Aplicaciones web 13 1.5.1. Marco teórico Chatbot: El chatbot es un programa informático que simula la conversación en lenguaje natural vía texto o conversación. Un usuario al realizar una pregunta al chatbot o interactuar con el programa informático inmediatamente este responde o realiza una acción según lo solicitado[4]. Para lograr esta conversación los chatbots hacen uso de la inteligencia artificial en conjunto con el procesamiento de lenguaje natural en ayuda a las computadoras a comunicarse con humanos en su lenguaje y escala otras tareas relacionadas con el lenguaje[3]. Con el NLP (Procesamiento de Lenguaje Natural) hace posible que las computadoras lean texto, escuchen la voz, la interpreten, midan el sentimiento y determinen qué partes son importantes[5]. Aplicaciones web: Una aplicación web es una herramienta accesible desde cual- quier navegador, bien sea a través de internet o a través de una red local, esta consta de: La base de datos, que es donde se almacenan los datos de la solución[6]; El código de la aplicación, es decir, la aplicación en sí, que se almacena en un servidor de aplicaciones. Lo más importante a destacar es que el usuario, puede acceder desde cualquier dispositivo a través de un navegador web el usuario puede acceder adiferentes secciones según sus permisos[6]. Pago: El pago en la compañía se hace bajo el modelo de liquidación, estas liqui- daciones se hacen en periodos mensuales en donde se tiene en cuenta los vendido por el vendedor y/o agente comercial. Esta liquidación es la remuneración co- rrespondiente a un trabajador que mantiene una relación de dependencia con su empleador. Este cálculo se suele realizar de manera mensual y contempla el salario mínimo junto a los montos que se adicionan por disposición legal u otro moti- vo. La liquidación también tiene en cuenta la asistencia, el tiempo trabajado, los eventuales premios y otros componentes[7]. La liquidación es realizada bajo el modelo de regresión lineal simple[8] el cual es un proceso experimental en el que intervienen dos variables: una variable de- pendiente Y quién no es controlado por el experimento y que depende de otra variable independiente X, que si es controlado por el experimento por lo que ésta 14 no es una variable aleatoria. Para estudiar la relación de dependencia entre estas variables sí expone una muestra aleatoria de tamaño N , qué vamos a represen- tar por {{Xi, Yi}}. Cuando tomamos distintas muestras para un mismo valor de X ,es de esperar que varían los correspondientes valores de Y por ello el valor y del par (Xi, Yi}., se puede considerar como valor de una variable aleatoria Y que corresponde al valor fijado X. Vamos a representar esa variable aleatoria por Y qué tendrá una medida M(Yi, ), y una varianza V (Xi, ). Por lo tanto, para x = x, tenemos una variable aleatoria a la que vamos a designar por Yi que tendrá una media M(Yi, ) y una varianza V (Y, ). Admitir el modelo de regresión lineal supone aceptar que la media de la variable aleatoria M(Yi, ) está relacionada linealmente con la variable X por medio de la ecuación de regresión de la población, es decir : M(Yi) = α + β donde α y β son los parámetros de la población[8]. 1.5.2. Marco conceptual Para la ejecución del proyecto de investigación es necesario tener claro los conceptos para la implementación del prototipo los cuales son: Chatbot: El chatbot según la implementación puede interactuar por diferentes canales, los más populares hoy en las empresas son los de mensajería de texto, estas implementaciones ahorran tiempo y esfuerzos al automatizar consultas o solicitudes de usuarios finales[4]. Sin embargo, las oportunidades que brinda el sistema chatbot van mucho más allá de proporcionar respuestas a las consultas de los usuarios finales, también se utilizan para otras operaciones, como recopilar información, organizar reuniones y reduciendo costos generales. no es de extrañar que el mercado de chatbot está creciendo exponencialmente[4]. Aplicaciones web: Las aplicaciones de Internet, Intranet y extranet es actual- mente el centro de atención en la programación. Todos pertenecen a aplicaciones empresariales basadas en la web que requieren conexión a la base de datos, auten- ticación de usuarios, gestión de sesiones y generación dinámica de HTML[6]. Las aplicaciones web deben tener las siguientes características[6]: 15 Independiente de la plataforma en el lado del cliente, generalmente un nave- gador Independiente de la plataforma en el lado del servidor, sin importar el am- biente. Ser capaz de conectarse a una variedad de bases de datos, como Oracle, Informix, SQL. Poder ejecutar en diferentes servidores web, incluidos Netscape, Apache, IIS y Java y otros servidores web populares. Altamente modular para que se puedan agregar más funciones en el futuro. Fácil de implementar y de bajo costo. Pago: Cuando la palabra viene del verbo pagar, hace referencia al deber por una acción prestada, sea en dinero o en especie. El pago es entonces un modo de extinguir obligaciones a través del cumplimiento efectivo de una prestación debida[9]. A continuación, una historia de la evolución de los principales métodos de pago[10]. Entonces el pago es una manera de extinción de obligaciones reciprocas que evita a los dos deudores la ejecución de este, consiste en dar pagada la deuda de cada uno en cuantía igual a la del crédito que se da por cobrado por igual. En la historia se ha evolucionado el método del pago de la siguiente manera[10]: Trueque: Primer medio de pago de la historia de la humanidad. El trueque se basaba el acuerdo entre dos partes para dar valor a las cosas. En la época se otorgaban cosas tales como: animales, casas, familiares, entre otros. Moneda: Las primeras monedas fueron inventadas por los griegos en el siglo VII a.C. en la región de Anatolia (actual Turquía). Se fabricaban a base de metales preciosos (oro, plata y bronce), por lo que su valor tenía una correspondencia real, en función del peso y el metal del que estaban fabricadas[10]. 16 Billete: Siglos más tarde, los metales preciosos fueron siendo sustituidos por papel moneda: se trataba del inicio del sistema fiduciario, en el que el valor ya no lo tenía el propio medio de pago en sí mismo. El sistema se basa en la confianza de una sociedad en que ese dinero tiene valor. Los primeros billetes surgieron en Suecia, en el siglo XVII[10]. Tarjetas de crédito: El origen de las tarjetas de crédito lo encontramos en 1914 cuando la compañía Western Union ofrece una tarjeta solo a sus más selectos clientes. Con ella, no solo podían disfrutar de un trato preferente, además disponían de una línea de crédito sin cargo alguno[10]. Wallet: La revolución de los smartphones trajo consigo una forma de pagar. Ese año Google y Apple lanzaron su tecnología para pagar a través del móvil, que poco a poco ha ido ganando adeptos hasta convertirse en uno de los medios de pago más utilizados en algunos mercados[10]. Bitcoin: Existen millones de usuarios de Bitcoin en el mundo, la mayor parte de ellos en grandes capitales. Por ello, las tiendas tradicionales de estas ciudades han comenzado a ofrecer la posibilidad a sus clientes de pagar con Bitcoins, así como con otros tipos de criptomoneda[10]. 1.6. Aspectos metodológicos 1.6.1. Tipo de estudio La implementación de un prototipo de aplicación web con un bot conversacional para la solución de requerimientos del área de pagos de la empresa de telecomu- nicaciones, se realizará por medio de estudio tipo explicativo, ya que mediante su implementación y certificar el uso de la herramienta por parte de los usuarios, se puede confirmar como la interacción automatizada de hombre maquina con len- guaje natural optimiza los recursos del área y mejora la solución de requerimientos. 17 1.6.2. Método de investigación El desarrollo del prototipo se logrará a través del método de análisis, porque mediante el análisis de requerimientos, usando las diferentes técnicas de levanta- miento de requerimientos se obtiene las funcionalidades de la aplicación. Para la evaluación del producto se usará el método de síntesis con el cual, vamos a obtener el resultado de las encuestas a realizar para validar el correcto funcionamiento de la aplicación web construida. Dentro de este capítulo se describe los pasos que se seguirán en el desarrollo de la investigación para poder obtener la información necesaria y alcanzar los objetivos planteados. Identificación del problema de investigación: Con la identificación del problema de investigación se da solución al problema del área de comisiones, con proyectos basados en tecnologías de información. Levantamiento de información: Para poder dar solución al problema de investigación se debe contar con la información necesaria, en donde en conjunto con el área de comisiones se realizara el respectivo levantamiento y especificación de requerimientos para la construcción del proyecto basado en tecnologías de información. 18 Prueba de concepto: Teniendo el insumo correspondiente obtenido del levantamiento de requerimientos de usuario, modelo de base de datos y la arquitectura de la aplicación se procede a hacer pruebas de concepto de la tecnología que será usada en la creación del prototipo de la aplicación. Construcción de prototipo:Con la prueba de concepto terminada, se procede a la construcción del prototipo de la aplicación en donde se aplica todos lo insumos anteriormente recolectados desde el levantamiento de infor- mación hasta la prueba de concepto, el producto final debe ser una aplicación funcional que resuelva el problema de investigación. Selección de muestra: Después de terminar el prototipo de aplicación que resuelve el problema de investigación, es necesario medir resultados, en esta etapa se hace una selección máxima de personas para analizar resultados. Recolección de datos: La recolección de datos del uso apropiado del pro- totipo se realizará a través de entrevistas al público objetivo, con el fin de recolectar los datos necesarios y poder pasar al siguiente paso. Análisis de datos: Con la información recolectada, se hará el análisis co- rrespondiente y dar como resultado si el prototipo de aplicación soluciona el problema de investigación. Presentación de datos: Realizar la presentación de la investigación al público interesado de los resultados del producto final, fruto de la solución del problema de investigación. 1.6.3. Fuentes y técnicas para la recolección de la informa- ción La información para la demostración de la implementación y puesta en pro- ducción del prototipo corresponde de las encuestas a realizar a los usuarios finales y validar el correcto funcionamiento de la aplicación, y en gran parte, la base de datos de la IEEE en donde siguiendo recomendaciones bibliográficas, tendremos en cuenta artículos especializados, libros y/o seminarios asociados al tema de arqui- tectura cliente-servidor, aplicación web, inteligencia artificial y bot conversacional. 19 1.6.4. Tratamiento de la información La información para demostrar la implementación y puesta en producción será la disponible en la base de datos de IEEE, la cual en su referenciación seguirá las respectivas normas y recomendaciones bibliográficas y para las encuestas realizadas a los usuarios finales será de orden anónimo. 1.7. Alcances, limitaciones y resultados esperados 1.7.1. Alcances Un prototipo de aplicación web, con un bot conversacional, con el cual solo se podrá interactuar vía mensajes de texto, con el que se pueden solucionar requeri- mientos simples hacia el área de pagos de la empresa de telecomunicaciones. 1.7.2. Limitaciones Las limitaciones que tendrá el prototipo de aplicación web con chat bot con- versacional son: El idioma del bot conversacional es solo español La aplicación no tendrá resultados predictivos de ningún tipo. El prototipo de servicio web responderá preguntas sin ningún tipo de cálculo adicional. El prototipo de aplicación web no genera reportes de ningún tipo. El prototipo de aplicación web tendrá una interacción directa con el prototipo de servicio web para los servicios de bot. Las preguntas realizadas al bot serán únicamente informativas. Las preguntas realizadas al bot no serán de tipo predictivas. La aplicación depende de la información local de la empresa. 20 La única interacción con los servicios de bot azure serán directamente desde la implementación de prototipo de servicio web. 1.7.3. Resultados esperados Se espera contar con un prototipo de aplicación web con la implementación de un bot conversacional por el cual, por medio de interacciones de lenguaje natural vía texto, pueda resolver los requerimientos de los vendedores creados hacia el área de pagos, optimizando tiempos y recursos en las respectivas soluciones. 21 Capítulo 2 Desarrollo de la investigación 22 2.1. Diseño y construcción del prototipo Ingeniería en general es el análisis, diseño,construcción, verificación y gestión de entidades técnicas[11]. Una vez identificado el problema para el cual el prototipo da respuesta, se considero necesario el diseño mediante las fases que se presentan a continuación. Como primera etapa, se realizo el modelo mediante Arquitectura empresarial, luego el levantamiento de requerimientos funcionales y no funcionales con la definición de casos de uso, la implementación de una prueba de concepto, la construcción del prototipo y finalmente el diseño de la encuesta para la validación del funcionamiento de la solución. 2.2. Arquitectura empresarial 2.2.1. Capa de tecnología 2.2.1.1. Punto de vista de tecnología Fig. 2.1: Punto de vista uso de aplicación El punto de vista de tecnología contiene los elementos de software y hardware que soportan la capa de aplicación, como dispositivos físicos, redes o sistemas de 23 software. (sistemas operativos, bases de datos o capa media)[12]. 2.2.1.2. Punto de vista uso de tecnología Fig. 2.2: Punto de vista uso de aplicación El punto de vista de uso de infraestructura muestra como las aplicaciones son soportadas por la infraestructura de software y hardware: los servicios de infra- estructura son entregados por los dispositivos, los sistemas de software y redes son entregados a las aplicaciones. Este punto de vista juega un rol importante en el análisis del rendimiento y la escalabilidad y puede ser usado para determi- nar requerimientos de rendimiento y calidad en la infraestructura basado en las demandas de las aplicaciones que la usan[12]. 24 2.2.1.3. Punto de vista de realización del servicio Fig. 2.3: Punto de vista de realización del servicio El punto de vista de realización de servicio es usado para mostrar como uno o mas servicios de negocio son realizados por los procesos subyacentes (y algunas ve- ces por componentes de aplicaciones), forma un puente entre la vista de productos de negocio y la vista de procesos de negocio[12]. 25 2.2.2. Capa de aplicación 2.2.2.1. Punto de vista comportamiento aplicación Fig. 2.4: Punto de vista uso de aplicación El punto de vista de comportamiento de aplicación describe el comportamiento interno de una aplicación, es útil para diseñar el comportamiento principal de aplicaciones o componentes e identificar la superposición funcional entre diferentes aplicaciones[12]. 2.2.2.2. Punto de vista cooperación aplicación Fig. 2.5: Punto de vista uso de aplicación El punto de vista de cooperación de aplicación describe las relaciones entre los componentes en términos de flujo de información o en términos de los servicios 26 que estos proveen o usan. este punto de vista también es usado para expresar la cooperación interna u orquestación de servicios que juntos soportan la ejecución de un proceso de negocio[12]. 2.2.2.3. Punto de vista estructura aplicación Fig. 2.6: Punto de vista uso de aplicación El punto de vista de estructura de aplicación muestra la estructura de una o más aplicaciones o componentes. Es útil para diseñar o entender la estructura de las aplicaciones o componentes y la información asociada[12]. 27 2.2.2.4. Punto de vista uso aplicación Fig. 2.7: Punto de vista uso de aplicación El punto de vista de aplicación describe como las aplicaciones son usadas para soportar uno o más procesos de negocio, y como van a ser utilizadas por otras aplicaciones. Puede ser utilizada en el diseño de una aplicación para identificar los servicios requeridos por los procesos de negocio y otras aplicaciones, o en el diseño de procesos de negocio describiendo los servicios que van a estar disponibles.[12] 28 2.2.3. Capa motivacional 2.2.3.1. Punto de vista de realización de requerimientos Fig. 2.8: Punto de vista de motivación El punto de realización de requerimientos permite al diseñador modelar la realización de los requerimientos por los elementos claves como los actores de negocio, los servicios, procesos y aplicaciones de negocio. Típicamente, los requerimientos surgen a partir de la refinación del punto de vista de contribución de objetivos[12]. 30 2.2.3.2. Punto de vista de motivación Fig. 2.9: Punto de vista de motivación El punto de vista de motivación permite al diseñador o analista modelar el aspecto motivacional, sin necesidad de enfocarse en concreto de algunos elementos dentro de este aspecto[defArchimate]. Por ejemplo, este puntode vista puede emplearse para mostrar una revisión completa o parcial del aspecto motivacional relacionando los stakeholders, su principios primarios, los principios que son aplicados y los requerimientos principales en los servicios, procesos, aplicaciones y objetos[12]. 32 2.3. Levantamiento de información Para poder dar solución al problema de investigación se debe contar con la información necesaria, en donde en conjunto con el área de comisiones se realizo el respectivo levantamiento y especificación de requerimientos para la construcción del proyecto basado en tecnologías de información. 2.3.1. Especificación de requerimientos Los requerimientos corresponden a una de las acciones mas importantes de la ingeniería del software, permitiendo abordar el diseño y la construcción, dando una guía para el orden, la información, las funciones y los comportamientos que tienen efecto en el diseño final. La ingeniería de requerimientos establece una base sólida para el diseño y la construcción. Sin ésta, el software resultante tiene alta probabilidad de no satisfacer las necesidades del cliente[11]. 2.3.1.1. Requerimientos funcionales Describen las actividades que el sistema deba realizar, es decir, se relacionan los comportamientos o servicios que prestará cuando se cumplan ciertas condicio- nes. A continuación se describen los requerimientos funcionales para la aplicación comitips, el cual se compone de dos sistemas para intercambiar la información: El sistema será desarrollado para plataforma web. El sistema de control obedece a un comportamiento reactivo, por lo cual su respuesta esta sujeta a la velocidad de procesamiento y a la simplicidad de los algoritmos usados. El sistema podrá ser usado en cualquier plataforma que cuente con los re- cursos mínimos para ejecutar aplicaciones. El sistema cliente debe prevenir el envío masivo de datos para evitar sobre- cargar el sistema servidor. El sistema debe utilizar un protocolo especificado para el envío y recepción de datos. 33 2.3.1.2. HU-1 - Registro de usuario Descripción: Agrupa toda la funcionalidad necesaria para llevar a cabo las tareas asociadas al registro de un nuevo usuario en la aplicación desde la pantalla principal de comitips. Representación gráfica: Fig. 2.10: Registrar usuario El sistema debe encontrarse en la pantalla principal de la aplicación. El usuario debe poseer permisos para ingresar a la pantalla principal de la aplicación. El sistema almacena de forma correcta la solicitud realizada por el usuario en la base de datos del sistema. Se visualiza correctamente en el sistema la información del nuevo usuario registrado. 2.3.1.3. HU-2 - Conversación Descripción: Agrupa toda la funcionalidad necesaria para llevar a cabo las tareas asociadas al iniciar, mantener y finalizar una conversación en la aplicación comitips. Representación gráfica: 34 Fig. 2.11: Conversación El usuario debe poseer permisos para ingresar a la pantalla de conversación. El sistema debe habilitar la opción de que el usuario digite el requerimiento en formato libre por medio de texto. El sistema debe tener la capacidad de entender el lenguaje natural, escrito por el usuario. El sistema con base a la solicitud realizada por el usuario, evalúa la intensión del cliente. El sistema con la intensión identificada, realiza la búsqueda de la posible respuesta a dar al usuario final. El sistema da respuesta al requerimiento generado por el usuario. 35 El sistema al no identificar una intensión clara del cliente, dar una respuesta por defecto, en donde se hace de nuevo la solicitud al usuario de digitar de nuevo el requerimiento. El sistema almacena de forma correcta la solicitud realizada por el usuario en la base de datos del sistema. Se visualiza correctamente en el sistema la información del nuevo usuario registrado. 2.3.1.4. HU-3 - Encuesta Descripción: Agrupa toda la funcionalidad necesaria para llevar a cabo las tareas asociadas para la encuesta en la aplicación comitips. Representación gráfica: Fig. 2.12: Encuesta El usuario debe poseer permisos para ingresar a la pantalla de encuesta. El sistema debe tomar el numero de identificación para asociarlo en el registro de la nueva encuesta. El sistema debe realizar la validación de que todas las preguntas estén debi- damente diligenciados. 36 El usuario podrá realizar la cantidad de encuestas que desee durante el día. El sistema debe validar que solo se debe realizar una encuesta por sesión. El sistema almacena de forma correcta la solicitud de encuesta realizada por el usuario en la base de datos del sistema. Se visualiza correctamente en el sistema de información la encuesta realizada por el usuario. 2.3.2. Requerimientos no funcionales Son aquellas exigencias del sistema que no representan efectos funcionales, pero que ayudan a evaluar la operación de un servicio de tecnología. Describen las propiedades o cualidades que el producto debe tener. A continuación se describen los requerimientos no funcionales para la aplicación comitips: El sistema será desarrollado para plataformas web. Debe ser suficientemente escalable, manteniendo un estándar entre los pro- gramadores y permitiendo realizar adaptaciones al mismo. El sistema de control obedece a un comportamiento reactivo, por lo cual su respuesta esta sujeta a la velocidad de procesamiento y a la simplicidad de los algoritmos usados. El sistema podrá ser ejecutado en cualquier plataforma de web que cuente con los recursos mínimos para ejecutar aplicaciones. El sistema debe utilizar un protocolo especificado para el envío y recepción de datos. 37 2.4. Prueba de concepto Una prueba de concepto es un modelo a escala que intenta probar una teoría que se puede transformar en una realidad, el propósito principal de la prueba de concepto consiste en proveer la información suficiente sobre los aspectos básicos de rendimiento y características de un entregable. 2.4.1. Principios para el diseño de un bot Cuando se inicia el desarrollo para un bot conversacional y este quede bien diseñado, lo primero que debemos tener en cuenta son los siguientes ítems[13]. ¿El bot soluciona fácilmente el problema del usuario con el número mínimo de pasos? ¿El bot soluciona el problema del usuario mejor, más fácilmente o más rápi- damente que cualquiera de los servicios alternativos? ¿El bot se ejecuta en dispositivos y plataformas que interesan al usuario? ¿El bot se puede detectar? ¿Los usuarios saben de forma natural qué hacer cuando lo usan? Ninguna de estas preguntas se relaciona directamente con factores tales como: la inteligencia del bot, la cantidad de lenguaje natural que tiene, si usa aprendizaje automático o qué lenguaje de programación se usó para crearlo. Los usuarios no suelen interesarse por ninguno de estos aspectos si el bot resuelve el problema que necesitan abordar y ofrece una experiencia de usuario excelente[13]. Una buena experiencia de usuario en un bot depende plenamente del buen diseñado que se haya implementado en su desarrollo, esto se logra haciendo flu- jos conversacionales funcionales evitando bucles innecesarios, sin dejar de lado el entrenamiento correcto del modelo cognitivo según la necesidad del negocio. 38 2.4.2. Creación de modelo cognitivo La creación del modelo cognitivo tiene el siguiente proceso típico: Crear una intención basada en las intenciones del usuario de la aplicación cliente. Agregar entre 15 a 30 expresiones de ejemplo basadas en la entrada de usuario del mundo real Etiquetar el concepto de datos de nivel superior en la expresión de ejemplo Dividir el concepto de datos en subentidades Agregar características a subentidades Agregar características a intenciones 2.4.3. Entrenamiento de un bot El entrenamiento es el proceso de enseñar a la aplicación Language Understan- ding (LUIS) para mejorar su comprensión del lenguaje natural. Entrene la aplica- ción de LUIS después de realizar actualizaciones en el modelo, como la adición, la edición, el etiquetadoo la eliminación de entidades, intenciones o expresiones[14]. El objetivo del entrenamiento es poder tener claridad en las intenciones que tiene el usuario al interactuar con el bot, una intención representa una tarea o acción que el usuario quiere realizar, una finalidad o un objetivo del usuario. Intención de la aplicación Expresiones de ejemplo Saludo "Hola" "Buenos días" Ventas "¿cómo saber si un registro (alta, baja, updown) me está contando?" "vendí 5 licencias de office con cierta ms pero solo me está saliendo 1" 39 Compensación "tengo un caso que, de acuerdo con las políticas establecidas, no cumple con condiciones para ser tenido en cuenta en las comisiones. ¿debo reclamarlo?" Reclamaciones "¿qué debo escribir en el campo "suscriptor"de la plantilla de reclamaciones?" "¿si mi reclamación es por un tema como visitas, metas o recuperación, que debo escribir en el campo suscriptor?" Penalizaciones “¿cómo saber si se me está penalizando por carterización?” “¿cómo saber si se me está penalizando por duración contrato?” “¿cómo saber si se me está penalizando por oferta no estándar o por escalamientos?” None "dame una receta de galletas" "¿ganaron los lakers?" 2.4.4. Desarrollo de prueba de concepto Se hace la implementación de la historia de usuario HU-2 en donde se garantiza la interacción con el usuario mediante texto. A continuación se presentan tomas de pantalla. 40 Fig. 2.13: Pantalla de bienvenida 41 Fig. 2.14: Saludo 42 Fig. 2.15: solicitud de usuario 43 Fig. 2.16: Respuesta solicitud 2.5. Construcción del prototipo Un prototipo es una representación aparente pero concreta de parte o la tota- lidad de una idea de negocio o sobre un producto o servicio. Un prototipo es una “fachada”, un servicio de cartón/piedra, una simulación. Es decir, que incorpora los elementos básicos para que sea funcional, que se pueda probar, y que responda a una serie de preguntas sobre la viabilidad empresarial de la idea y sobre su modo de implementación[15]. 44 2.5.1. Implementación La implementación del prototipo se realizo en lenguaje .net, estos componentes se encuentran desplegados en los servicios de la nube de Microsoft Azure. Servicio .net core: Implementación de bot service con LUIS IA, es el encargado de recibir todas las interacciones del usuario y traducirlas a inten- siones que posteriormente van a dar solución a los requerimientos. Aplicación web ASP.NET: Implementación de aplicación web en donde va integrado el servicio de bot service, la aplicación web es el punto de entrada del usuario, en donde se realiza el registro de usuario y solucion de la encuesta. Fig. 2.17: Servicios desplegados en windows azure 2.5.1.1. HU-1 - Registro de usuario El usuario se encuentra con tres campos obligatorios, los cuales se deben dili- genciar antes de interactuar con el bot. Los campos son: Nombre completo: (tipo texto), se debe diligenciar el nombre completo del usuario. 45 Cédula:(tipo numérico), se debe diligenciar el número de identificación del usuario. Celular:(tipo numérico), se debe diligenciar el número de contacto del usua- rio. Fig. 2.18: Pantalla registro de usuario 2.5.1.2. HU-2 - Conversación Después de realizar el registro de usuario, el usuario se encuentra con un panel lateral a la izquierda, en donde se ejecutan las interacciones con el bot. 46 Fig. 2.19: Saludo del bot 47 Fig. 2.20: Solicitud de requerimiento 48 Fig. 2.21: Respuesta de solicitud 2.5.1.3. HU-3 - Encuesta La encuesta se diseña para validar la implementación de las funcionalidades del prototipo que se implementa en el proyecto, con las preguntas que se mencionan a continuación: ¿Cree usted que el chatbot ha ayudado a la autogestión de su requerimiento? ¿Cree usted que el chatbot ha evitado que genere un nuevo requerimiento al área de comisiones? 49 ¿Cree usted que el chatbot ha contestado correctamente su solicitud? ¿Cree usted que la implementación de un bot reduciría los tiempos de res- puestas en los requerimientos? ¿Recomendaría el uso de la aplicación comitips a otros compañeros de tra- bajo? Fig. 2.22: Encuesta 2.5.1.4. Persistencia de datos Se garantizo que la información registrada por el usuario se pudiera almacenar en una base de datos relacional montada sobre el motor Sql Server version 2019. 50 Fig. 2.23: Modelo base de datos Para persistir los datos se utiliza el framework de .net que proporciona una implementación sencilla para trabajar con el motor Sql Server. Cada tabla de base de datos tiene un ’Modelo’ correspondiente que se utiliza para interactuar con la tabla. Los modelos le permiten consultar datos e insertar nuevos registros en la tabla. 51 Capítulo 3 Cierre de la investigación 52 3.1. Encuesta A continuación, se presenta la encuesta practicada para validar el impacto de la implementación del prototipo, donde se recopilo información sobre el grado de aceptación de las funcionalidades desarrolladas. 3.2. Ficha técnica de la encuesta 3.2.1. Marco muestral Personas que actualmente están trabajando en la compañía en el área de co- misiones y/o agentes comerciales, con acceso a un computador con conexión a internet, que uso previamente la aplicación Comitips. 3.2.2. Técnica de recolección de datos Diligenciamiento de formulario en linea desde la aplicación Comitips. 3.2.3. Tamaño de la muestra La muestra total fue de 210 personas. 53 3.3. Resultados 3.3.1. ¿Cree usted que el chatbot ha ayudado a la autoges- tión de su requerimiento? Fig. 3.1: Resultado pregunta No.1 Con esta pregunta se busca identificar, si con el uso de la aplicación comitips, los usuarios finales logran auto gestionar la solución del requerimiento y no generar un nuevo requerimiento sobre la mesa de pagos y comisiones. Dando un resultado positivo ya que un 90% de los encuestados, con base a las respuestas generadas por la implementación del bot en la aplicación comitips logro auto gestionar su requerimiento 3.3.2. ¿Cree usted que el chatbot ha evitado que genere un nuevo requerimiento al área de comisiones? Fig. 3.2: Resultado pregunta No.2 54 Esta pregunta, tiene la intensión de hacer visible, si el usuario final, después de usar la aplicación, tuvo que crear un nuevo requerimiento sobre la mesa de pagos y comisiones. Dando un resultado positivo ya que el 86% de los encuestados no tuvo la necesidad de generar un nuevo requerimiento sobre el área de soporte de pagos y comisiones 3.3.3. ¿Cree usted que el chatbot ha contestado correcta- mente su solicitud? Fig. 3.3: Resultado pregunta No.3 Esta pregunta tiene como objetivo, señalar si el usuario que ha usado la apli- cación ha recibido la respuesta correcta, según su intensión en la solicitud. La encuesta al usuario final da un resultado muy positivo donde un 88% afirma que el bot ha contestad de forma asertiva su solicitud. 55 3.3.4. ¿Cree usted que la implementación de un bot reduci- ría los tiempos de respuestas en los requerimientos? Fig. 3.4: Resultado pregunta No.4 Con esta pregunta se busca identificar, si el usuario final percibe cambios en los tiempos de respuesta con la implementación de un bot en una aplicación web. Con un 86% en total, los encuestados afirman que el uso de estas tecnologías permiten una disminución en los tiempos de respuesta en los requerimientos creados, 3.3.5. ¿Recomendaría el uso de la aplicación comitips a otros compañeros de trabajo? Fig. 3.5: Resultado pregunta No.5 La pregunta tiene la intensión de hacer visible, si los usuarios finales recomien- dan el uso de la aplicación a otros posibles usuarios, dando un resultado positivo porque el 85% de los encuestados recomendarían el uso de la aplicación a sus compañeros de trabajo. 56 3.4. Conclusiones 3.4.1. Verificación y evaluación de objetivos Se presenta a continuación la contrastación de los objetivos propuestos en el trabajo de investigación, relacionados con el desarrollo del prototipo y los resulta- dos de la encuesta. 3.4.2. Contrastación de objetivo general Diseñarun prototipo de aplicación web que implemente una estruc- tura cognitiva basada en un ChatBot, utilizando la inteligencia artificial, donde se permita acceder a la información de pagos y comisiones a los vendedores de forma asertiva. La herramienta comitips da solución a los diferentes requerimientos creados al área de comisiones, por consiguiente se concluye que la herramienta ofrece la fun- cionalidad para dar cumplimiento al objetivo general con un impacto muy positivo en la comunidad encuestada, ya que un porcentaje alto considera que es un medio practico para la autogestión de sus requerimientos accediendo a la información de pagos y comisiones directamente. Esto se identifico en la pregunta No.1: ¿Cree usted que el chatbot ha ayudado a la autogestión de su requerimiento?, donde un 90% de los encuestados dieron una respuesta positiva al uso de la aplicación y al final no crearon un nuevo reque- rimiento a la mesa de comisiones. 3.4.3. Contrastación de los objetivos específicos Implementar una infraestructura para el montaje y despliegue de un prototipo de aplicación web, que permita dar respuesta a solicitudes creadas por vendedores y agentes comerciales. El principio de interacción en el que esta basado la aplicación comitips, tiene como medio la captura de texto en lenguaje natural, permitió un aumento en el uso de la aplicación para la solución de requerimientos a vendedores y agentes comerciales. 57 Esto se identifico en la pregunta N.o 2: ¿Cree usted que el chatbot ha evitado que genere un nuevo requerimiento al área de comisiones?, donde un 86% de los encuestados lograron gestionar su requerimiento sin la necesidad de crear uno nuevo al área de comisiones. Construir un prototipo web API tipo restfull con tecnología .net conectando los diferentes sistemas legados para acceder a la información de pagos de los vendedores y agentes comerciales. La aplicación comitips usando las tecnologías propuestas en el objetivo es- pecifico en mención, logro aportar a la solución final, accediendo a la base de conocimiento del área de pagos y comisiones, dando respuesta a las solicitudes generadas por los vendedores. Implementar una solución cognitiva, usando el API Azure bots que pueda interactuar con el usuario final usando lenguaje natural donde se podrá realizar el primer contacto para la resolución de requerimientos. Con la implementación de una solución cognitiva en la aplicación comitips, permitió identificar las intensiones de cada uno de los usuarios y así dar una res- puesta correcta según la solicitud diligenciada en texto por medio de lenguaje natural. Esto se identifico con las respuestas en la pregunta N.o 3 ¿Cree usted que el chatbot ha contestado correctamente su solicitud? donde solo el 12% de la población encuestada considero que el bot implementado en la aplicación comitips dio como resultado no exitoso, al contrario con un 88% de las personas encuestadas consideran que la aplicación contesto de forma correcta su solicitud. 58 3.5. Prospectiva del trabajo de grado 3.5.1. Líneas de investigación futura 3.5.1.1. Machine Learning El aprendizaje automático es una aplicación de inteligencia artificial (IA) que proporciona a los sistemas la capacidad de aprender y mejorar automáticamente a partir de la experiencia sin estar programados explícitamente. El aprendizaje au- tomático se centra en el desarrollo de programas informáticos que pueden acceder a los datos y utilizarlos para aprender por sí mismos[16]. Con esta definición bási- ca se puede agregar una implementación de machine learning para que las nuevas intensiones que lleguen por parte de los usuarios no tengan que ser agregadas de forma manual por un usuario administrador de la aplicación. 3.5.1.2. Computación cognitiva La computación cognitiva es un campo emergente iniciado por la confluencia sinérgica de la ciencia cognitiva, la ciencia de datos y una variedad de tecnologías informáticas. Las teorías de la ciencia cognitiva proporcionan marcos para describir varios modelos de cognición humana, incluida la forma en que el cerebro representa y procesa la información[17]. En conjunto con la minería de datos se puede llegar al análisis de datos para mostrar resultados a las intensiones registradas por los usuarios. 3.5.2. Trabajos de investigación futuros Se plantea como implementaciones futuras al proyecto, una aplicación nativa o híbrida para dispositivos móviles, para que la aplicación pueda ser usada de la mejor manera desde un dispositivo diferente a un escritorio con internet. Se identifico igualmente que un complemento de machine learning da un valor agregado a la solución, en donde el sistema este en la capacidad de recibir nuevas intensiones y poder clasificarlas dentro de las intensiones existentes. 59 Implementar otro medio de comunicación por lenguaje natural, como por ejemplo el reconocimiento por habla, actualmente el prototipo recibe solo texto en lenguaje natural, le agrega valor el que la aplicación este en la capacidad de recibir lenguaje natural en otro formato. 60 REFERENCIAS [1] MinTic. En 2020 iniciará “ola” de conectividad para más de 500 mil hogares de estratos 1 y 2: Dirección de Infraestructura. 2019 (visitado Marzo 26, 2020). url: https://www.mintic.gov.co/portal/inicio/Sala- de-Prensa/Noticias/116148:En-2020-iniciara-ola-de- conectividad-para-mas-de-500-mil-hogares-de-estratos- 1-y-2. [2] MinTic. Boletín trimestral de las TIC cifras del cuarto trimestre de 2018: Ministerio de tecnologías de la información y las comunicaciones. 2019 (vi- sitado Marzo 26, 2020). url: https://colombiatic.mintic.gov. co/679/articles-100444_archivo_pdf.pdf. [3] A. Khanna y col. «Anatomy and Utilities of an Artificial Intelligence Con- versational Entity». En: 2015 International Conference on Computational Intelligence and Communication Networks (CICN). 2015, págs. 594-597. [4] P. S. Punjabi y col. «Chat bot Using API : Human To Machine Conversa- tion». En: 2019 Global Conference for Advancement in Technology (GCAT). 2019, págs. 1-5. [5] K. Tajane y col. «AI Based Chat-Bot Using Azure Cognitive Services». En: 2018 Fourth International Conference on Computing Communication Con- trol and Automation (ICCUBEA). 2018, págs. 1-4. [6] L. Chunlin. «A java-based approach for developing Web application system». En: Journal of Systems Engineering and Electronics 10.3 (1999), págs. 15-21. [7] J.de Angulo V.Infante M.Arteaga F.Fernández.Medios de pago. FC Editorial España, 2003, pp 44-46. 61 https://www.mintic.gov.co/portal/inicio/Sala-de-Prensa/Noticias/116148:En-2020-iniciara-ola-de-conectividad-para-mas-de-500-mil-hogares-de-estratos-1-y-2 https://www.mintic.gov.co/portal/inicio/Sala-de-Prensa/Noticias/116148:En-2020-iniciara-ola-de-conectividad-para-mas-de-500-mil-hogares-de-estratos-1-y-2 https://www.mintic.gov.co/portal/inicio/Sala-de-Prensa/Noticias/116148:En-2020-iniciara-ola-de-conectividad-para-mas-de-500-mil-hogares-de-estratos-1-y-2 https://www.mintic.gov.co/portal/inicio/Sala-de-Prensa/Noticias/116148:En-2020-iniciara-ola-de-conectividad-para-mas-de-500-mil-hogares-de-estratos-1-y-2 https://colombiatic.mintic.gov.co/679/articles-100444_archivo_pdf.pdf https://colombiatic.mintic.gov.co/679/articles-100444_archivo_pdf.pdf [8] Vargas Sabadías Antonio. Estadística descriptiva e inferencial. Univ de Cas- tilla La Mancha España, 1995, pp-451-452. [9] directivosyempresas. Medios de pago : historia y evolución de los métodos. 2020 (visitado Abril 10, 2020). url: https://www.directivosyempresas. com/empresas/reportajes/medios- de- pago- historia- y- evolucion. [10] economiadehoy. Métodos de pago a través de la historia. 2019 (visitado Abril 10, 2020). url: https://www.economiadehoy.es/metodos-de- pago-a-traves-de-la-historia. [11] Roger S. Pressman. Ingeniería del software. Un enfoque practico. Mc Graw Hill, 1992. [12] Open Group Standard.ArchiMate 2.1. 2012-2013 (visitado Octubre 10, 2020). url: https://pubs.opengroup.org/architecture/archimate2- doc/. [13] Microsoft. Principios dediseño de bots. 2017 (visitado Abril 16, 2020). url: https://docs.microsoft.com/es-mx/azure/bot-service/ bot-service-design-principles?view=azure-bot-service- 4.0. [14] Microsoft. Entrenamiento de la versión activa de la aplicación de LUIS. 2019 (visitado Julio 16, 2020). url: https://docs.microsoft.com/es- es/azure/cognitive-services/luis/luis-how-to-train. [15] emprendeaconciencia. DISEÑO DE PROTOTIPOS. 2020 (visitado Agosto 5, 2020). url: https://www.emprendeaconciencia.com/diseno- prototipo. [16] expertsystem. What is Machine Learning? A definition. 2020 (visitado Sep- tiembre 30, 2020). url: https://expertsystem.com/machine- learning-definition/. [17] Elsevier B.V. Cognitive Computing: Concepts, Architectures, Systems, and Applications. 2016 (visitado Agosto 30, 2020). url: https://www.sciencedirect. com/science/article/pii/S0169716116300451. 62 https://www.directivosyempresas.com/empresas/reportajes/medios-de-pago-historia-y-evolucion https://www.directivosyempresas.com/empresas/reportajes/medios-de-pago-historia-y-evolucion https://www.directivosyempresas.com/empresas/reportajes/medios-de-pago-historia-y-evolucion https://www.economiadehoy.es/metodos-de-pago-a-traves-de-la-historia https://www.economiadehoy.es/metodos-de-pago-a-traves-de-la-historia https://pubs.opengroup.org/architecture/archimate2-doc/ https://pubs.opengroup.org/architecture/archimate2-doc/ https://docs.microsoft.com/es-mx/azure/bot-service/bot-service-design-principles?view=azure-bot-service-4.0 https://docs.microsoft.com/es-mx/azure/bot-service/bot-service-design-principles?view=azure-bot-service-4.0 https://docs.microsoft.com/es-mx/azure/bot-service/bot-service-design-principles?view=azure-bot-service-4.0 https://docs.microsoft.com/es-es/azure/cognitive-services/luis/luis-how-to-train https://docs.microsoft.com/es-es/azure/cognitive-services/luis/luis-how-to-train https://www.emprendeaconciencia.com/diseno-prototipo https://www.emprendeaconciencia.com/diseno-prototipo https://expertsystem.com/machine-learning-definition/ https://expertsystem.com/machine-learning-definition/ https://www.sciencedirect.com/science/article/pii/S0169716116300451 https://www.sciencedirect.com/science/article/pii/S0169716116300451 Contextualización de la investigación Introducción Estudio del problema de investigación Planteamiento del problema Formulación del problema Sistematización del problema Objetivos de la investigación Objetivo general Objetivos específicos Justificación de la investigación Justificación teórica Justificación metodológica Justificación práctica Hipótesis del trabajo Marco referencial Marco teórico Marco conceptual Aspectos metodológicos Tipo de estudio Método de investigación Fuentes y técnicas para la recolección de la información Tratamiento de la información Alcances, limitaciones y resultados esperados Alcances Limitaciones Resultados esperados Desarrollo de la investigación Diseño y construcción del prototipo Arquitectura empresarial Capa de tecnología Punto de vista de tecnología Punto de vista uso de tecnología Punto de vista de realización del servicio Capa de aplicación Punto de vista comportamiento aplicación Punto de vista cooperación aplicación Punto de vista estructura aplicación Punto de vista uso aplicación Capa motivacional Punto de vista de realización de requerimientos Punto de vista de motivación Levantamiento de información Especificación de requerimientos Requerimientos funcionales HU-1 - Registro de usuario HU-2 - Conversación HU-3 - Encuesta Requerimientos no funcionales Prueba de concepto Principios para el diseño de un bot Creación de modelo cognitivo Entrenamiento de un bot Desarrollo de prueba de concepto Construcción del prototipo Implementación HU-1 - Registro de usuario HU-2 - Conversación HU-3 - Encuesta Persistencia de datos Cierre de la investigación Encuesta Ficha técnica de la encuesta Marco muestral Técnica de recolección de datos Tamaño de la muestra Resultados ¿Cree usted que el chatbot ha ayudado a la autogestión de su requerimiento? ¿Cree usted que el chatbot ha evitado que genere un nuevo requerimiento al área de comisiones? ¿Cree usted que el chatbot ha contestado correctamente su solicitud? ¿Cree usted que la implementación de un bot reduciría los tiempos de respuestas en los requerimientos? ¿Recomendaría el uso de la aplicación comitips a otros compañeros de trabajo? Conclusiones Verificación y evaluación de objetivos Contrastación de objetivo general Contrastación de los objetivos específicos Prospectiva del trabajo de grado Líneas de investigación futura Machine Learning Computación cognitiva Trabajos de investigación futuros REFERENCIAS
Compartir