CaicedoTorresHaroldAndres2020

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