Diseño de un sistema inteligente de agente conversacional para consultas académicas en entornos universitarios

Abstract

Este trabajo presenta el diseño, implementación y evaluación de un agente conversacional orientado a tareas para el acceso a información académica y administrativa en educación superior. Partimos del problema de la fragmentación informativa en múltiples plataformas institucionales y de la sobrecarga de los canales tradicionales de atención. Metodológicamente, se adoptó CRISP-DM y se propuso una arquitectura modular con tres pilares: (i) ingesta y normalización documental (segmentación en chunks, metadatos y embeddings), (ii) recuperación semántica mediante Retrieval-Augmented Generation (RAG) sobre ChromaDB y OpenAIEmbeddings, y (iii) generación con un LLM (ChatOpenAI gpt-4o-mini) orquestado con LangChain (patrón ReAct) y expuesto vía interfaz web en Chainlit. El sistema prioriza trazabilidad y transparencia al citar explícitamente la fuente de cada respuesta. La validación se realizó con un benchmark de preguntas frecuentes institucionales en un escenario de chat testing. Los resultados muestran una precisión del 82,4%, cobertura del 91,7%, First Turn Resolution del 76,3% y latencia mediana de 6,2 s, evidenciando viabilidad técnica y experiencia de uso fluida para un despliegue inicial. La propuesta se alinea con la transformación digital universitaria y promueve accesibilidad y equidad en el acceso a la información.