Aplicación web con arquitectura RAG y LlaMa 3.2 para consultas de soporte técnico en CNEL
DOI:
https://doi.org/10.61154/metanoia.v12i1.4282Palabras clave:
Tecnología de la información, Chatbot, gestión de la información, protección de datos, inteligencia artificialResumen
La gestión del conocimiento técnico en la Corporación Nacional de Electricidad (CNEL EP) del Ecuador se ve obstaculizada por la dispersión de la información en múltiples documentos, lo que ralentiza la resolución de problemas en el área de soporte técnico. Para enfrentar este desafío, se desarrolló una aplicación web que implementa una arquitectura de Generación Aumentada por Recuperación (RAG) junto con el modelo de lenguaje Llama 3.2. La metodología de desarrollo siguió el proceso CRISP-DM, asegurando un enfoque estructurado desde la comprensión del negocio hasta el despliegue. El sistema permite cargar documentos institucionales (PDF, Word, Excel), los cuales son procesados, convertidos en vectores semánticos mediante el modelo nomic-embed-text y almacenados en una base de datos vectorial FAISS para una recuperación eficiente, al realizar una consulta, el sistema recupera los fragmentos de texto más relevantes y los utiliza como contexto para que el modelo Llama 3.2, ejecutado localmente con Ollama, genere una respuesta precisa y contextualizada. Las medidas de la evaluación por la norma ISO/IEC 9126 indicaron un alto nivel de desempeño en funcionalidad (4.5/5) y usabilidad (4.8/5), confirmando el potencial del modelo para la centralización del conocimiento y para la producción de respuestas fiables. Del mismo modo que el despliegue local garantiza la seguridad de los datos, la eficiencia fue vista como un área de mejora, dado que los tiempos de respuesta promedios fueron de 8.38 segundos. La herramienta se consolida como un apoyo inteligente para agilizar el acceso a la información técnica institucional.Descargas
Citas
Ahumada, H. C., Póliche, M. V, & Contreras, N. A. (2020). Chatbot asistente para atención de aspirantes en la Facultad de Tecnología y Ciencias Aplicadas de la UNCA. Jornadas Argentinas de Informática, 49, 142-152. https://49jaiio.sadio.org.ar/pdfs/asai/ASAI-11.pdf
Alali, F., Bashar, A., Aldawsari, H., & Mahmood, S. (2025). Comparative Analysis of Industrial SAP Chatbots: RAG-LLM and Cloud-based Approaches. Proceedings of the International Conference on Social Sciences and Business (ICSSB 2025), 1, 1-8. https://faculty.pmu.edu.sa/Admin/ckEditor_Uploads/133969093386114239_Full_paper_ICSSB25_draft.pdf
Alghanemi, J., & Al Mubarak, M. (2022). The Role of Artificial Intelligence in Knowledge Management. En A. Hamdan, A. Harraf, P. Arora, B. Alareeni, & R. K. Hamdan (Eds.), Studies in Computational Intelligence (pp. 359-373). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1007/978-3-030-99000-8_20
Amugongo, L. M., Mascheroni, P., Brooks, S., Doering, S., & Seidel, J. (2025). Retrieval augmented generation for large language models in healthcare: A systematic review. PLOS Digital Health, 4, 1-33. https://doi.org/https://doi.org/10.1371/journal.pdig.0000877
Barros Manzano, M. V. (2022). Asistente conversacional (chatbot) basado en un sistema de gestión de conocimientos para atención a los clientes de la empresa aceros industriales hgb. [Tesis de pregrado, Universidad técnica de Ambato]. Archivo digital. https://repositorio.uta.edu.ec/handle/123456789/34351
Bregón Bregón, A., & Silvestre Vilches, J. (2021). Implementación de una herramienta basada en PLN para la detección y anonimización de datos personales en documentos [Tesis de Maestría, Universidades de Burgos, León y Valladolid]. Archivo digital. https://uvadoc.uva.es/handle/10324/49995
Calatrava Hurtado, D. J. (2019). Desarrollo de una solución para la visualización y análisis de sentimiento en base a los mensajes que realizan los usuarios a una empresa mediante una red social [Tesis de pregrado, Universidad de las Américas]. Archivo digital. http://dspace.udla.edu.ec/handle/33000/10600
CNEL EP. (2016). ¿Quiénes Somos? - CNEL EP. cnelep.gob.ec. https://www.cnelep.gob.ec/quienes-somos/
Dharmawan, T., & Witanti, A. (2025). Evaluasi llama3.2 3b untuk menghasilkan soal otomatis dengan deepeval berdasarkan metrik answer relevancy dan hallucination. Jurnal Informatika Teknologi dan Sains, 7, 242-248. https://doi.org/https://doi.org/10.51401/jinteks.v7i1.5423
Douze, M., Guzhva, A., Deng, C., Johnson, J., Szilvasy, G., Mazaré, P.-E., Lomeli, M., Hosseini, L., & Jégou, H. (2025). The Faiss library. arXiv preprint arXiv:2401.08281, 3, 1-24. https://doi.org/https://doi.org/10.48550/arXiv.2401.08281
Grattafiori, A., Dubey, A., Jauhri, A., Pandey, A., Kadian, A., Al-Dahle, A., Letman, A., Mathur, A., Schelten, A., Vaughan, A., Yang, A., Fan, A., Goyal, A., Hartshorn, A., Yang, A., Mitra, A., Sravankumar, A., Korenev, A., Hinsvark, A., … Ma, Z. (2024). The Llama 3 Herd of Models. arXiv preprint arXiv:2407.21783, 3, 1-92. https://doi.org/https://doi.org/10.48550/arXiv.2407.21783
HeidiSteen. (2025). RAG e inteligencia artificial generativa - Azure AI Search | Microsoft Learn. Microsoft.com. https://learn.microsoft.com/es-es/azure/search/retrieval-augmented-generation-overview?tabs=docs
Hou, X., Han, J., Zhao, Y., & Wang, H. (2025). Unveiling the Landscape of LLM Deployment in the Wild: An Empirical Study. arXiv preprint arXiv:2505.02502, 1, 1-12. https://doi.org/https://doi.org/10.48550/arXiv.2505.02502
Jang, S., & Morabito, R. (2025). Edge-First Language Model Inference: Models, Metrics, and Tradeoffs. arXiv preprint arXiv:2505.16508, 1, 1-7. https://doi.org/https://doi.org/10.48550/arXiv.2505.16508
Maruri, B., Reina, R., Lara, O., Espinoza, &, Reinaldo, N., Gregorio, Á., Reina, R., Raúl, F., Paola, M., & Martínez, E. (2025). Automatización del soporte al cliente mediante un chatbot con IA integrado al CRM: caso de estudio empresa EDITRATECH. GADE: Revista Científica, 5, 206-219. https://doi.org/10.63549/RG.V5I3.705
Nussbaum, Z., Duderstadt, B., & Mulyar, A. (2024). Nomic Embed Vision: Expanding the Latent Space. arXiv preprint arXiv:2406.18587, 1, 1-7. https://doi.org/https://doi.org/10.48550/arXiv.2406.18587
Sanchéz García, S. (2024). Integración de arquitectura de generación aumentada por recuperación (RAG) en la plataforma Wattwin. Dipòsit Digital de Documents de la UAB, 1, 1-15. https://ddd.uab.cat/record/298985
Schröer, C., Kruse, F., & Gómez, J. M. (2021). A systematic literature review on applying CRISP-DM process model. Procedia Computer Science, 181, 526-534. https://doi.org/10.1016/j.procs.2021.01.199
Skinner Barbosa, M. J., & García Díaz, J. F. (2025). Chatbot como herramienta de apoyo para mejorar los procesos de inserción laboral [Tesis de pregrado, Universidad Nacional Abierta y a Distancia UNAD]. Archivo digital. https://repository.unad.edu.co/handle/10596/69161
Soudani, H., Kanoulas, E., & Hasibi, F. (2024). Fine Tuning vs. Retrieval Augmented Generation for Less Popular Knowledge. SIGIR-AP 2024 - Proceedings of the 2024 Annual International ACM SIGIR Conference on Research and Development in Information Retrieval in the Asia Pacific Region, 12-22. https://doi.org/10.1145/3673791.3698415
Srivastava, S., Shukla, H., Landge, N., Srivastava, A., & Jindal, D. (2024). A Comprehensive Review of Next.js Technology: Advancements, Features, and Applications. SSRN Electronic Journal, 1, 1-4. https://doi.org/http://dx.doi.org/10.2139/ssrn.4831070
Steybe, D., Poxleitner, P., Aljohani, S., Herlofson, B. B., Nicolatou-Galitis, O., Patel, V., Fedele, S., Kwon, T. G., Fusco, V., Pichardo, S. E. C., Obermeier, K. T., Otto, S., Rau, A., & Russe, M. F. (2025). Evaluation of a context-aware chatbot using retrieval-augmented generation for answering clinical questions on medication-related osteonecrosis of the jaw. Journal of Cranio-Maxillofacial Surgery, 53, 355-360. https://doi.org/10.1016/j.jcms.2024.12.009
Tamariz Milla, M. A., Avila Narvaez, M. A., Denegri Tineo, E. E., Cruz Solano, J. D., & Torres Alama, E. A. (2025). Factores de la atención de cobranza que conduce a la generación de un compromiso de pago [Tesis de Maestría, Universidad Peruana de Ciencias Aplicadas]. Archivo digital. http://hdl.handle.net/10757/685067
Tamayo Cárdenas, Y. L., & Villavicencio Martínez, P. A. (2018). Módulo para el análisis de datos basado en CRISP-DM para la plataforma XEDRO-GESPRO [Tesis de pregrado, Universidad de las Ciencias Informáticas]. Archivo digital. https://repositorio.uci.cu/jspui/handle/123456789/10216
Uceda Martos, P. J., Polo Chávarri, L. C., & Cruzado Asencio, G. A. (2024). La influencia de los chatbots en el aprendizaje remoto como una estrategia de autorregulación en tiempos de pandemia. En M. Fernández Ferrer (Ed.), Chatbots en EducacónTendencias actuales y desafíos futuros (Número 21, pp. 93-120). Ibero-American Law Institute.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Wilson Josue Gonzalez Ortega, Mariuxi Paola Zea Ordoñez , Johnny Paul Novillo Vicuña, Alex Roberto Ortiz Ortega
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
CC BY-NC-SA : Esta licencia permite a los reutilizadores distribuir, remezclar, adaptar y construir sobre el material en cualquier medio o formato solo con fines no comerciales, y solo siempre y cuando se dé la atribución al creador. Si remezcla, adapta o construye sobre el material, debe licenciar el material modificado bajo términos idénticos.
OAI-PMH URL: https://revista.uniandes.edu.ec/ojs/index.php/METANOIA/oai
