Spaces:
Sleeping
Sleeping
File size: 3,415 Bytes
b6431e1 0c7af1b b6431e1 0c7af1b b6431e1 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 | # Proyecto: Asistente de Seguros (Underwriting Insurance App)
## Planteamiento del Problema
### Negocio
El sector de seguros enfrenta desafíos operativos relacionados con la gestión eficiente de la información y la atención al cliente, específicamente en la oferta corporativa y la consulta de pólizas.
### Objetivos
1. **Gestionar oferta corporativa:** Administrar eficientemente planes, coberturas y pricing.
2. **Automatizar consultas:** Facilitar la consulta automatizada de información de pólizas de seguros para reducir tiempos de respuesta.
3. **Mejorar acceso a información:** Solucionar la dificultad y el tiempo excesivo que toma recuperar y juntar información relevante atrapada en documentos no estructurados (PDFs).
### Hipótesis
La implementación de un asistente virtual inteligente (Chatbot), capaz de clasificar intenciones de usuario y extraer información de fuentes estructuradas y no estructuradas, optimizará la recuperación de datos, reduciendo el tiempo de atención al cliente y mejorando la precisión en la gestión de ofertas corporativas.
### Acciones con Entregables
* Desarrollo de un pipeline de clasificación de intenciones (NLP).
* Implementación de módulos para consulta de reglas de negocio y precios.
* Creación de una interfaz o API para interactuar con el asistente.
* Documentó de análisis y reporte de resultados.
---
## Acceso a Datos
### Tipo de Datos
* **Estructurados:**
* Información transaccional simulada (bases de datos de clientes, estados de pólizas, historial de pagos).
* Reglas de negocio definidas en código (pricing, coberturas).
* Datasets sintéticos para entrenamiento del modelo de clasificación (`crear_dataset_rules`).
* **No Estructurados:**
* Documentos de pólizas y condiciones generales en formato PDF (fuente de información para consultas complejas).
---
## Tipo de Solución a Elaborar
Se desarrollará una solución basada en **Inteligencia Artificial y Automatización** que consiste en:
1. **Chatbot de Asistencia:**
* Modelo de Machine Learning (Pipeline `TfidfVectorizer` + `RandomForestClassifier`) para entender la intención del usuario (ej. cotizar, consultar pagos, reportar emergencias).
* Lógica de negocio (`core.py` e `infrastructure`) para ejecutar acciones específicas basadas en la intención detectada.
2. **Infraestructura de Datos:**
* Integración de reglas de negocio para validar coberturas y calcular precios.
* Simulación de consultas a sistemas externos (bancos, bases de datos de pólizas).
---
## Cronograma de Trabajo
| Fase | Actividad | Descripción |
| :--- | :--- | :--- |
| **1** | **Planteamiento y Diseño** | Definición del alcance, objetivos y arquitectura de la solución. (Completado) |
| **2** | **Acceso y Preparación de Datos** | Generación de datasets sintéticos y configuración de acceso a documentos. |
| **3** | **Desarrollo de Modelos** | Entrenamiento del modelo de clasificación de intenciones y ajuste de reglas. |
| **4** | **Implementación de Lógica** | Desarrollo del `core` del chatbot y funciones de `infrastructure` (pagos, cotizaciones, etc.). |
| **5** | **Integración y Pruebas** | Unificación de componentes en el flujo principal (`main.py`) y validación de casos de uso. |
| **6** | **Documentación y Entrega** | Finalización del README y reporte de resultados. | |