README_PROJECT.md

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.