Spaces:
Sleeping
Sleeping
| # 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. | |