Implementación de chatbot basado en Inteligencia Artificial para el Área de Admisión de una universidad pública en el norte del Perú

Abstract

La presente investigación tuvo como objetivo desarrollar e implementar un chatbot basado en inteligencia artificial para el Área de Admisión de la Universidad Nacional Pedro Ruiz Gallo, con la finalidad de mejorar la eficiencia y la calidad de las respuestas brindadas a las consultas frecuentes de los postulantes. La problemática se originó debido al incremento de consultas relacionadas con los procesos de admisión, lo que generaba demoras en la atención, sobrecarga del personal administrativo y posibles inconsistencias en la información proporcionada. Para el desarrollo de la solución se empleó el modelo de lenguaje GPT-3.5 Turbo de OpenAI, integrado mediante una arquitectura REST desarrollada en Node.js y conectada a WhatsApp Cloud API de Meta para facilitar la interacción con los usuarios. Como fuente de conocimiento se utilizaron las preguntas frecuentes proporcionadas por el Área de Admisión y el prospecto oficial de admisión de la universidad, los cuales fueron sometidos a procesos de limpieza, normalización y validación para garantizar la calidad de la información utilizada en el entrenamiento del sistema. La evaluación del chatbot se realizó mediante un proceso de validación comparativa entre las respuestas generadas y la información oficial institucional, considerando criterios de exactitud, relevancia y claridad. Los resultados evidenciaron una precisión del 75 % en las respuestas correctas, además de una reducción significativa en los tiempos de atención al proporcionar respuestas en pocos segundos y sin intervención humana. Asimismo, se identificó que las respuestas más precisas se obtienen cuando la información de entrenamiento se encuentra estructurada en formato de texto plano. Se concluye que la implementación del chatbot constituye una solución técnicamente viable y funcional para optimizar la atención de consultas en el Área de Admisión, mejorando la eficiencia operativa, la calidad de la información brindada y la experiencia de los usuarios, además de representar una alternativa de bajo costo y escalable para futuras implementaciones institucionales.

The objective of this research was to develop and implement an artificial intelligence- based chatbot for the Admissions Office at Pedro Ruiz Gallo National University, with the aim

of improving the efficiency and quality of responses to applicants’ frequently asked questions. The problem arose due to an increase in inquiries related to the admissions process, which led to delays in response times, an overload on administrative staff, and potential inconsistencies in the information provided. To develop the solution, OpenAI’s GPT-3.5 Turbo language model was used, integrated via a REST architecture developed in Node.js and connected to Meta’s WhatsApp Cloud API to facilitate interaction with users. The FAQs provided by the Admissions Office and the university’s official admissions brochure were used as knowledge sources; these were subjected to data cleaning, normalization, and validation processes to ensure the quality of the information used to train the system. The chatbot was evaluated through a comparative validation process that compared the generated responses with official institutional information, taking into account criteria such as accuracy, relevance, and clarity. The results showed a 75% accuracy rate for correct responses, as well as a significant reduction in response times, with answers provided in just a few seconds and without human intervention. It was also found that the most accurate responses are obtained when the training data is structured in plain text format. It is concluded that the implementation of the chatbot constitutes a technically viable and functional solution for optimizing the handling of inquiries in the Admissions Office, improving operational efficiency, the quality of the information provided, and the user experience, while also representing a low-cost and scalable alternative for future institutional implementations.