@misc{10902/37133,
year = {2025},
month = {6},
url = {https://hdl.handle.net/10902/37133},
abstract = {Los avances recientes en procesamiento de lenguaje natural (NLP) han permitido el desarrollo de asistentes conversacionales cada vez más eficaces para comprender preguntas, mantener diálogos y generar respuestas útiles. Esto ha transformado la manera en la que los usuarios acceden y consultan información, al ofrecer una interacción más humana y accesible. Sin embargo, estos modelos presentan limitaciones a la hora de adaptarse a dominios privados o necesidades específicas, lo que ha motivado la aparición de enfoques como la generación aumentada por recuperación (RAG), capaces de combinar los asistentes conversacionales con mecanismos de búsqueda y recuperación de información relevante. Este trabajo de fin de grado tiene como objetivo la integración de un asistente conversacional en la aplicación LAREDO, una herramienta desarrollada en el seno del grupo de investigación ISTR para facilitar a usuarios no expertos la programación de workflows destinados a la construcción y despliegue de predictores de inteligencia artificial (IA). Con ello, se pretende mejorar la accesibilidad y la usabilidad de LAREDO, ofreciendo una interfaz interactiva e intuitiva que ofrezca asistencia inmediata, personalizada y continua durante el uso del sistema, lo que redundará en una experiencia del usuario más satisfactoria. El proyecto abarca desde el análisis de tecnologías y el diseño del asistente hasta su implementación, optimización y validación automática y humana, integrando modelos de lenguaje, técnicas RAG y una interfaz accesible para el usuario. Los resultados muestran que la incorporación del asistente mejora notablemente la accesibilidad y usabilidad de LAREDO, permitiendo a los usuarios consultar recursos y resolver dudas de manera más eficiente y natural.},
abstract = {Recent advances in Natural Language Processing (NLP) have led to the development of increasingly effective conversational assistants, capable of understanding questions, maintaining dialogues, and generating useful responses. This has transformed the way users access and consult information by enabling more human and accessible interactions. However, these models still present limitations when adapting to private domains or specific needs, which has driven the emergence of approaches such as Retrieval-Augmented Generation (RAG). RAG allows conversational assistants to be combined with search and retrieval mechanisms for relevant information. This project aims to integrate a conversational assistant into the LAREDO application, a tool developed within the ISTR research group to help non-expert users create workflows for building and deploying artificial intelligence (AI) predictors. The objective is to improve the accessibility and usability of LAREDO by providing an interactive and intuitive interface that enhances the user experience. The project includes the analysis of relevant technologies and the design of the assistant, as well as its implementation, optimization, and practical validation within LAREDO, integrating language models, RAG techniques, and an accessible user interface. The results show that incorporating the assistant significantly improves the accessibility and usability of LAREDO, enabling users to consult resources and resolve queries more efficiently and naturally.},
title = {Asistente conversacional para la construcción de workflows de ia en la herramienta LAREDO},
author = {Gómez García, Gabriel},
}