FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA DE

SISTEMAS

Chatbot basado en inteligencia artificial para la gestión

de incidencias en el área de soporte de Netforce GS

TESIS PARA OBTENER EL TITULO PROFESIONAL DE:

Ingeniero de Sistemas

AUTOR(ES):

Cisneros Caceres, Sheila Elizabeth (ORCID: 0000-0002-7547-6658)

Terrones Herrera, Bryan Anthony (ORCID: 0000-0002-7827-9772)

ASESOR:

Saavedra Jiménez, Roy (ORCID:0000-0002-2788-4825)

LÍNEA DE INVESTIGACIÓN:

SISTEMAS DE INFORMACIÓN Y COMUNICACIONES

LIMA – PERÚ
2022
 DEDICATORIA

Dedicamos esta tesis a nuestras

familias, ya que ellos han sido
nuestro apoyo incondicional y
nuestros pilares durante toda la
etapa universitaria.

2
 AGRADECIMIENTOS

Agradecemos a Dios por ser

nuestra guía, a nuestros
padres por acompañarnos en
este proceso y a nuestro
asesor por los conocimientos
brindados.

3
 ÍNDICE DE CONTENIDOS

DEDICATORIA 2
AGRADECIMIENTOS 3
ÍNDICE DE CONTENIDOS 4
ÍNDICE DE FIGURAS 6
ÍNDICE DE TABLAS 6
RESUMEN 7
ABSTRACT 8
I. INTRODUCCIÓN 9
II. MARCO TEÓRICO 14
III. METODOLOGÍA 51
3.1 Diseño y tipo de Investigación 51
3.2 Variables y operacionalización 52
3.3 Población (criterios de selección), muestra, muestreo 56
3.4 Técnicas e instrumentos de recolección de datos 59
3.5 Procedimientos 62
3.6 Métodos de análisis de datos 65
3.7 Aspectos éticos 67
IV. RESULTADOS 68
V. DISCUSIÓN 82
VI. CONCLUSIÓN 83
VII. RECOMENDACIONES 84
REFERENCIAS 85
ANEXOS 90
ANEXO 01: MATRIZ DE CONSISTENCIA 91
ANEXO 02: DIAGRAMA DE ISHIKAWA 92
ANEXO 03: DIAGRAMA DE PROCESO 71
ANEXO 04: CARTA DE PRESENTACIÓN 72
ANEXO 05: VALIDACIÓN DE LA METODOLOGÍA 1 78

4
ANEXO 06: VALIDACIÓN DE LA METODOLOGÍA 2 79
ANEXO 07: VALIDACIÓN DE LA METODOLOGÍA 3 80
ANEXO 08: VALIDACIÓN DEL INSTRUMENTO 1 81
ANEXO 09: VALIDACIÓN DEL INSTRUMENTO 2 82
ANEXO 10: VALIDACIÓN DEL INSTRUMENTO 3 83
ANEXO 11: VALIDACIÓN DEL INSTRUMENTO 4 84
ANEXO 12: VALIDACIÓN DEL INSTRUMENTO 5 85
ANEXO 13: VALIDACIÓN DEL INSTRUMENTO 6 86
ANEXO 14: TEST DE RATIO DE REINCIDENCIA 87
ANEXO 15: RE-TEST DE RATIO DE REINCIDENCIA 88
ANEXO 16: TEST DE RATIO DE INCIDENCIA RESUELTAS 89
ANEXO 17: RE - TEST DE RATIO DE INCIDENCIA RESUELTAS 90
ANEXO 18: POST - TEST DE RATIO DE INCIDENCIA RESUELTAS 91
ANEXO 19: POST-TEST DE RATIO DE REINCIDENCIA 92
ANEXO 20: TURNITIN 93
ANEXO 21: DESARROLLO DE LA METODOLOGÍA SCRUM 94

5
 ÍNDICE DE FIGURAS

Figura 1: Indicador mensual de incidentes. 12

Figura 2: Ingresos globales de la Inteligencia Artificial de 2016 a 2025. 21
Figura 3: Procesamiento del lenguaje natural. 22
Figura 4: Característica de un Sistema Cognitivo. 23
Figura 5: Interfaz del bot que imita a un niño ucraniano de 13 años. 24
Figura 6: Inteligencia artificial aplicada a chatbots. 28
Figura 7: Automación Edge es la plataforma para la Automatización. 29
Figura 8: Potential Benefits of Chatbots. 30
Figura 9: Arquitectura de un Chatbot. 31
Figura 10: Multi-Platform Chatbot Modeling and Deployment 31
Figura 11: Ventajas y Desventajas. Según Teraby 32
Figura 12: Creación de bots con Watson Assistant. 33
Figura 13: Gestión de Servicios TI ,2016 36
Figura 14: Fases de un Spring en Metolodogía SCRUM. 41
Figura 15. El flujo de interacción del chatbot con componentes de IBM 44
Figura 16: Disciplinas, fases, iteraciones del RUP 46
Figura 17: Grado de Confiabilidad 62
Figura 18: Correlación de Ratio de Reincidencias 63
Correlación 63
Figura 19: Correlación de Incidencias resueltas 63
Correlación 63
Figura 20: Ratio de Incidencia Resueltas antes y después de implementar el chatbot. 69
Figura 21: Ratio de Reincidencias antes y después de implementar el chatbot. 70
Figura 22: Prueba de normalidad del ind. Ratio de inci. resueltas antes de implementar el
chatbot. 72
Figura 23: Prueba de normalidad del ind. Ratio de incidencias resueltas después de
implementar el chatbot. 72
Figura 24: Prueba de normalidad del ind. Ratio de reincidencias antes de implementar el
chatbot. 74
Figura 25: Prueba de normalidad del ind. Ratio de reincidencias después de implementar el
chatbot. 74
Figura 26: Ratio de incidencias resueltas – Comparativo General 75

6
Figura 27: Rango wilcoxon – Ratio de incidencias resueltas 77
Figura 28: Ratio de reincidencias – Comparativo General 79
Figura 29: Rango wilcoxon para Ratio de reincidencias 81
Figura 30: Diagrama de Casos de uso del negocio 99
Figura 31: Casos de uso – Saludar usuario 101
Figura 32: Casos de uso – Inicio Sesión 103
Figura 33: Casos de uso – Creación de usuario 105
Figura 34: Casos de uso – Visualizar mis tickets 107
Figura 35: Casos de uso – Mostrar opciones 110
Figura 36: Casos de uso – Pantalla administrador 112
Figura 37: Casos de uso – Visualizar Indicadores 117
Figura 38: Casos de uso – Incidencias resuelta 121
Figura 39: Casos de uso – Reincidencia 122
Figura 40: Casos de uso – Gestión de incidencia 123
Figura 41: Prototipo – Inicio sesión 146
Figura 42: Prototipo – Saludar usuario 146
Figura 43: Prototipo – Registrar usuario 147
Figura 44: Prototipo – Verificación cuenta 147
Figura 45: Prototipo – Mostrar Opciones 148
Figura 46: Prototipo – Visualizar mis tickets (Usuario) 148
Figura 47: Prototipo – Visualizar Dashboard (Usuario) 149
Figura 48: Prototipo - Pantalla Administrador 149
Figura 49: Prototipo - Registrar RUC 150
Figura 50: Prototipo - Registrar datos usuarios 150
Figura 51: Prototipo - Visualizar Indicadores (Administrador) 151
Figura 52: Prototipo - Gestionar Usuario 151
Figura 53: Prototipo - Consulta nivelar intensidad 152
Figura 54: Prototipo - Consulta para registrar llamadas y saldo 152
Figura 55: Prototipo - Consulta para el funcionamiento del aplicativo Mobyx 153
Figura 56: Prototipo - Consulta para registrar una consulta SIP 153
Figura 57: Prototipo - Consulta para restringir las llamadas de anexo 154
Figura 58: Prototipo - Consulta para mostrar la seguridad gestionada 154
Figura 59: Prototipo - Consulta para acceder al panel web 155
Figura 60: Prototipo - Consulta para errores de la VPN 155
7
Figura 61: Prototipo - Consulta para errores telefonía IP 156
Figura 62: Prototipo - Consulta para falla acceso pagina 156
Figura 63: Construir Chatbot 157
Figura 64: Base de datos 158
Figura 65: Grafico Sprint 0 159
Figura 66: Interfaz – Inicio Sesión 163
Figura 67: Interfaz – Pantalla de inicio (usuario) 164
Figura 68: Interfaz – Creación de cuenta 165
Figura 69: Interfaz – Verificación de la cuenta 166
Figura 70: Interfaz – Correo de verificación 167
Figura 71: Interfaz – Mostrar opciones y Saludar usuario 168
Figura 72: Interfaz – Mis Tickets (usuario) 168
Figura 73: Interfaz – Filtrar por rango de fechas y búsqueda por descripción. 170
Figura 74: Resultado de reporte. 171
Figura 75: Interfaz – Visualizar Dashboard 171
Figura 76: Grafico Sprint 1 173
Figura 77: Entidades 178
Figura 78: Intenciones 179
Figura 79: Dialogo 180
Figura 80: Grafico Sprint 2 185
Figura 81: Interfaz – Lista de Tickets (Administrador) 189
Figura 82: Interfaz – Registro RUC 190
Figura 83: Interfaz – Registro datos del usuario 191
Figura 84: Interfaz – Dashboard 192
Figura 85: Interfaz – Gestionar Usuario 195
Figura 85: Interfaz – Actualizar datos usuarios 196
Figura 86: Grafico Sprint 3 199
Figura 87: Grafico Sprint 4 206

8
 ÍNDICE DE TABLAS

Tabla 1: Pilares de la Inteligencia IBM Watson 34

Tabla 2: Listado del estado del estado de atención. 35
Tabla 3: Validación de juicio de experto para la metodología 43
Tabla 4: Operacionalización de las variables 54
Tabla 5: Tabla de Indicadores 55
Tabla 6: Tabla de la Población 56
Tabla 7: Tabla de Muestra 58
Tabla 8: Cuadro de instrumentos 60
Tabla 9: Determinación de las técnicas e instrumentos de recolección de datos 61
Tabla 10: Resultados de la evaluación del instrumento "Ratio de reincidencias 64
Tabla 11: Resultados de la evaluación del instrumento "Ratio de incidencias resueltas" 64
Tabla 12: Medidas descriptivas del indicador Ratio de incidencias resueltas 68
Tabla 13: Medidas descriptivas del indicador Ratio de Reincidencia 69
Tabla 14: Prueba de normalidad del indicador Ratio de incidencias Resueltas 71
Tabla 15: Prueba de normalidad del indicador Ratio de reincidencias 73
Tabla 16: Rangos de Wilcoxon para la ratio de incidencias resueltas 76
Tabla 17: Resultado de la prueba de Wilcoxon para la ratio de incidencias 76
Tabla 18: Rangos de Wilcoxon para la ratio de reincidencias 79
Tabla 19: Resultado de la prueba de Wilcoxon para la ratio de reincidencias 80
Tabla 20. Equipo Scrum 94
Tabla 21. Matriz de impacto 95
Figura 22: Lista Historia Usuarios 99

6
 RESUMEN

Con el pasar del tiempo, el ámbito empresarial se vuelve mucho más competitivo
impulsándolos a realizar mejoras en sus procesos, aplicando la automatización
tecnológica que permita obtener mayor productividad, calidad, eficacia en el menor
tiempo posible.

La presente tesis comprende el desarrollo e implementación de un Chatbot basado

en inteligencia artificial para la gestión de incidencias en el área de soporte de
Netforce GS y así determinar su influencia. Se consideran como indicadores la ratio
de incidencia resuelta y ratio de reincidencias. La metodología SCRUM fue utilizada
para el desarrollo de la presente, permitiendo tener flexibilidad, productividad,
reducción del tiempo de despliegue para amoldar el resultado según la expectativa
y necesidad del cliente. La tecnología utilizada para el chatbot es Watson Assistant,
permitiendo desarrollar contenido interactivo y flujo de conversaciones,
apoyándose en IBM Functions para la conexión con la base de datos de la empresa
Netforce GS. De esta manera, permitirá crear, buscar y actualizar los tickets de
atención generados por el chatbot. Por otro lado, se desarrolló Pakkun-Web, un
sistema que permite interactuar con el chatbot y visualizar el comportamiento de
los indicadores, utilizando el lenguaje de programación PHP, servidor web Apache
y el gestor de base de datos MYSQL.

De acuerdo con los indicadores señalados se demuestra que, la ratio de incidencias

resueltas incrementó en un 45% las atenciones en el proceso de gestión de
incidencias en el área de soporte de Netforce GS, mientras que, la ratio de
reincidencias disminuyó en un 35.83%.

Palabras clave: Chatbot, Inteligencia artificial, gestión de incidencias

7
 ABSTRACT
Over time, the business environment becomes is more competitive, encouraging
them to make improvements in their processes, using technological functions
that allows for greater productivity, quality, and efficiency in less time.

In this investigation includes the development and implementation of a Chatbot

based on artificial intelligence for incident management in the Netforce GS
support area and determine its influence. Indicators such as the resolved
incidence ratio and the relapse ratio are considered. The SCRUM methodology
was used for the development of this investigation, allowing flexibility,
productivity, reduction of the time of use to mold the result according to the
expectation and need of the client. The technology used for the chatbot is
Watson Assistant, developing interactive content and flow of conversations,
relying on IBM Functions for connection to the Netforce GS company database.
In this way, it will allow you to create, search and update the service tickets
generated by the chatbot. On the other hand, Pakkun-Web was implemented a
system that allows interacting with the chatbot and visualizing the behavior of
the indicators, using the PHP scripting language, the Apache web server and
the MYSQL database manager.

According to the indicators, it is shown that the ratio of resolved incidents

increased by 45% the attention in the incident management process in the
Netforce GS support area, while the ratio of relapse decreased at 35, 83%.

Keywords: Chatbot, artificial intelligence, incident management

8
 I. INTRODUCCIÓN

En el transcurso de los años anteriores los avances tecnológicos, mostraron un

gran impacto a nivel del comercio electrónico, proporcionando interacciones
personalizadas con el negocio de manera individual. Actualmente el crecimiento
en las diferentes industrias es debido principalmente a la tecnología; por ello el
marketing ya no se ve muy afectado, puesto que la tecnología ahora proporciona
a los minoristas una forma diferente de adecuar sus estrategias en concordancia
a los avances digitales. Los chatbots representan un nuevo cambio a nivel
tecnológico, debido a que te brinda un servicio integral, en tiempo real y a bajo
coste. Por lo mencionado, según Gartner Research la cual es una empresa
española líder a nivel mundial en servicios de asesoramiento a medida que se
desarrollan nuevas tecnologías y cambios, sustentó que para el 2020 el 85% del
servicio al cliente estará a cargo de los chatbots.

Los contacts centers en el mundo se están adaptando de manera rápida a los

frecuentes cambios que exige la inteligencia artificial (IA), presentando una mejor
experiencia del usuario y conseguir eficiencia. Según datos aportados por el
mercado global del contact center, la inversión será aproximadamente de US $481
mil millones para el 2024, la que irá destinada en su gran mayoría a la
implementación de nuevas tecnologías relacionadas con la IA.

Algunos de los principales factores de telecomunicaciones más grandes utilizan

chatbot alimentados por AI para mejorar la experiencia del cliente con una mejor
velocidad y calidad de servicio. Esta inteligencia artificial no solo ayuda a las
empresas a detectar y organizar de manera proactiva las anomalías y reducir los
costos operativos. De hecho, se espera que la AI global en el sector de las
telecomunicaciones alcance 1 mil millones de dólares en 2023, lo que significa un
32% de crecimiento de TCCA entre 2018 y 2023. Esta es la razón por la que la
mayoría de las telecomunicaciones públicas proporcionan ventajas comunes, como
el apoyo 24/7 y los costos reducidos. Con los avances tecnológicos y el aumento
de los estándares de servicio, las compañías de telecomunicaciones deben incluir
9
chatbots para mejorar el rendimiento. Asimismo, no solo se comunica con los
clientes, sino también con sus plataformas y servicios web. Esto les proporciona
información específica sobre sus líneas y estados.

Para conocer el desarrollo de los chatbots, se empieza por adquirir conocimiento

acerca de las diferentes herramientas para su creación, como programas
informáticos basados en algoritmos y potenciados por Inteligencia Artificial. Un
chatbot es un software que permite mantener una conversación con humanos
usando lenguaje natural, o con otro chatbot; por ello se pueden utilizar en las
organizaciones para automatizar la atención al cliente, o puede brindar servicios
específicos como la información meteorológica o el tráfico en las carreteras.

Este estudio se realizó en la empresa Netforce Global Solutions SAC la cual

desarrolla sus actividades dentro del sector de las telecomunicaciones,
proporcionan una variedad de servicios y productos mediante canales de
distribución informática. La empresa es capaz de ofrecer soluciones integrales e
impulsar el rendimiento de la red de sus clientes, para así lograr el mejoramiento
del negocio y afrontar los diferentes desafíos que actualmente vienen
desarrollándose en el mundo de las telecomunicaciones. Uno de los objetivos de
la empresa es proporcionar productos y servicios de calidad garantizada al
mercado de las telecomunicaciones y satisfacer las expectativas de los clientes
con empleados talentosos, competentes y dedicados, por otro lado, su visión es
liderar en el sector de las telecomunicaciones con la calidad de productos-
servicios, y contar con un equipo de profesionales talentosos, siempre motivados
y comprometidos con sus clientes. En Netforce GS, el área de soporte considera
diferentes tipos de servicios, tales como: seguridad de red gestionada, telefonía IP,
redes de datos gestionada, outsourcing TI, internet e interconexión de datos
corporativo, atendiendo a sus clientes a través de diversos canales de atención
entre ellos: llamadas telefónicas, correo y WhatsApp. El usuario solicita una
atención a través de los canales de atención previamente indicados según su
criterio y se genera un ticket para su seguimiento.

10
En la siguiente investigación se presentan diferentes deficiencias dentro del
proceso de gestión de incidencia, puesto que en el proceso tardan en responder a
los clientes que requieren de una solución, debido a que no existe una herramienta
o personal que esté disponible las 24 horas x 7 días que atienda algún incidente
en el servicio. En la empresa Netforce GS, se realizan registros de ticket de
atención de reincidencias, además de otras atenciones.

Teniendo mapeado como es el proceso de gestión de incidencia en Netforce GS,

indicaremos con el detalle las funciones de cada actividad.

El proceso previamente mencionado, inicia cuando el cliente solicita asistencia

comunicándose al área de soporte a través del número 01 748 3322 opción 1 o
enviando correo a soporte@[Link], en consecuencia, el analista de
soporte registra en el sistema de ticket (OSTicket) la necesidad de la cliente
recibida a través de una llamada al número 01 748 3322 opción 1, correo o
whatsapp, creando un ticket de atención, la analiza, clasifica el tipo de incidente y
asigna prioridad. Luego, el analista de soporte atiende el incidente y actualiza el
registro en el sistema de ticket, en caso no pueda resolver el incidente, lo tiene que
derivar al siguiente nivel de atención. Ya escalado el incidente con la prioridad
respectiva, Soporte Técnico de nivel 2 atiende físicamente o en remoto el ticket
asignado y valida con el usuario la atención del incidente actualizando en el sistema
de ticket el estado de la atención. En caso no se haya solucionado el incidente,
Soporte Técnico de nivel 2 procede con derivar el ticket al Nivel 3 (soporte
especializado), seguidamente, Soporte Especializado atiende físicamente o remoto
el ticket asignado y valida con el usuario la solución del incidente, actualizando en
el sistema de ticket el estado de la atención. Si el incidente sigue sin ser resuelto
con recursos administrados por TI, se escalará al proveedor del servicio afectado.
Tan pronto como el soporte especializado recibe la conformidad del proveedor del
incidente atendido, solicita conformidad del incidente al cliente y procede a cerrar
el ticket por el mismo medio de origen.

Los usuarios son quienes se comunican con el área de soporte diariamente

consultando por el estado del ticket, ya que en muchos casos puede tardar 4 días

11
sin ser atendido. De manera semanal, el jefe de soporte realiza unos indicadores
del servicio de las atenciones realizadas y pendientes, para lo cual se realizó una
reunión para los respectivos datos.

Figura 1: Indicador mensual de incidentes. (Fuente: Área de Soporte)

Con esta información, se evidencia un elevado número de atenciones pendientes

en la plataforma OSTicket.

Debido al estado actual del proceso, se considera que en la empresa Netforce GS

se plantea la problemática general: ¿De qué manera influye un Chatbot basado en
inteligencia artificial para la gestión de incidencias en el área de soporte de Netforce
GS? Y las siguientes problemáticas específicas son: en primer lugar, es ¿De qué
manera influye un chatbot basado en inteligencia artificial en la ratio de
reincidencias para la gestión de incidencias en el área de soporte de Netforce GS?
En segundo lugar, es ¿De qué manera influye el chatbot basado en inteligencia
artificial en la ratio de incidencias resueltas para la gestión de incidencias en el área
de soporte de Netforce GS?

La investigación está inevitablemente justificada en gestionar de manera eficaz las

reincidencias y las incidencias resueltas en el área de soporte Netforce GS. Para
ello, la propuesta se orienta a implementar un chatbot basado en inteligencia
12
artificial para tener como objetivo tener una gestión de incidencia más rápida y
eficaz, implementando un chatbot que pueda tener conversaciones humanas,
buscando la satisfacción de los clientes, una buena atención, automatizar el
proceso.

La presente investigación te permitirá reducir y automatizar las deficiencias en la

gestión en el área de soporte, sugerir atajos hacia lo que se quiere buscar para
una búsqueda más rápida. Administrar de manera centralizada los requerimientos
y problemas asociados a la plataforma informática, evitar consumir tiempo en
casos repetitivos y fáciles de resolver con pasos ya establecidos, gestionar de
manera rápida y eficaz los requerimientos e incidentes y teniendo una fluida
comunicación entre los usuarios y el chatbot.

Las técnicas básicas de realización del chatbot son la representación del

conocimiento y la búsqueda de soluciones. Con este proyecto, se pretende lograr
la investigación en el área de sistemas informáticos, teniendo como finalidad un
resultado satisfactorio para los clientes, y en base a ello, sirva de apoyo para
futuras investigaciones y para la dispersión de conocimientos en el campo de la IA
en el ámbito global.

Los sistemas poseen las características especiales de inferir y deducir, a través de

la inteligencia artificial, teniendo como referencia “la base del conocimiento”, que
sirve de almacenamiento de información acerca de un conocimiento ya conocido.

De acuerdo con la investigación realizada se plantea el siguiente objetivo general:

Determinar la influencia de un Chatbot basado en inteligencia artificial para la
gestión de incidencias en el área de soporte de Netforce GS. Y los siguientes
objetivos específicos son, en primer lugar, es: Determinar la influencia de un
chatbot basado en inteligencia artificial en la ratio de reincidencias para la gestión
de incidencias en el área de soporte de Netforce GS. Y en segundo lugar es:
Determinar la influencia de un chatbot basado en inteligencia artificial en la ratio
de incidencias resueltas para la gestión de incidencias en el área de soporte de
Netforce GS. Los objetivos mencionados permiten plasmar la siguiente hipótesis

13
general: Un Chatbot basado en inteligencia artificial mejora la gestión de
incidencias en el área de soporte de Netforce GS. Y las siguientes hipótesis
específicas, en primer lugar, es: Un Chatbot basado en inteligencia artificial
disminuye la ratio de reincidencias en el área de soporte de Netforce GS. Y en
segundo lugar es: Un Chatbot basado en inteligencia artificial incrementa la ratio
de incidencias resueltas en el área de soporte de Netforce GS.

II. MARCO TEÓRICO

Se han llevado a cabo diversos antecedentes internacionales y nacionales para

respaldar el presente estudio, los cuales se procede a detallar:

Desde una perspectiva Internacional García Reina, Felipe (2018) desarrolló en la

Universidad Católica de Colombia, para optar el título de Ingeniero de Sistemas, la
tesis de “Asistente virtual tipo chatbot”. El presente trabajo tiene como problemática
la gestión de PQR’S, dado que no está automatizada a nivel general y necesite
procesamiento manual de las respectivas áreas de la institución educativa para
brindar una solución a los usuarios. El objetivo general de este trabajo es
implementar en el Colegio Angloamericano un asistente virtual, que permite tener
una gestión automatizada y eficiente de las solicitudes de los usuarios. Además,
que permita ser una herramienta amigable y que gestione las incidencias
reportadas en tiempo real. La solución es crear una herramienta inteligente que
permita automatizar la creación y asignación de PQR’s de primer nivel
implementando módulo de administración web del prototipo de gestión de PQR´s.
En conclusión, se dio a conocer las mejoras del proceso de gestión de PQR’S.

A nivel internacional Zarabia Zuñiga, Omar (2018) desarrolló en la Escuela

Politecnica Nacional, para la obtener el título de Ingeniero en sistemas informáticos
y de computación, la tesis de “Implementación de un chatbot con botframework:
caso de estudio servicios al cliente del área de fianzas de seguros equinoccial”. El
siguiente trabajo tiene como problemática la carga operativa que afecta de manera
general la productividad del personal de fianzas de la empresa de Seguros

14
Equinoccial, la cual utiliza actualmente un sistema de fianzas en la web. El objetivo
general de este trabajo es implementar un chatbot para los brókers y usuario del
área de Fianzas como medio de atención al cliente que permita al usuario final
tener una interacción personalizada con tiempo óptimo. La solución es establecer
una arquitectura que constituya los servicios web propios de la investigación, un
sustento de lo aprendido, los servicios cognitivos y un bot framework de Microsoft.
Para concluir, se tiene como finalidad emplear ambas características de calidad
para la evaluación del chatbot, las cuales son: la efectividad y la satisfacción del
usuario.

El siguiente autor Martínez Carpio, Juan (2019) desarrolló en la Universidad de

Guayaquil, para la obtener del título de Ingeniero en sistemas computacionales,
la tesis de “Desarrollo de un asistente virtual (chatbot) para la automatización de
la atención al cliente.” El presente proyecto de investigación de tesis tiene como
problemática la disconformidad de los clientes al momento de realizar alguna
consulta acerca de un producto en las redes sociales de la empresa, por
consiguiente, tienen un tiempo de espera para recibir una respuesta. Por el
incremento en la cantidad de preguntas no es viable tener una respuesta de
manera instantánea, puesto que los empleados tienen un tiempo limitado,
ocasionando tiempo de espera prolongada para los clientes. Esta investigación
nos permitirá realizar una mejora tanto para la empresa como para el cliente, se
realizarán los niveles de atención de manera satisfactoria, además todas las
consultas que generen de ahora en adelante serán analizadas más rápidamente,
el resultado será de una interacción más fluida entre los clientes y el robot virtual,
el cual generará respuestas a través el uso de la inteligencia artificial brindando
mejoras en la toma de decisiones. El trabajo dio como resultado el diseño y la
creación de un asistente virtual (chatbot) el cual permitió automatizar los procesos
manuales de servicios de atención al usuario empleando Facebook Messenger
como canal de comunicación destinado al área comercial.

Asimismo, el siguiente autor Barbosa Vargas, Ana & Banchón Cedeño, Juan
(2017) desarrollaron en la Universidad de Guayaquil, para obtener el Título
15
Profesional Ingeniero en Sistemas, la tesis de “Desarrollo de un servicio web
chatbots basado en mesa de ayuda para las empresas ecuatorianas”. El presente
proyecto de tesis tiene como problemática en la mesa de ayuda la alta demanda
de solicitudes de los usuarios sobre los frecuentes problemas que presentaban los
equipos informáticos, el objetivo general de esta investigación es brindarles a los
usuarios la información necesaria y además proveerle el conocimiento básico para
la correcta resolución de inconvenientes técnicos en los equipos. Puesto que se
utiliza la inteligencia artificial el Bot tendrá la tarea de restaurar su base de
conocimiento con la información que detalle el usuario, de manera que se le
brindará un servicio capacitado para analizar las preguntas y brindar una respuesta
coherente a las necesidades del usuario. En resumen, esta tesis permite realizar
consultas referentes a determinados problemas técnicos que puedan presentarse
en el equipo, de manera inmediata el bot realiza la búsqueda y brinda la respuesta
más coherente.

Garibay, Fabricio (2020) desarrolló en el INFOTEC Centro de Investigación e

Innovación en Tecnologías de la Información y Comunicación, para optar el grado
de Maestro en Gestión de Innovación de las Tecnologías de Información y
Comunicación, el trabajo de investigación “Diseño e implementación de un
asistente virtual (chatbot) para ofrecer atención a los clientes de una aerolínea
mexicana por medio de sus canales conversacionales”, el cual tuvo como pregunta
general de investigación el cómo se diseña e implementa un asistente virtual
(chatbot) para ofrecer atención a los clientes de Club Premier. El objetivo principal
del proyecto se fundamentó en mostrar el proceso de diseño e implementación de
un proyecto laboral, el cual consiste en el desarrollo de un chatbot para
proporcionar atención de calidad a los clientes de Club Premier, a través de sus
canales conversacionales. En síntesis, expone los campos de estudio de
aplicación de la inteligencia artificial para satisfacer las necesidades comunicativas
de las organizaciones empresariales, asimismo, detalla el procedimiento para
fortalecer la interacción de la empresa con sus clientes, mediante el diseño e
implementación de un asistente virtual en las diferentes plataformas digitales como
Facebook, WhatsApp y Web. La tecnología utilizada para la inteligencia artificial
16
es del proveedor Aivo y se desarrolló en un plan de seis etapas estableciendo las
funciones de cada participante y sus respectivas tareas. Finalmente, se pronostica
que la aplicación del producto CP-Bot optimiza y mejora los procesos del área de
atención al usuario. Para un valor agregado a este proyecto se tomaron en
consideración análisis sobre la factibilidad sobre la viabilidad y factibilidad del
proyecto.

Desde una perspectiva Nacionales Estrada Cutimbo, Liliana (2018) desarrolló en

la Universidad San Ignacio de Loyola, para optar el título profesional de Ingeniero
Empresarial y de Sistemas, la tesis de “Implementar chatbot basado en inteligencia
artificial para la gestión de requerimientos e incidentes en una empresa de
seguros”. El presente trabajo de tesis tiene como problemática la demora en la
atención de solicitudes e incidentes en el área de Help Desk de la Empresa de
Seguros, lo cual conlleva a un servicio de mala calidad. La solución es implementar
un Chatbot basado en Inteligencia Artificial para la gestión de requerimientos e
incidentes en la mesa de ayuda de la Empresa de Seguro para automatizar los
tiempos. Los resultados alcanzados, luego de haber realizado las encuestas, han
sido satisfactorio, mostrando un elevado cambio en la experiencia del usuario. Los
usuarios consideran que se refleja un incremento de satisfacción en las respuestas
que les brinda el Chatbot. Este proyecto de investigación mejora el desarrollo y
crecimiento de las plataformas de Chatbot lo cual va a reflejarse en mayores
utilidades y mejora de servicio para la organización.

Burgos Romero, Maikol & Huamán Saavedra, Dimas (2019) desarrollaron en la

Universidad Autónoma, para optar el título profesional de Ingeniero de Sistemas,
la tesis de “Implementación de un chatbot, utilizando la metodología iconix para
mejorar el proceso de ventas en la empresa eac steel e.i.r.l”. El presente trabajo
tiene como problemática la deficiencia en la calidad del servicio, el tiempo
prolongado para absolver las preguntas de los clientes acerca de los productos o
materiales que provee la organización, ello refleja una reducción en la satisfacción
del cliente. El objetivo general de este proyecto es implementar un chatbot que
permita dar una pronta solución a las consultas de productos y materiales
17
integrales que brinda la organización para mejorar el proceso de ventas de una
manera más eficiente. A través del análisis detallado de los datos obtenidos por
parte del personal de la empresa Eac Steel respecto al nivel de satisfacción que
tenía el cliente, se obtuvo un nivel muy bajo, este indicador mejoró posterior a la
implementación usando la plataforma chatbot. Los clientes catalogaron el nivel de
satisfacción como muy bueno con relación al servicio que ofrecía la empresa. En
conclusión, se recomendó seguir empleando nuevas plataformas con diferentes
funcionalidades como reconocimiento de voz, reconocimiento de imágenes, videos
entre otros; para mejorar la experiencia del usuario.

Huerta Méndez F. (2019) desarrolló en la Universidad Científica del Sur, para optar
el grado académico de Bachiller en Ingeniería de Sistemas Empresariales, la tesis
de “Diseño de un chatbot para la reducción de tiempo de espera en gestión de
solicitudes e incidentes del área administrativo en la universidad científica del sur”.
La siguiente investigación tiene como problemática la demora de las atenciones
de las áreas administrativas de la Universidad Científica del Sur, en atender las
solicitudes de los estudiantes como servicios de apoyo, esto genera una mala
experiencia en el usuario. La solución pasa por utilizar herramientas de chatbot
para mejorar la calidad del servicio a los usuarios y reducir los tiempos de
respuesta a consultas e incidencias de los alumnos. La investigación de los
estudiantes ha revelado por qué este trabajo afecta los tiempos de espera al
momento de procesar las consultas en las áreas administrativas. Finalmente, se
ha publicado una lista de tipos de solicitudes en los que se centra el diseño de
chatbot.

Mejia García, Manuel (2019) desarrolló en la Universidad Privada del Norte, para
optar el título profesional de Ingeniero de Sistemas Computacionales, la tesis de
“Implementación de un chatbot para mejorar el proceso de atención de
requerimientos de primer nivel en el área de sistemas de la empresa aeropuerto
del Perú S.A.” El problema del trabajo actual es que no cumple con los niveles de
servicio establecidos (las siglas SLA significan en inglés service level contracts).
El tiempo promedio para resolver una solicitud y si puede atender a sus clientes
18
en cualquier momento. El propósito general de este estudio fue definir si el uso de
chatbots mejoraría el proceso de cumplimiento de requisitos de primer nivel en el
dominio del sistema. Las herramientas utilizadas para analizar y comparar los
resultados previos y posteriores a la implementación de Chabot fueron el pretest y
el postest. Como resultado, se redujo la jornada laboral en ambos horarios (97%
jornada laboral y 100% ausentismo). Además, se ha demostrado que mejora la
satisfacción del usuario en un 40%. En resumen, los chatbots mejoran el proceso
de cumplir con los requisitos de primer nivel en el dominio del sistema.

Perca Quispe, Marcos & Lazo Yucra, Dany (2021) desarrollaron en la Universidad
César Vallejo, para optar el Título Profesional Ingeniero en Sistemas, la tesis de
“Chatbot Para Mejorar Las Ventas en la Empresa Comercializadora Multiservicios
Aries E.I.R.L. Moquegua”. El propósito de este estudio fue implementar un chatbot
que pudiera mejorar las ventas debido a que el gobierno peruano ordenó una
cuarentena a nivel nacional por una pandemia de Covid 19 que impedía el ingreso
de clientes a la oficina. Su objetivo general fue evaluar el impacto de implementar
chatbots para mejorar las ventas en Comercializadora MultiserviciosAries E.I.R.L.
En resumen, se estableció una comparación analítica a partir de un Pre-Test con
los datos recolectados llenados por el cliente y un Post Test para evaluar la
efectividad del chatbot, además de examinar los beneficios de la integración de un
asistente virtual en los negocios. El tipo de metodología utilizada en este trabajo
es la investigación aplicada. La conclusión que se extrae en el trabajo es que la
implementación de chatbots tiene un impacto positivo en las ventas basado en la
satisfacción del cliente. Contribución: Para la contribución de esta tesis se
consideró como ejemplo el programa de trabajo para el cual fue desarrollado y la
aplicación del método SCRUM.

Para sustentar la teoría exacta de este estudio, se hicieron referencias teóricas

sobre el tema discutido, uno de los cuales fue la Inteligencia artificial, el cual fue
definido por los siguientes autores de la presente manera:

Inteligencia Artificial

19
La inteligencia artificial es un área de investigación y aplicación que intenta hacer
que las computadoras simulen la inteligencia humana de alguna manera. La
propuesta es adaptar el procesador al método de comunicación y razonamiento
humano de modo que no solo pueda aplicar los algoritmos propuestos por el
humano, sino también establecer sus propios algoritmos para resolver el problema.
(Caice, Gómez, Infante, Merchán, & Redroban, 2014).

El objetivo final de la inteligencia artificial es crear máquinas con una inteligencia

general similar a la de los humanos. Esta es una de las metas más ambiciosas que
ha establecido la ciencia. Por más enrevesado que parezca, se puede comparar
con la explicación del origen de la vida y del universo, y el comprender la
estructuración de la materia.

En una crítica sobre la Inteligencia Artificial publicado en 1980 (Searle, 1980), fue
John Searle, un filósofo que distinguía entre IA débil y fuerte, que generó y sigue
causando controversia. La inteligencia artificial fuerte significa que un computador
bien diseñado no simula una mente sino un cerebro y, por lo tanto, debe tener una
inteligencia igual o incluso mayor que la de un humano. Searle intenta demostrar
que una inteligencia artificial fuerte es inalcanzable. En relación con esto, debe
quedar claro que la IA general es distinta a la IA fuerte. Para entender que hay una
conexión, la IA unidireccional o poderosa debería ser común, pero también hay IA
generales que son multitarea pero no necesariamente poderosas. Según Searle,
la inteligencia implica la creación de programas que realizan tareas establecidas
y, obviamente, no requiere ningún tipo de estado de ánimo. Se ha demostrado que
las computadoras realizan ciertas tareas mejores que los humanos. (López, 2018)

20
 Figura 2: Ingresos globales de la Inteligencia Artificial de 2016 a 2025. (Fuente: Statista)

También se menciona al científico John McCarthy, el padre de la IA. En 1956,

John fue anfitrión de la legendaria Conferencia de Dartmouth. Entonces, su
conferencia acuñó por primera vez el término inteligencia artificial. Esto se define
como la ciencia y la tecnología detrás de la construcción de máquinas inteligentes.
Establece tus propias metas que lo acompañarán a lo largo de su carrera:

“Este estudio procederá sobre la base de que todos los aspectos del aprendizaje
o de rasgo de la inteligencia pueden, en principio, ser descritos de una forma tan
precisa que se puede crear una máquina que los simule”. (OpenMindBBVA, 2016).

Resumiendo, la IA está tratando de construir sistemas y máquinas que muestren

lo que se considera inteligente cuando lo realizan humanos.

21
El Procesamiento del lenguaje natural (NPL)

El acrónimo NPL significa programación neurolingüística (NPL - programación

neurolingüística) y muestra una metodología que pueda renovar los pensamientos
y comportamientos de una o más personas, a fin de ayudarlos a lograr los
resultados deseados.

Los fundadores de la NPL, Richard Bandler, psicólogo, y John Grinder, lingüista,

fueron los primeros en identificar los patrones de pensamiento y los
comportamientos de las personas exitosas y en perpetuar la creencia de que
podían enseñárselos a otros. Comencé mi investigación.

Una de las principales técnicas de PNL está constituida por la imitación o, como lo
definen los adeptos, el modelado: al imitar el lenguaje y el comportamiento de las
personas exitosas, sería posible hacer nuestras propias habilidades y lograr sus
propios resultados. (García, 2014, p.30-31).

Figura 3: Procesamiento del lenguaje natural. (Fuente: NLP Academy)

22
Sistemas cognitivos

Los sistemas cognitivos simulan los procesos de cognición que poseen los seres
humanos, efectuando respuestas que sean concretas y precisas, evitando posibles
réplicas ambiguas e imprecisas. Para que pueda determinar mejores respuestas
posibles, se tiene que resumir los datos por diferentes fuentes de información, para
ello se incluyen tecnologías de autoaprendizaje para el reconocimiento de
patrones y el lenguaje natural imitando la funcionalidad del cerebro humano.
(Rouse, 2018). El sistema cognitivo tiene las siguientes características, mostradas
en la Figura 4:

Figura 4: Característica de un Sistema Cognitivo. [Fuente: NLP Academy]

Test de Turing

Muchos de los investigadores competentes en IA tienen reservas sobre el

desarrollo de la inteligencia artificial. Alan Turing, el padre de la computación
moderna, también las tenía, y desarrolló una prueba para evaluar si las
máquinas podían comportarse de una manera similar al ser humano. En el
test un humano evalúa las conversaciones entre humano y máquina, y trata
de distinguir cuál es cuál. En 2014, un chatbot logró superar el test.
(OpenMind BBVA, s.f.)

23
La prueba de Turing requiere que las máquinas inteligentes utilizadas durante años
tengan una amplia gama de habilidades que definen la IA actual. Las máquinas
que afirman haber superado la prueba de Turing deben tener las siguientes
habilidades: Reconocimiento del lenguaje natural, razonamiento, aprendizaje,
representación del conocimiento.

Para verificar el total de Turing a verificar, la máquina debe cumplir con habilidades
específicas de manipulación de datos y visión por computadora. Lo que la
inteligencia artificial llama un robot.

La máquina debe ser capaz de reconocer las expresiones humanas. El lenguaje

se asocia con una inteligencia superior porque puede reconocer y formar oraciones
cuando es necesario realizar análisis morfológicos, sintácticos, semánticos y
contextuales complejos de la información.

Figura 5: Interfaz del bot que imita a un niño ucraniano de 13 años. (Fuente: The Wall Street
Journal)

24
 Transferencia de aprendizaje

Este término se refiere a cómo la IA puede almacenar el conocimiento adquirido

al resolver un problema y utilizarlo luego para solucionar otra situación, distinta
pero relacionada con el primer caso. Por ejemplo, si un modelo de IA aprende a
reconocer automóviles, ese conocimiento le facilitará posteriormente el
reconocimiento de otro tipo de vehículos, como pueden ser los camiones.
(Interxion, 2018)

Algoritmos

Se presentan los tipos y partes de los algoritmos existentes para una definición
más robusta.

Los algoritmos realizan búsquedas específicas en el desarrollo de sistemas

informáticos, robots, etc. para proporcionar decisiones racionales previamente
entrenadas. También es común en matemáticas y lógica. Su nombre proviene del
algoritmo latino, y el nombre proviene del matemático persa Al Juarismi. Uno de
los algoritmos más conocidos en matemáticas es el algoritmo definido por Euclides
para encontrar el máximo común divisor de dos números enteros positivos,
también conocido como el "método gaussiano" para resolver un sistema de
ecuaciones lineales.

Los componentes del algoritmo deben incluir:

● Entrada: Entrada de datos necesarios para el funcionamiento del algoritmo.

● Proceso: Esta es una operación lógica formal que el algoritmo realiza sobre
lo que recibe de la entrada.
● Salida: Cuando se completa la ejecución del algoritmo, el proceso recibe el
resultado en la entrada

25
 La informática se compone de 4 algoritmos:

● Computacional: El algoritmo tiene una resolución computacionalmente

dependiente y puede desarrollarse fácilmente con una calculadora o
calculador.
● No computacional: Estos pasos no requieren un proceso computacional
para resolver o un paso específico para que los humanos los resuelvan.
● Cualitativos: Este es un algoritmo que no incluye cálculos numéricos en
resolución, pero sí incluye procesos lógicos y/o formales.
● Cuantitativos: Por el contrario, es un algoritmo que se basa en cálculos
matemáticos para encontrar su resolución. (Maluenda, 2021)

Chatbot

Teóricamente se han argumentado varias referencias teóricas sobre la

herramienta principal tratada en este estudio, el cual es un chatbot:

Segun Charlan (2018), indica que un chatbot es una aplicación de mensajería apta
para tener conversaciones con sus usuarios, brindando respuestas concretas y
precisas, pero a sus preestablecidas para un tipo de pregunta en particular. Hay 2
tipos de chatbots:

● El primer tipo de chatbot proporciona respuestas a preguntas importantes

que se hacen de forma interactiva a través de la interfaz de usuario.
● El segundo tipo de chatbot, con la inteligencia artificial y la tecnología
avanzada, recopila y analiza una gran cantidad de datos relacionados con
los clientes, comprende el comportamiento y la intención de las
conversaciones y se personaliza en varios contextos.

Por lo general, estos son adoptados por empresas que desean mejorar el servicio
y soporte al cliente y aumentar sus resultados. Por supuesto, este servicio
reemplaza de alguna manera las actividades de ciertos humanos, como los
26
 administradores de comunidades. Una de las características principales de los
chatbot es que brinda a las empresas un servicio instantáneo y preciso a las
diferentes consultas que tengan los usuarios. La funcionalidad se replicada para
cada chatbot, sin embargo, cada uno se diferencia por alguna funcionalidad en
específico. Algunos interactúan a través de botones y ofrecen diferentes opciones
al usuario, mientras que otros son un poco más complicados. Cuenta con un
programa avanzado que te permite chatear con los usuarios de forma natural casi
sin una conversación normal. Uno de los ejemplos más conocidos de chatbots
inteligentes y asistentes de voz son Google Allo, Amazon Alexa, Apple Siri,
etc. Entre los beneficios de los chatbots se puede mencionar los siguientes:
Audiencia más amplia, mensajes atractivos, complejos, reducción de costos de
operación, respuestas inmediatas, amplifica tu engagement, facilitar la relación
cliente y marca, marca proactiva sin esfuerzo, refresca tu presencia en redes
sociales, sugerencias personalizadas y mensajes efectivos y personalizados

Un chatbot es un trabajador independiente que realiza diferentes tipos de tareas

administrativas y ofrece servicios especializados para negocios, empresarios.
Normalmente posee una variedad de servicios para distintos negocios. En su
mayor parte, los chatbot están contratados por pequeñas y medianas empresas,
ya que su canal primario de comunicación y trasmisión de información es internet
(por medio de correos electrónicos, mensajería instantánea, chats o conferencia
web). La mayoría de chatbot también hace uso del almacenamiento y recuperación
de datos como Google Drive, Evernote y Dropbox para facilitar un medio de envío
de documentos importantes. (Smolinski, 2016, pág.4-5).

27
 Figura 6: Inteligencia artificial aplicada a Chatbot. (Fuente: The Wall Street Journal

En la actualidad, existen dos tipos de herramientas de desarrollo de bots

conversacionales: herramientas basadas en modelos de lenguaje (bots
conversacionales con reglas) y herramientas de aprendizaje automático (bots
conversacionales con IA). Basados en un modelo de lenguaje basado en reglas,
los chatbots brindan control y flexibilidad que no se encuentran en los chatbots de
aprendizaje automático. Es importante encontrar la respuesta correcta a su
pregunta y diseñar pruebas automatizadas para verificar la calidad y consistencia
de su sistema.

28
 Figura 7: Automación Edge es la plataforma para la Automatización Inteligente integrada con
la solución de gestión de Servicios (ITSM). (Fuente: DJCS News)

Los chatbots de aprendizaje automático (IA) se consideran más complejos,

conversacionales, intensivos en datos y predictivos que los chatbots basados en
reglas. Estos tipos de chatbots suelen ser más complejos, interactivos y
personalizados que los chatbots basados en tareas. Para disfrutar de los
beneficios de la comprensión del lenguaje natural, necesita aplicaciones de big
data e inteligencia predictiva para personalizar su experiencia de usuario. Como
se mencionó anteriormente, se necesitan muchos datos de entrenamiento para
que todo funcione sin problemas y sin errores. La combinación de los recursos
necesarios y unos escenarios con muy buenos algoritmos estadísticos hace que
los chatbots basados únicamente en machine learning sean una opción poco
realista para muchas empresas.

29
 Figura 8: Potential Benefits of Chatbots. (Fuente: AI Multiple)

Arquitectura chatbot

La arquitectura que se seleccionará para el desarrollo de la investigación varía

según la finalidad para la que se crea, las funciones del chatbot son infinitamente
diversas, no solo atención al cliente sino también asesoramiento en el momento
de la compra, sitios comerciales de comercio electrónico e incluso
recomendaciones ilustrado en la figura 9. Actualmente, para crear un chatbot
inteligente necesitas una herramienta llamada NLP, responde a la demanda de los
usuarios y usando IA también ayudará a extraer información importante de un bot
de texto (Voice) y a transformarla en datos estructurados. Todos los datos se
pasan al backend para que se pueda procesar la respuesta del chatbot. (Cobos,
2013, pp.12).

30
 Figura 9: Arquitectura de un Chatbot. (Fuente: Elaboración Sonia Bergamaschi)

Para poder desarrollar el chatbot se necesita de dos técnicas principales:

● Coincidencia de patrones cuando necesite una lista de posibles patrones

de entrada.
● Clasificación de intenciones basada en técnicas de aprendizaje automático.
Para que el chatbot esté bien entrenado, se necesita un clasificador para
seleccionar las entradas del usuario, por ejemplo (reservar vuelo, consultar
disponibilidad, entre otros).

Figura 10: Multi-Platform Chatbot Modeling and Deployment with the Xatkit Framework
(Fuente: Modeling Languages)
31
Una de las plataformas de procesamiento de lenguaje natural más recomendadas
actualmente son las siguientes según las ventajas y desventajas, como se muestra
en la Figura 11:

Figura 11: Ventajas y Desventajas. Según Teraby (Fuente: Elaboración Propia)

Por tanto, en base a la investigación se utilizará la herramienta IBM Watson

para la construcción del chatbot.

IBM WATSON

Según Ed Harbour el vicepresidente y líder del proyecto de IBM Watson comenta

que “IBM Watson es la plataforma de Inteligencia Artificial para negocios. No es un
elemento aislado, sino una colección de servicios y habilidades que incluyen
Machine Learning, razonamiento y decisiones tecnológicas; así como lenguaje,
32
habla y visión tecnológica” (Harbour, 2011), todas estas características están
diseñadas para el aprendizaje profundo, el pensamiento intencional y la interacción
humana natural, resolviendo innumerables problemas del mundo real,
aumentando la productividad y en muchas otras áreas.

Figura 12: Creación de bots con Watson Assistant. (Según IBM.)

Hoy en día, la inteligencia artificial ha demostrado ser de gran importancia para las
empresas de todo el mundo, ya que se ha convertido en un nuevo objetivo
tecnológico para las empresas y los países que quieren tomar el control. Los
beneficios que IBM Watson aporta a la empresa son, que mejora el tiempo de
respuesta, la productividad y el valor. Se enseña los parámetros y matices a IBM
Watson para que todos los detalles se tengan en cuenta al tomar decisiones
críticas para el negocio. Para IBM, este tipo de tecnología puede comunicarse,
aprender y discutir con la gente. Toda la información se almacena en la nube. La
inteligencia de Watson se apoya en los cuatro pilares que se presentan en la Tabla
1:

33
 N PILARES DESCRIPCIÓN

1 Entender Su función principal es analizar y comprender dos tipos

de datos de entrada, estructurados (base de datos) y no
estructurados (texto, audio, mensaje), ya que puede leer
y comprender el lenguaje natural.

2 Razonar La tecnología IBM Watson puede comprender rasgos de

personalidad, tonos de voz o emociones y mostrar los
resultados al usuario.

3 Aprender IBM Watson tiene la capacidad de utilizar una experiencia

única (aprendizaje automático) para crear aprendizaje y
utilizarlo en las aplicaciones y sistemas de su
organización.

4 Interactuar Puede crear conversaciones y diálogos con los usuarios.

Tabla 1: Pilares de la Inteligencia IBM Watson (Fuente: Elaboración

propia)

Proceso de Gestión de incidencia

El estado de atención de gestión de incidentes o solicitudes representa la etapa

del ciclo de vida del ticket de servicio por la que puede pasar la atención, desde su
creación en la herramienta de Gestión de Servicios de TI hasta que se cierra el
ticket, tal como se detalla en la tabla 2:

34
 ESTADO DE ATENCIÓN DESCRIPCIÓN

Asignado Cuando el ticket generado se escala a un especialista

ya sea del Nivel 1, Nivel 2 o Nivel 3 de atención.

En curso Cuando el especialista asignado realiza el

diagnóstico del incidente e investiga las posibles
soluciones.

Postergado Cuando el requerimiento demanda de otras

actividades previas para la atención.

Cerrado Determina que el usuario ha validado la solución del

incidente reportado.

Tabla 2: Listado del estado del estado de atención. [Fuente Elaboración

propia]

Para la variable dependiente de la investigación, la gestión de incidentes es un

proceso ITIL que se monitorea durante la fase operativa del servicio. Los incidentes
son interrupciones no planificadas o mala calidad del servicio. Estos pueden ser
errores o solicitudes informadas por usuarios, equipos de servicio o sistemas de
seguimiento de problemas.

Analizando la definición de la página oficial de IBM sobre Gestión de solicitudes de

servicio, una solicitud es un formato que recaba información sobre el servicio que
el usuario solicita cuando lo necesita. Esta gestión considera la creación,
actualización, asignación, escalabilidad y resolución de solicitudes de servicio para
instalaciones o ubicaciones dentro de su organización.

35
El cumplimiento de la solicitud brinda a los empleados acceso a servicios de TI
críticos, les permite resolver de manera más eficiente y rápida, y produce
información que es valiosa para la empresa y sus empleados. Los administradores
del sistema pueden hacer arreglos para realizar estas solicitudes desde recursos
simples como correo electrónico, herramientas de monitoreo del sistema y
aplicaciones externas. Asignarlos a los empleados para su resolución. La mayoría
de las empresas generan una gran cantidad de consultas todos los días y las tratan
como un flujo de trabajo independiente de los procesos críticos, lo que puede traer
mejoras significativas.

Figura 13: Gestión de Servicios TI ,2016 (Fuente: ITIL)

El proceso de gestión de incidentes consta de las siguientes fases:

Registro

El primer lugar para iniciar una gestión adecuada es registrar el problema. El

registro de incidentes se debe realizar de inmediato, ya que existe el riesgo de que
un nuevo incidente demore una falla ocurrida anteriormente. Al registrarse, debe
verificar si no está registrado, debe identificarlo de manera única, agregar los
documentos de respaldo necesarios y notificar a los usuarios que pueden unirse.

36
Clasificación

El propósito del proceso de clasificación es recopilar toda la información necesaria

para ayudar a resolver el problema. Sucesivamente se clasifica, se establecen
prioridades, se asignan recursos y finalmente se monitorea el estado y los tiempos
de respuesta. Es decir, indica en qué estado se encuentra y cuál debe ser el tiempo
de respuesta.

Diagnóstico

En el siguiente paso, se verifica el incidente para determinar si se puede identificar

con cualquier otro incidente que se haya resuelto y se haya aplicado el programa
asignado.

Resolución y Cierre

El propósito final de la gestión de incidentes es resolver y, si no se puede resolver

primero, de acuerdo con el protocolo, los usuarios más responsables deben
participar en la resolución del problema. En este paso, el estado del incidente
cambia, por lo que la información siempre está actualizada y es práctica. Una vez
resuelta, los usuarios afectados serán notificados de la resolución, reclasificados
y cerrados por completo.

El estudio consideró la dimensión Resolución:

Resolución:

El propósito principal de la gestión de incidencia es la Resolución y, si no se puede

resolver primero, los usuarios más responsables deben participar en la resolución
del problema, de acuerdo con los pasos establecidos.

Por otro lado, para el tema de los indicadores se tomaron en consideración:

37
 ● Ratio de incidencias resueltas

Se define como ratio de incidencias resueltas como un conjunto de datos mediante

el cual se documenta los detalles de las Incidencias desde su registro hasta su
resolución. (ITIL, 2011)

Además, Von (2011), define que la ratio de incidencias resueltas es una “medida
que indica la cantidad de incidencias que se atendieron en un determinado tiempo
por lo que se tiene que calcular el total de incidencias presentadas en la
organización con el total de las incidencias atendidas” (p. 151).

La ratio de incidencias resueltas se calcula con la siguiente fórmula:

RIR = Ratio de incidencias resueltas

NRB = Número de incidencias resueltas

NTI = Número total de incidencias

● Ratio de reincidencias

Se define como ratio de reincidencias cuando indica que las incidencias fueron
reabiertas porque no tuvo una solución correcta. (ITIL, 2011).

Además, Von (2011), define que la ratio de reincidencias dentro de los parámetros
del SLA permite “verificar y medir si los casos de incidencias presentadas están
siendo atendidas correctamente por el analista antes de realizar el cierre
correspondiente dentro de los rangos establecidos por niveles de servicio mediante
de la cantidad de porcentaje de incidentes reabiertos” (p. 150).

Mediante la siguiente fórmula, calculamos la ratio de reincidencia:

38
 RRI = Ratio de reincidencias

NIRA = Número de reincidencias

NTI = Número total de incidencias

Se consideraron tres metodologías para el desarrollo de la investigación:

Metodología SCRUM

(Martínez, 2013) indica el siguiente concepto: “Es una metodología ágil de

desarrollo, flexible para proyectos, que requieren de mayor rapidez, estructurada
en un proceso iterativo e incremental para cambios funcionales.” (pag.10).

Analizando el concepto de la metodología Scrum propuesta por Martínez,

concluimos que esta metodología nos permite monitorear los proyectos que
desarrollamos, asignar roles a cada desarrollador, crear reglas y realizar un
seguimiento de los requisitos a considerar, para que el producto final cumpla
con lo esperado.

El enfoque de Scrum utiliza un punto de vista incremental para controlar el

proceso de desarrollo del proyecto, medir la evolución de las actividades
consideradas anteriormente, monitorear los cambios que pueden ocurrir en el
desarrollo y rastrear el estado de las tareas. Esto puede afectar los resultados
y también permite los ajustes necesarios para minimizar la causa del impacto
de estos cambios.

39
Este método incluye tres roles:

Scrum Master: Líder y responsable de asegurar que el equipo de trabajo se adhiera

a las reglas y al proceso de desarrollo de Scrum. No es necesario que se ocupes
del desarrollo, pero debe asegurarse de que todo el equipo siga las pautas
establecidas para el proyecto.

Dueño del Producto: Responsable de establecer el precio del producto, tomar

decisiones por el cliente y proporcionar un listado de funciones o requisitos a
realizar.

Equipo de Desarrollo: Expertos en el campo del proyecto y son los responsables

de cumplir con los requisitos del cliente y reflejar los productos esperados.

El enfoque Scrum se basa en la implementación de cualquier proceso de desarrollo

de proyectos, con cada parte del equipo de trabajo realizando una función
específica. Puede analizar el progreso del desarrollo del producto y analizar cada
etapa del desarrollo, además, permite agregar nuevos requisitos según sea
necesario.

La coordinación del avance de los resultados se realizan reuniones del equipo

Scrum, estas pueden ser reuniones de corta duración diaria o semanal, ya que
permiten verificar el avance y realizar los ajustes necesarios de acuerdo con el
cronograma previamente establecido para coordinar el progreso del día siguiente.

Las reuniones del equipo Scrum se llevan a cabo para coordinar el progreso y
visualizar los resultados. Estas reuniones pueden ser de corta duración diarias o
semanales porque se puede comprobar el progreso y hacer los ajustes necesarios
de acuerdo con un cronograma previamente establecido y coordinar el proceso del
día posterior.

40
 Este método se realiza a través del conocido sprint, que es una planificación en
bloques definidos antes del inicio del desarrollo del proyecto, determinando el
inicio, el final y los entregables previamente aprobados.

Figura 14: Fases de un Spring en Metodología SCRUM. (Fuente: SCRUMstudyTM)

La lista de tareas pendientes para un Product Backlog lista todos los requisitos
actualizados del dueño del producto basándose en los requerimientos funcionales
y especificaciones del proyecto, y esta lista se da durante el desarrollo del
proyecto.

La técnica Scrum realiza las siguientes actividades:

Planificación de la Iteración

La primera actividad se desglosa en dos etapas:

● Selección de requisitos: Etapa que enumera los requisitos para el desarrollo del
proyecto y aclarar cualquier pregunta que pueda existir antes de comenzar el
desarrollo.

41
● Planificación de la iteración: Etapa que desarrolla el Product Backlog y el equipo
Scrum se compromete a ejecutarlo., Aquí se definen las tareas del equipo de
desarrollo del proyecto.

Ejecución de la Iteración del proyecto

La siguiente actividad establece reuniones frecuentes para gestionar la fase de

desarrollo del proyecto establecido en el sprint. Estas reuniones hacen
correcciones a los avances presentados para cumplir con las solicitudes del
cliente.

En esta ejecución, el Scrum Master es responsable de que el equipo cumpla con

su rol, complete tareas motivadas, evite dudas y aclare lo que debe presentar en
la próxima reunión.

Inspección y Adaptación del proyecto

Esto se divide en dos etapas:

● Demostración: En esta etapa, la iteración completada por el equipo se presenta

al cliente para cumplir con los requisitos especificados. En esta fase, el cliente
hará las correcciones apropiadas según sea necesario.
● Retrospectiva: Esta etapa incluye el análisis por parte del equipo de cómo se
desarrolla el proyecto, analizando qué defecto s hicieron que el proyecto no
logrará sus objetivos y repensando una forma de trabajo que deje de lado estos
problemas.

En la presente investigación se empleó la validación de experto a 3 Profesionales,

con el grado académico de Magister, se utilizó la plantilla de juicio de expertos
(Anexo 07, 08,09), adicional se realizó un cuadro de comparación entre las 3
metodologías para analizar la más idónea.

42
 Grado Puntaje
Experto
académico SCRUM RUP ICONIX Elección
Juárez
Regalado,
Magister 26 20 24 SCRUM
Francisco
Fernando
Morales
Fernández, Magister 26 20 27 ICONIX
Santos Iván
Acuña Benites, Magister 30 24 25 SCRUM
Marlon Frank
Promedio 82 64 76 SCRUM

Tabla 3: Validación de juicio de experto para la metodología [Fuente

Elaboración propia]

Para brindar una teoría más detallada del desarrollo de la investigación, se ha

plasmado el concepto de herramientas que se empleará dentro del desarrollo
del Chatbot.

En el backend, se usó MySQL como base de datos, el cual permite gestionar

bases de datos relacionales (RDBMS), es código abierto con tecnología de
Oracle y apoyado en el lenguaje de consulta estructurado (SQL). Para
Sommerville (2015) indica que es el que controla la base de datos que se
califica por ser relacional, el cual permite gestionar los registros, actualización
y eliminación de la información.

Además, como framework de PHP, se utilizó Laravel. El cual es un framework

PHP para aplicaciones web. Lanzado en 2011 como un marco de código
abierto, Laravel se basa en el patrón MVC y tiene una sintaxis expresiva y
elegante.
Laravel simplifica algunas de las actividades de proyectos web más comunes,
43
como autenticación, autorización, enrutamiento, sesiones y almacenamiento
en caché. También tiene un motor de plantillas incorporado, Blade, un sistema
de migración de base de datos, integración con PHPUnit para pruebas y una
interfaz de línea de comando única llamada Artisan CLI.

Para conectarse con la base de datos, se aplica el siguiente flujo.

Figura 15. El flujo de interacción del Chatbot con componentes de IBM

Watson Assistant tiene como finalidad agregar contenido muy interactivo y el flujo
de conversaciones mediamente webhooks. El objetivo de los webhooks es unir
dos aplicaciones diferentes. Para validar la conexión mediante la URL de
webhook, se muestra un evento en la app. Para obtener los resultados propuesto
de utilizará la función de webhook de Watson Assistant para conectarnos a IBM
Cloud Functions para realizar llamadas a API externas y devolver respuestas.
(IBM, 2022)

En el Front-end, se ha utilizado el lenguaje de programación Typescript. Un

estudio de Álvarez Caules (2016) define que es un lenguaje creado por Microsoft
el cual nace para cubrir las carencias y peculiaridades de JavaScript.

a. Metodología RUP
44
Según Zavala, J. (2003) “Para trabajar en el desarrollo de un software, existen
metodologías que se dividen en varias etapas que proporcionan procedimientos,
técnicas, herramientas y un soporte documental que ayuda a los desarrolladores
a crear software de calidad” (pág.45).

El Proceso Unificado de Rational (RUP) es una forma disciplinada para que los
desarrolladores asignen tareas y responsabilidades, respondiendo a las
siguientes preguntas: quién hace qué, cuándo lo hace y cómo lo realiza. RUP es
un marco de proyecto que describe clases para procesos iterativos e
incrementales y define la utilización completa de todas las actividades y artefactos
necesarios para desarrollar el proceso en sí.

RUP se desglosa en cuatro fases, tal como se muestra en la figura 15:

● Inicio
● Elaboración
● Construcción
● Transición

45
 Figura 16: Disciplinas, fases, iteraciones del RUP (Fuente: Yana 2013)

a) Fases

La primera fase denominada Inicio se basa en la definición del alcance y objetivo

del proyecto a realizar. Los puntos para seguir son:

● Documento visión del proyecto

● Diagrama de caso de uso del proyecto
● Especificación de requisitos del proyecto

La etapa de Elaboración consiste en definir el plan de proyecto. Los puntos para

seguir son:

● Vista lógica del proyecto

● Vista de implementación del proyecto
● Vista conceptual del proyecto
● Vista física del proyecto

La fase de Implementación tiene como finalidad la construcción y permitir operar el

producto. Y, por último, Transición está basada en la transición del producto a la
vista del usuario.

b. Metodología Iconix

Según EcuRed (2014), define que “la metodología ICONIX es un proceso

simplificado en comparación con los procesos tradicionales que estandariza un
conjunto de enfoques orientados a objetos para cubrir todo el ciclo de vida del
proyecto” (pág. 23).

Es un recurso de desarrollo de software pesado entre RUP (Proceso Unificado de

Rational) y XP (Programación Extrema) que estandariza un grupo de métodos
orientados a objetos con un control estricto sobre todo el ciclo de vida de un
producto en fabricación.
46
 Fue creado por Doug Rosenberg y Kendall Scott con base en la síntesis
estandarizada "Tres amigos" de Booch, Rumbaugh y Jacobson y ha brindado
apoyo y conocimiento para el método ICONIX desde 1993. Está bien diseñado y
define claramente la actividad para cada fase y proporciona un conjunto de pasos
que debe seguir.

Las 3 características básicas de la metodología ICONIX:

● Iterativo e incremental: hay muchas iteraciones cuando se desarrolla un

modelo de dominio para identificar casos de uso. El ciclo de vida
incremental desarrolla productos por partes, para que puedan integrarse
funcionalmente. El ciclo de vida es repetitivo, con cada iteración revisando
y mejorando el producto.

● Trazabilidad: los pasos a realizar se definen por un requisito en específico,

y se define la trazabilidad como la capacidad de rastrear las relaciones
entre los diversos elementos de software creados.

● Lenguaje Unificado de Modelado dinámico: Permite utilizar UML dinámico

porque usa ciertos diagramas UML, sin tener que usar todo, como es el caso
de RUP (Proceso Unificado de Rational).

Adicional, tiene 4 etapas las cuales son las siguientes:

● Identificación de requisitos conocidos

● Análisis y Diseño preliminar

● Diseño

● Ejecución

Para agregar más valor teórico, se describen conceptualmente otros temas,

herramientas y patrones a utilizar en el desarrollo del Chatbot.

47
La inteligencia artificial es una de las áreas de la informática encargada de diseñar
hardware y software con comportamiento inteligente. (Zambrano, 2009, pág. 5)

El Procesamiento del Lenguaje Natural (PLN) es el proceso de composición y

manipulación de textos en una computadora.” (Fernández, 2011, pág.12)

Un algoritmo es un conjunto finito de reglas bien definidas en la lógica de

control que permite resolver un problema en un tiempo finito. (Mancilla, Ebratt
& Portilla, 2014 pag.6)

Algoritmos que aprenden de un ejemplo y tratan de encontrar patrones en los

datos para crear reglas que explican lo que está sucediendo. (Terchtarget,
2017).

El almacenamiento de datos se considera en vez de un sistema global

únicamente el almacén de datos, la propia data Warehouse. El elemento más
importante de la fase de almacenamiento del datawarehouse es el diccionario
de datos, al que también se llama metadatos. (Pequeño M., 2015, p.39)

Web Service

Es una colección de protocolos abiertos y estándares usados para intercambiar

datos entre aplicaciones o sistemas. (Lázaro, 2018).

Lenguaje natural

Todos los sistemas comerciales de lenguaje natural tienen cuatro componentes.

Un componente contiene conocimientos sobre la sintaxis que indican al sistema
de lenguaje natural como agrupan, separan y analizan la frase del usuario. (Santos
de Díaz A., 2008, p.20).

Control de datos

Es el desarrollo de sensores que midan o controlen el medio ambiente y entregar

información a la población, lo que implica un beneficio para la sociedad al ayudar
a aglutinar conocimientos y mejorar la seguridad. (Morales, J, 2013, p. 29-50)
48
Aprendizaje automático

Proceso que desarrolla un programa de ordenador y le permite experimentar el

mundo como lo haría un ser vivo. Dado que se dispone de suficientes datos
privados, este programa informático puede predecir las tendencias de
comportamiento de los usuarios. (Jones, H. 2019, p 84-89)

Aprendizaje supervisado-Aprendizaje automático

Realizado bajo los auspicios de un profesor humano (en comparación con el

aprendizaje no supervisado). (Jones, H. 2019, p 84-89)

Aprendizaje no supervisado-Aprendizaje automático

Realizado sin intervención humana, utilizando solo una cantidad masiva de datos.
(Jones, H. 2019, p 84-89).

IBM Watson Assistant

Con el servicio IBM Watson® Assistant, puede crear una aplicación que
comprenda la entrada del lenguaje natural y utilice el aprendizaje automático para
responder de una manera que simule una conversación entre humanos (IBM).

Chatbot

Un chatbot es un programa informático que permite a los humanos interactuar con

la tecnología utilizando una variedad de métodos de entrada (voz, texto, gestos,
tacto, etc.) los 365 días del año. (La Guía Definitiva, 2020).

Herramienta web (registro de ticket)

Esta es una interfaz web que permite a los trabajadores de la mesa de ayuda,
como el soporte técnico, interactuar con la plataforma al registrarse para recibir
servicios o resolver problemas. Esta herramienta tiene un enfoque ITIL, por lo que
tiene todos los campos necesarios para administrar los SLA de los tickets.

49
Scrum

Para SCRUMstudyTM (2020), define que “Scrum es el marco Agile más popular.
Es un sistema adaptativo, iterativo, rápido, método flexible y eficaz diseñado para
ofrecer un valor significativo rápidamente y a lo largo de un proyecto. Scrum
garantiza la transparencia en la comunicación y crea un entorno de
responsabilidad colectiva y progreso continuo. El marco de Scrum, como se define
en la Guía SBOK™, está estructurado de tal manera que apoya el desarrollo de
productos y servicios en todo tipo de industrias y en cualquier tipo de proyecto,
independientemente de su complejidad” (p.2).

Gestión de incidencia

Según Estrada Cutimbo (2018), manifiesta que: “La gestión de incidencias tiene
por objetivo resolver de manera inmediata y eficaz posible, cualquier incidente que
cause una interrupción en el servicio y afecte la operatividad de la empresa.”
(p.36).

Incidencia

ITIL v4 (2019), define lo siguiente, “Una interrupción no planificada de un servicio

o una reducción en la calidad de un servicio.

Reincidencia

Se define como ratio de reincidencias cuando indica que las incidencias fueron
reabiertas porque no tuvo una solución correcta. (ITIL, 2011).

50
 III. METODOLOGÍA
3.1 Diseño y tipo de Investigación

Se establecen dos tipos de estudio, aplicada y experimental, las cuales se

Analizarán en la empresa NETFORCE GS y producirá resultados que se centrará
en la empresa.

Se define la investigación aplicada cuando la búsqueda está encaminada a adquirir

un nuevo conocimiento se pretende que permita resolver problemas prácticos.
(Álvarez, 2020).

Ávila (2006), precisa que “se analiza una sola variable y prácticamente no existe
ningún tipo de control. No existe la manipulación de la variable independiente ni se
utiliza grupo control” (p. 69).

En 2010, Cegarra indica que “el método hipotético – deductivo consiste en emitir
Hipótesis para las posibles soluciones al problema establecido y poder comprobar
con los datos disponibles si estos están de acuerdo con aquellas” (p. 82).

Los métodos de inferencia hipotética se utilizan para poder confirmar hipótesis que
han sido reveladas a través de un determinado análisis de información extraída de
una muestra.

Un grupo se prueba antes de la estimulación o el procedimiento experimental,

después de lo cual se realiza la validación del procedimiento y para finalizar, se
emplea una prueba post-test. “En una investigación preexperimental no existe la
posibilidad de comparación de grupos. Este tipo de diseño consiste en administrar
un tratamiento o estímulo en la modalidad de solo posprueba o en la de preprueba-
posprueba” (Ávila, 2006, p. 70).

El presente diseño se enuncia de la siguiente manera:

51
G: Grupo de sujetos o casos

𝑶𝟏: Es el proceso de gestión de incidencia previa al implementar un chatbot basado

en inteligencia artificial para el área de soporte de la empresa Netforce GS (PRE-
TEST)

X: Variable independiente Chatbot basado en inteligencia artificial

𝑶𝟐: Es el proceso de gestión de incidencia posterior a implementar un chatbot

basado en inteligencia artificial para el área de soporte de la empresa
Netforce GS (POST-TEST)

3.2 Variables y operacionalización

El proyecto de investigación se constituye por 2 variables, las cuales son:

Definición conceptual

Por el lado de la variable independiente se considera: Chatbot basado en

inteligencia artificial. Para Abdul-Kader y Woods (2015) señala que al hablar de
chatbot basado en inteligencia artificial, es un programa informático que tiene la
capacidad de entablar habilidad una conversación con un humano a través del
procesamiento del lenguaje natural. (p.43)

Como variable dependiente tenemos: Gestión de incidencia. ITIL Foundation

(2011) define que “la gestión de incidencia tiene como objetivo resolver, de la
manera más rápida y eficaz posible, cualquier incidente que cause una interrupción
en el servicio”.

52
Definición Operacional

La definición operacional de la variable Chatbot basado en inteligencia artificial, se

define de la siguiente manera: Es un bot conversacional que consentirá a la
empresa Netforce GS mejorar la gestión de incidencias en el área de soporte de
Netforce GS.

Se define de manera operacional a la variable Gestión de incidencia, de incidencia,

en la siguiente manera: La gestión de incidencias tiene como objetivo restaurar los
servicios a su funcionamiento normal lo antes posible. Además, la gestión de
incidentes también incluye la gestión de reclamaciones, por lo que la incluye las
solicitudes de servicio de usuarios proporcionadas en el catálogo de servicios.

53
 TIPO DE DEFINICIÓN DEFINICIÓN
VARIABLE DIMENSIÓN INDICADORES
VARIABLE CONCEPTUAL OPERACIONAL
Un chatbot basado
en inteligencia
artificial, es un
programa
Es un bot
informático que
conversacional que
tiene la capacidad
consentirá a la
Chatbot basado de entablar
Variable empresa Netforce GS
en inteligencia habilidad una
Independiente mejorar la gestión de
artificial conversación con
incidencias en el área
un humano a través
de soporte de Netforce
del procesamiento
GS.
del lenguaje
natural. Abdul-
Kader y Woods
(2015)
La gestión de
incidencias tiene como
La Gestión de objetivo restaurar los Ratio de incidencias
Incidencias tiene servicios a su resueltas
como objetivo funcionamiento normal
resolver, de la lo antes posible.
manera más rápida Además, la gestión de
Variable Gestión de
y eficaz posible, incidentes también Resolución
Dependiente incidencia
cualquier incidente incluye la gestión de
que cause una reclamaciones, por lo
interrupción en el que la incluye las Ratio de reincidencias
servicio. (ITIL solicitudes de servicio
Foundation, 2011) de usuarios
proporcionadas en el
catálogo de servicios.

Tabla 4: Operacionalización de las variables (Fuente: Elaboración propia)

54
 U. DE
INDICADOR DESCRIPCIÓN TECNICA INSTRUMENTO FORMULA
MEDIDA
Se define como ratio de
reincidencias cuando
indica que las
incidencias fueron
reabiertas porque no
Ratio de tuvo una solución
Fichaje Ficha de registro Unidad
reincidencia correcta. (ITIL, 2011) RRI = Ratio de reincidencias
NIRA = Número de reincidencias
NTI = Número total de incidencias

Se define como ratio de

incidencia resueltas
como un conjunto de
datos mediante el cual
se documenta los
Ratio de detalles de las
incidencia Fichaje Ficha de registro Unidad
Incidencias desde su
resueltas
registro hasta su
resolución. (ITIL, 2011) RIR = Ratio de incidencias resueltas
NRB = Número de incidencias resueltas
NTI = Número total de incidencias

Tabla 5: Tabla de Indicadores (Fuente: Elaboración Propia)

55
 3.3 Población (criterios de selección), muestra, muestreo
Población

Para Arias (2006) indica que la población es un grupo con características semejantes a
los que serán extensivas el resultado de la investigación. Esto está definido por el
problema y el objetivo del estudio.

Tamayo (2012) señala que la población es un grupo de individuos, objetos o medidas

con características comunes que son observables en un determinado lugar y en un
determinado tiempo, donde se realizará la investigación.

Para el presente estudio en la empresa NETFORCE GS, el proceso de gestión de

incidencia, tuvo como objeto de estudio las incidencias reportadas por los diferentes
clientes de la empresa mediante teléfono y correo electrónico, las cuales no fueron
atendidas en su debido momento. Se consideró una población de 160 tickets de
incidencia estratificadas durante 20 días en el periodo de lunes a domingo.

POBLACIÓN TIEMPO INDICADOR

160 incidencias estratificados RATIO DE INCIDENCIAS
en 20 días RESUELTAS
20 días
160 incidencias estratificados RATIO DE
en 20 días REINCIDENCIAS

Tabla 6: Tabla de la Población (Fuente: Elaboración Propia)

La información recolectada en la tabla 6 es por cada incidencia registrada por día, la

data se tomó en un plazo de 20 días (incluidos sábados y domingos), siendo un total
de 160 ticket de incidencia por cada indicador los cuales son estratificados en 20 días.

Muestra

Hernández (2008) considera que “Una muestra en un proceso cualitativo es un grupo de

personas, eventos, sucesos, comunidades, etc., sobre los cuales se deben recolectar
datos, no necesariamente representativos del universo o población en estudio” (p.562).

56
Donde

● n: Tamaño de la muestra

● N = Total de la Población (160 incidencias)

● Z=Nivel de confianza (1.96) seleccionado para la investigación

● p=Probabilidad de éxito (0.05)

● q=Probabilidad de fracaso (0.95)

● i=Error de muestra (0.05)

Se calcula la fórmula para los siguientes indicadores:

Muestra para el indicador “Ratio de Reincidencias”:

(1.96)2 𝑥(160)𝑥(0.05)𝑥(0.95)
𝑛=
(160 − 1)𝑥(0.05)2 + (1.96)2 𝑥(0.05)𝑥(0.95)
29.19616
𝑛=
0.57998

𝑛 = 50.34 -> 50 incidencias

Con la fórmula indicada, se obtiene un valor de 50 incidencias que representa las

reincidencias.

Muestra del indicador “Ratio de incidencias resueltas”:

(1.96)2 𝑥(160)𝑥(0.05)𝑥(0.95)
𝑛=
(160 − 1)𝑥(0.05)2 + (1.96)2 𝑥(0.05)𝑥(0.95)
29.19616
𝑛=
0.57998

𝑛 = 50.34 -> 50 incidencias

57
Con la fórmula indicada, se obtiene un valor de 50 incidencias que representa las
incidencias resueltas.
Se aplica la fórmula para calcular la muestra en base a la población y con los valores
correspondientes dados, obtenemos como resultado un valor de 50. Esto representa que
nuestra muestra incluye 50 incidentes estratificados, realizados en 20 días registrado en
20 fichas de registro.

POBLACIÓN TIPO INDICADOR

50 incidencias RATIO DE
INCIDENCIAS
Fichas de registro RESUELTAS
50 incidencias RATIO DE
REINCIDENCIAS

Tabla 7: Tabla de Muestra (Fuente: Elaboración Propia)

Muestreo

Malhotra (2004) señala que el muestreo es una agrupación de objetos que procesa toda
la información que busca el investigador, de la misma manera nos indica que la muestra
es un subconjunto de elementos seleccionados para sumarse en un estudio; de esta
manera podemos señalar para una selección correcta de la muestra, se tiene que
seleccionar una población que la representar, puesto que no es factible conocer los
gustos y necesidades de cada objeto, de esta manera se conoce las respuestas a las
preguntas planteadas.
Para el presente estudio se ha considerado 2 tipos de muestreo probabilístico:

● Muestreo estratificado
● Muestreo aleatorio simple

En el muestreo aleatorio simple, para validar la muestra de un tamaño se necesita

escoger en base a un conjunto de N unidades, la cual cada una tenga una probabilidad
de inclusión de una probabilidad conocida de n / N.

Mientras que, en el muestreo estratificado en algunos casos, es recomendable

58
estratificar la muestra en base a variables definidas. Por este motivo, se necesita sabe
los componentes a estratificar de la población-muestreada. Al finalizar el cálculo del
tamaño correcto, se realiza una distribución proporcional entre los diferentes estratos
definidos en la población haciendo uso de la regla simple de tres.

Una de las características principales es que tiende a asegurar que la muestra sea
suficientemente representativa para la población en función de las variables
seleccionadas.

3.4 Técnicas e instrumentos de recolección de datos

Para tener una buena herramienta se determina la calidad de la información, la cual es

la base para los sucesivos pasos y para los resultados. Cuando se empieza la búsqueda,
se necesita decidir qué enfoque se utilizará, lo que determina las características a lo
largo del estudio. Para la selección y desarrollo de instrumentos, se deben tener en
cuenta los puntos mencionados anteriormente. La metodología utilizada en la
recolección de datos debe ser coherente con el enfoque teórico conceptual desarrollado
en el resto del estudio. Al concluir el aporte de la recolección de datos, se tiene que
determinar el tipo de información necesaria (cuantitativa, cualitativa o ambas).

Rodríguez Peñuelas (2008) es de opinión que las técnicas son los medios empleados
para recolectar información, entre las que destacan la observación, cuestionario,
entrevistas, encuestas y fichaje.

Una de las técnicas que se consideró para esta investigación es la de fichaje.

FICHAJE

La técnica del fichaje consiste en el proceso de elaboración de ficha. En referencia al

uso de la técnica, Barriga (2005) señala que el fichaje sirve "para ir registrando aspectos
esenciales de los materiales que leemos y para que [...] nos sirvan de valiosa fuente
donde se acumulen nuestras más significativas experiencias" (p.125).

59
Asimismo, se consideró 1 instrumento que permite la recolección de datos en el presente
estudio:

● Ficha de Registro

FICHA DE REGISTRO

Para Salas (2000)

Las fichas te permiten registrar, acumular, almacenar y luego recuperar con facilidad
datos, ideas e interpretaciones de los hechos del mundo; [...] Una vez registrados estos
datos y toda vez que se encuentren organizados sistemáticamente, pueden constituirse
en una valiosa fuente a partir de la cual se puede realizar todo tipo de consultas [...]
(p.66).

INSTRUMENTO INDICADOR ANEXO

FICHA DE REGISTRO RATIO DE REINCIDENCIAS 14,15

FICHA DE REGISTRO RATIO DE INCIDENCIAS RESUELTAS 16,17

Tabla 8: Cuadro de instrumentos (Fuente: Elaboración Propia)

60
 Tabla 9: Determinación de las técnicas e instrumentos de recolección de datos

Variable Indicador Técnica Instrumento Fuente Informante

Ficha de ratio de reincidencias

RATIO DE
Fichaje Ficha de registro realizadas por el investigador en Área de Soporte
REINCIDENCIAS
basadas en características y
objetivos

Proceso de
incidencia

Ficha de ratio de incidencias

RATIO DE resueltas realizadas por el
INCIDENCIAS Fichaje Ficha de registro investigador en Área de Soporte
RESUELTAS basadas en características y
objetivos

Fuente: Elaboración Propia

61
3.5 Procedimientos

Al iniciar la elaboración de los procedimientos de esta investigación, se estudió

que la confiabilidad, según Ñaupas (2018) es un instrumento que se mide se
manera no muy significativa, ni en el tiempo, ni por la aplicación a diferentes
personas, que tienen el mismo grado de instrucción.

Según Mejía (2013) menciona que la confiabilidad proviene de la palabra

confianza. Por lo tanto, confiabilidad significa que una prueba, un instrumento,
es confiable porque aplicado en las mismas o similares condiciones, se llegará
a los mismos resultados.

Como método de medición de la confiabilidad de aplico el test y retest, en el cual

el instrumento seleccionado para la evaluación es aplicativo por segunda vez o
más a la muestra. Como resultado de la correlación, si es de carácter positivo se
considerada como confiable. Según Jason (2015) define la medición tipo test –
retest pasos que miden la recolección de información, realizándose en dos o más
periodos distintos, donde si el resultado de la correlación en diferentes periodos
es bastante amplio se considera confiable (p.20).

Figura 17: Grado de Confiabilidad

Fuente: Metodología de la Investigación (2010)

62
Indicador 01: Ratio de reincidencias

Figura 18: Correlación de Ratio de Reincidencias

Correlación

Fuente: (Elaboración propia)

Como se aprecia en la Figura 18 ambas pruebas tienen una correlación de

Pearson de 0,804 (Alta) en base a la Figura 17 la cual se asemeja a 1. Como
resultado el instrumento tiene la confiabilidad de 80,4 %.

Indicador 02: Ratio de incidencias resueltas

Figura 19: Correlación de Incidencias resueltas

Correlación

Fuente: Elaboración propia

63
 Como se aprecia en la Figura 19 Ambas pruebas tienen una correlación de
Pearson de 0,891 (Alta) en base a la Figura 18 la cual se asemeja a 1. Como
resultado el instrumento tiene una confiabilidad de 89.1 %.

En este proyecto de investigación para la validez se empleó a través de una

validación por expertos para los instrumentos a nivel de construcción y
contenido.

Indicador 01: Ratio de reincidencias

Puntuación del instrumento

Experto Promedio
1 2 3 4 5 6
Juárez Regalado, 75
75 75 75 75 75 75
Francisco Fernando (Aceptable)
Morales Fernández, 90.83
90 90 95 80 95 95
Santos Iván (Aceptable)
Acuña Benites, Marlon 85
85 85 85 85 85 85
Frank (Aceptable)

Tabla 10: Resultados de la evaluación del instrumento "Ratio de reincidencias

(Fuente: Elaboración Propia)

Indicador 02: Ratio de incidencias resueltas

Puntuación del instrumento

Experto Promedio
1 2 3 4 5 6
Juárez Regalado,
75
Francisco 75 75 75 75 75 75
(Aceptable)
Fernando
Morales
90.83
Fernández, Santos 90 90 95 80 95 95
(Aceptable)
Iván
Acuña Benites, 85
85 85 85 85 85 85
Marlon Frank (Aceptable)

Tabla 11: Resultados de la evaluación del instrumento "Ratio de incidencias

resueltas" (Fuente: Elaboración Propia)
64
3.6 Métodos de análisis de datos
Según Ñaupas (2018) indica que el Test-Retest se puede aplicar dos o más veces a un
mismo grupo de personas. El procedimiento mencionado también se le conocer como
replicación de pruebas. Implica realizar la misma prueba dos veces al mismo grupo de
personas, con un margen de tiempo como máximo 3 meses. En conclusión, el coeficiente
obtenido para medir la confiabilidad se obtiene de los resultados de las dos mediciones
que están correlacionados.

En esta investigación, se implementará la prueba estadística T-Student. Según Sánchez

(2015) indica que La prueba t-Student se fundamenta en dos premisas; la primera: en la
distribución de normalidad, y la segunda: en que las muestras sean independientes.
Permite comparar muestras, N ≤ 30 y/o establece la diferencia entre las medias de las
muestras. El análisis matemático y estadístico de la prueba con frecuencia se minimiza
para N > 30, utilizando pruebas no paramétricas, cuando la prueba tiene suficiente poder
estadístico.

De la hipótesis general, se ha extraído esta hipótesis estadística:

Hipótesis H0: El Chatbot basado en inteligencia artificial no mejora la gestión de

incidencias en el área de soporte de Netforce GS

Hipótesis H𝑎: El Chatbot basado en inteligencia artificial mejora la gestión de incidencias

en el área de soporte de Netforce GS

Hipótesis Específicas

HE1 = Hipótesis Especifica 1

Hipótesis H0: El Chatbot basado en inteligencia artificial no incrementa la ratio de

reincidencias en el área de soporte de Netforce GS.

65
 H0: RRId <= RRIa

Donde:

RRIa: Ratio de incremento de reincidencias antes de utilizar el Chatbot.

RRId: Ratio de incremento de reincidencias después de utilizar el Chatbot.

Hipótesis H𝑎: El Chatbot basado en inteligencia artificial incrementa la ratio de

reincidencias en el área de soporte de Netforce GS.

H𝑎: RRId > RRIa

Donde:

RRIa: Ratio de incremento de reincidencias antes de utilizar el Chatbot.

RRId: Ratio de incremento de reincidencias después de utilizar el Chatbot.

HE2 = Hipótesis Especifica 2

Hipótesis H0: El Chatbot basado en inteligencia artificial no disminuye la ratio de

incidencias resueltas en el área de soporte de Netforce GS.

H0: RRd <= RRa

Donde:

RRa: Ratio de incidencias resueltas antes de utilizar el Chatbot.

RRd: Ratio de incidencias resueltas después de utilizar el Chatbot.

Hipótesis H𝑎: El Chatbot basado en inteligencia artificial disminuye la ratio de incidencias

resueltas en el área de soporte de Netforce GS.

66
 H𝑎: RRd > RRa

Donde:

RRa: Ratio de incidencias resueltas antes de utilizar el Chatbot.

RRd: Ratio de incidencias resueltas después de utilizar el Chatbot.

3.7 Aspectos éticos

Esta investigación se basa en datos confidenciales completamente profesionales brindados

por la empresa y por consecuencia no se puede distribuir con otra finalidad, asimismo, no
alterarse y que esta sea utilizada correctamente, y señalada, en relación con los análisis de
datos con los que se trabajarán.

67
IV. RESULTADOS
Este capítulo gráfico los resultados que se obtuvieron en la investigación realizada durante
2 etapas para determinar la hipótesis en base al diseño Pre-Experimental. Los indicadores
analizados en la investigación son el Ratio de incidencias resueltas y Reincidencias. Se
analiza la implementación del chatbot en el sistema web y los resultados del indicador se
muestran en el informe posterior a la prueba. Los resultados se calculan con la herramienta
del SPSS y la prueba de normalidad se realiza de acuerdo con el tamaño de muestra
especificado.
4.1 Análisis descriptivos.

El proyecto implementó un chatbot basado en inteligencia artificial para determinar la ratio

de incidencia resueltas y ratio de reincidencias en la empresa Netforce GS. Primero que
todo se realizó un pre-test para analizar el estado actual de los indicadores; luego de
implementar el chatbot se analizó nuevamente la ratio de incidencias resueltas y ratio de
reincidencias para el proceso de gestión de incidencias. Los resultados descriptivos de
estos indicadores se muestran en las tablas N12 y N13.
Ratio de incidencia resueltas

Los resultados descriptivos del Ratio de incidencia resueltas se visualizan en la Tabla 12:

Estadísticos descriptivos
N Mínimo Máximo Media Desv.
Desviación
Incidencia Resueltas 20 25,00 66,67 44,9830 14,16906
PreTest
Incidencia Resueltas 20 66,67 100,00 89,5840 14,77675
PosTest
N válido (por lista) 20

Fuente: Elaboración propia

Tabla 12: Medidas descriptivas del indicador Ratio de incidencia resueltas
antes y después de implementar el chatbot

Se logró un promedio de 45% de pretest y 89% de post-tests para el Ratio de incidencias

resueltas. Se muestra la diferencia entre el antes y el después de implementar un chatbot.
Además, la ratio de incidencias resueltas mínima fue del 25% antes, y 67% después de

68
la implementación del chatbot; mientras que la máxima fue del 67%, y 100% después. Y,
por último, hubo una desviación del Ratio de incidencia resuelta, una variación del 14%
en el pretest. Fue del 14% en la prueba del postest.

Figura 20: Ratio de Incidencia Resueltas antes y después de implementar el Chatbot.

Ratio de reincidencias
La Tabla 13 muestra la descripción del Ratio de Reincidencias:
Estadísticos descriptivos
N Mínimo Máximo Media Desv.
Desviación

Reincidencia 20 50,00 100,00 74,1680 18,90595

Pretest
Reincidencia 20 ,00 66,67 38,3315 13,35641
Postest
N válido (por lista) 20
Fuente: Elaboración propia
Tabla 13: Medidas descriptivas del indicador Ratio de Reincidencia antes y
después de implementar el chatbot

En el caso del Ratio de reincidencias, se obtuvo un promedio del 74% en el pretest, y fue
del 38% en el postest. Indica la diferencia del antes y después de la implementación del
chatbot. Además, la ratio de reincidencias mínima fue del 50% antes, y 0% después de

69
la implementación del chatbot; mientras que la máxima fue del 100%, y 66% después.
Y, por último, hubo una desviación del indicador Ratio de reincidencias, una variación del
18% en el pretest. En la prueba del postest fue del 13%.

Figura 21: Ratio de Reincidencias antes y después de implementar el Chatbot.

4.2 Análisis Inferencial

Prueba de Normalidad

Se realizó una prueba de normalidad (Pretest y Postest) en ambos indicadores con el

objetivo de tener una distribución normal.
Muchos procedimientos estadísticos en la actualidad se basan en la normalidad de la
población, por lo tanto, usar una prueba de normalidad para determinar si se debe
rechazar esta hipótesis es un paso importante en el análisis. Shapiro-Wilk y Kolmogórov-
Smirnov se destacan en la prueba para determinar si las muestras son de una población
inusual.

Según Guillermo Droppelmann (2018) un programa estadístico STATA no recomienda la

prueba de Kolmogorov Smirnov porque no es suficiente especificar la normalidad, pero
por convención se supone que se usa cuando hay más de 50 valores; y viceversa cuando
se tiene menos de 50 valores en la variable, la prueba de normalidad de Shapiro-Wilk es

70
más adecuada para esta categoría de tamaño cuando se recomienda con fines
experimentales.

Dado que el tamaño de muestra para del indicador Ratio de incidencias resueltas es
de 20 registros y para el Ratio de Reincidencias es de 20 registros, se utilizó el método
de Shapiro Wilk para ambos indicadores. La validación se realizó con la herramienta
SPSS 25.0 y alcanzó un nivel de confianza del 95% bajo las siguientes condiciones:
En los siguientes casos:
Sig. < 0.05 asume una distribución no normal
Sig. >= 0.05 asume una distribución normal
Donde:
Sig: P-valor o valor de contraste crítico.
Los resultados obtenidos son los siguientes:
INDICADOR: Ratio de incidencias resueltas
Con el objetivo de escoger la prueba más precisa para la hipótesis propuesta; los
datos obtenidos se presentaron para verificar la exactitud de su distribución, de esta
manera se analizó si los datos obtenidos del Ratio de incidencias resueltas eran de
carácter normal o no normal

Shapiro-Wilk
Estadístico gl Sig.
Incidencia Resueltas PreTest ,861 20 ,008

Incidencia Resueltas Postest ,653 20 ,000

Fuente: Elaboración Propia

Tabla 14: Prueba de normalidad del indicador Ratio de incidencias Resueltas

En la Tabla 14 se visualiza de manera detallada los resultados de la prueba los cuales

indican que el Sig. del Ratio de incidencias resueltas en el pretest fue de 0.008 el cual
es menor a 0.05. Por tanto, el Ratio de incidencias resueltas no tiene una distribución
normal. Para culminar la prueba del postest indica que el Sig. del Ratio de incidencias
resueltas fue de 0.000 lo que indica que es inferior a 0.05. Por lo tanto, el Ratio de
71
incidencia resueltas no se distribuye normalmente. Se confirma por la distribución no
normal de ambos datos de muestra, como se visualiza en las Figuras N 22 y N23.

Figura 22: Prueba de normalidad del indicador Ratio de incidencias resueltas antes de implementar
el Chatbot.

Figura 23: Prueba de normalidad del indicador Ratio de incidencias resueltas después de
implementar el Chatbot.

INDICADOR: Ratio de reincidencia

Con el objetivo de escoger la prueba más precisa para la hipótesis, se presentan los
datos obtenidos para analizar la exactitud de su distribución, y así analizar si los datos
72
obtenidos del Ratio de reincidencias son normal o no normal.

Shapiro-Wilk
Estadístico gl Sig.

Reincidencia Pretest ,817 20 ,002

Reincidencia Postest ,779 20 ,000

Fuente: Elaboración Propia

Tabla 15: Prueba de normalidad del indicador Ratio de reincidencias

En la Tabla 15 detalla los resultados de la prueba; esto indica que el Sig. del Ratio de
reincidencias en el pretest fue de 0.002 que es inferior a 0.05. Por tanto, el Ratio de
reincidencias presenta una distribución no normal. Para culminar la prueba del postest
indica que el Sig. del Ratio de reincidencias fue de 0.000, el cual es menor a 0.05, por
tanto, el Ratio de reincidencias no se distribuye normalmente. Después de confirmar lo
anterior, la distribución no normal de ambos datos de la muestra se muestra en las
figuras 24N Y 25N.

73
 Figura 24: Prueba de normalidad del indicador Ratio de reincidencias antes de implementar el
Chatbot.

Figura 25: Prueba de normalidad del indicador Ratio de reincidencias después de implementar el
Chatbot.

4.3 Prueba de Hipótesis

Hipótesis de Investigación 1:
✔ H1: Un chatbot basado en inteligencia artificial incremente la ratio de
incidencias resueltas en el área de soporte de Netforce GS.
✔ Indicador: Ratio de incidencias resueltas.

Hipótesis Estadísticas
Definición de variables:
⮚ RRa: Ratio de incidencias resueltas antes de utilizar el Chatbot.
⮚ RRd: Ratio de incidencias resueltas después de utilizar el Chatbot.

✔ Hipótesis H0: El Chatbot basado en inteligencia artificial no incrementa la ratio

de incidencias resueltas en el área de soporte de Netforce GS.
74
 H0: RRd <= RRa
El indicador sin el Chatbot es mejor que el indicador con el Chatbot.
✔ Hipótesis H𝑎: El Chatbot basado en inteligencia artificial incrementa la ratio de
incidencias resueltas en el área de soporte de Netforce GS.

H𝑎: RRd > RRa

El indicador con el Chatbot es mejor que el indicador sin el Chatbot.

Fuente: Elaboración Propia

Figura 26: Ratio de incidencias resueltas – Comparativo General

En la Figura 26 se visualiza que aumentó el Ratio de incidencias resueltas, asimismo se

visualiza que se incrementa en aproximadamente un 45%. Para los resultados del
contraste de hipótesis se utilizó la prueba de Wilcoxon debido a que los datos obtenidos
durante el estudio (pretest y postest) no tienen una distribución normal.

Rangos
N Rango Suma de
promedio rangos

Incidencia Resueltas Postest Rangos negativos 0a ,00 ,00

75
 - Incidencia Resueltas Rangos positivos 20b 10,50 210,00
Pretest
Empates 0c
Total 20
a. Incidencia Resueltas Postest < Incidencia Resueltas Pretest
b. Incidencia Resueltas Postest > Incidencia Resueltas Pretest
c. Incidencia Resueltas Postest = Incidencia Resueltas Pretest

Tabla 16: Rangos de Wilcoxon para la ratio de incidencias resueltas antes y

después de implementar el chatbot.

Estadísticos de prueba
Incidencia Resueltas Postest -
Incidencia Resueltas Pretest

Z -3,937b
Sig. asintótica(bilateral) ,000
a. Prueba de rangos con signo de Wilcoxon
b. Se basa en rangos negativos.

Tabla 17: Resultado de la prueba de Wilcoxon para la ratio de incidencias

resueltas antes y después de implementar el chatbot.

Se reemplaza la u:

Reemplazando entonces en 𝜎 :

76
Reemplazando entonces en z:

El valor de Z es de “-1.96” y “1.96” seleccionado.

REGIÓN RECHAZO

REGIÓN DE ACEPTACIÓN
Z=-3.52
Z=-1.96

Figura 27: Rango wilcoxon – Ratio de incidencias resueltas

Los valores Z se seleccionan de acuerdo con la tabla de valores Z (con un 95 % de confianza).

Por lo tanto, T es igual a "-1,96" y "1,96". De acuerdo con los resultados del contraste de hipótesis,
se utilizó el rango de Wilcoxon debido a que los datos obtenidos durante el estudio (pretest y
postest) no se distribuyeron normalmente. Dado que el valor de contraste z es -3,52, muy por
debajo del z teórico de -1,96, se rechaza la hipótesis nula y se acepta la hipótesis alternativa con
un 95% de confianza. Además, como se muestra en la Figura 26, el valor z obtenido se encuentra

77
dentro del rechazo de la hipótesis nula. Por lo tanto, un chatbot basado en inteligencia artificial
incrementa la ratio de incidencias resueltas en el área de soporte de Netforce GS.

Hipótesis de Investigación 2:
✔ H1: El Chatbot basado en inteligencia artificial disminuye la ratio de reincidencias
en el área de soporte de Netforce GS.
✔ Indicador: Ratio de reincidencias.

Hipótesis Estadísticas
Definición de variables:
⮚ RRIa: Ratio de incremento de reincidencias antes de utilizar el Chatbot.
⮚ RRId: Ratio de incremento de reincidencias después de utilizar el Chatbot.

✔ Hipótesis H0: El Chatbot basado en inteligencia artificial no disminuye la ratio de

reincidencias en el área de soporte de Netforce GS.

H0: RRId <= RRIa

El indicador sin el Chatbot es mejor que el indicador con el Chatbot.
✔ Hipótesis H𝑎: El Chatbot basado en inteligencia artificial disminuye la ratio de
reincidencias en el área de soporte de Netforce GS.

H𝑎: RRId > RRIa

El indicador con el Chatbot es mejor que el indicador sin el Chatbot.

78
 Fuente: Elaboración Propia
Figura 28: Ratio de reincidencias – Comparativo General

En la Figura 28 se visualiza que disminuye el Ratio de reincidencias, asimismo se

visualiza que se reduce en aproximadamente un 36%. Con respecto a los resultados
de contraste hipótesis, se usó la prueba de Wilcoxon porque los datos
(preidentificados) obtenidos durante la prueba no se distribuyen normalmente.

Rangos
N Rango Suma de
promedio rangos

Reincidencia Postest - Rangos negativos 16a 9,47 151,50

Reincidencia Pretest
Rangos positivos 1b 1,50 1,50
Empates 3c
Total 20
a. Reincidencia Postest < Reincidencia Pretest
b. Reincidencia Postest > Reincidencia Pretest
c. Reincidencia Postest = Reincidencia Pretest

Tabla 18: Rangos de Wilcoxon para la ratio de reincidencias antes y después de

implementar el chatbot.

79
 Estadísticos de prueba
Reincidencia Postest -
Reincidencia Pretest

Z -3,590b
Sig. asintótica(bilateral) ,000
a. Prueba de rangos con signo de Wilcoxon

b. Se basa en rangos positivos.

Tabla 19: Resultado de la prueba de Wilcoxon para la ratio de reincidencias

antes y después de implementar el chatbot.

Calculando en la variable u:

Calculando en la variable 𝜎 :

Calculando en la variable z:

80
Se selecciona el valor de Z siendo de “-1.96” y “1.96”.

Figura 29: Rango wilcoxon para Ratio de reincidencias

Se utiliza la tabla de valores Z (con un 95% de confianza) para seleccionar los valores Z y como
resultado se obtiene que T es igual a "-1,96" y "1,96". Durante el estudio pretest y postest, se
obtuvieron datos que no se distribuyen normalmente, en ese sentido, se utiliza el rango de
Wilcoxon para el resultado de la hipótesis. Por otro lado, el valor de contraste z obtuvo un valor de
-3,86, siendo este muy por debajo del z teórico de -1,96, resolviendo que se rechaza la hipótesis
nula, y, en consecuencia, se acepta la hipótesis alternativa con un 95% de confianza. Finalmente,
como se muestra en la Figura 26, el valor z obtenido se encuentra dentro del rechazo de la
hipótesis nula. En ese sentido, se concluye que un chatbot basado en inteligencia artificial
disminuye la ratio de reincidencias en el área de soporte de Netforce GS.

81
V. DISCUSIÓN
A partir de los resultados obtenidos, comparamos los dos indicadores considerados en el
proyecto. En la recolección de datos en la empresa Netforce GS, se consideraron los
indicadores de la gestión de incidencia, los cuales son Ratio de incidencias resueltas y Ratio
de Reincidencias.

El primer indicador del Pre-Test tuvo una media del 44.98% y se comparó con el resultado del
Pos Test que logró una media del 89.58%. Los resultados que se obtuvieron reflejaron un
incremento del 45% aproximadamente. Al contrastar los resultados que se obtuvieron de los
autores Víctor Cutipa y Carlos Palomino en su tesis “Sistema Web para el control de
incidencias de los terminales de radio de la DIVTEL PNP”, se evidenció que antes del sistema
se obtuvo una media del 47.97%, y como resultado de la implantación del sistema en el Pos
Test alcanzó un 71.77%. De la misma manera se contrastó los resultados del autor Luigi
Chipulina con la tesis “Sistema web para la gestión de incidencias en la empresa consulit
s.a.c”, se observó que antes de la solución tecnológica se tenía una media del 44.67% y como
resultado de la implantación del sistema en el Pos Test se obtuvo un 84.77% con un
incremento del 40.10% favorable. Afirmando lo indicado anteriormente se llegó a la conclusión
que dentro del proceso de gestión de incidencias en el área de soporte de Netforce GS, el
chatbot será eficiente.

Por otro lado, el segundo indicador del Pre-Test tuvo una media del 74.16% y se comparó con
el resultado del Pos Test que logró una media del 38.33%. Los resultados que se obtuvieron
reflejaron una disminución del 35.83% aproximadamente logrando una mejor en el proceso.
Al contrastar los resultados que se obtuvieron de los autores Victor Cutipa y Carlos Palomino
en su tesis “Sistema Web para el control de incidencias de los terminales de radio de la DIVTEL
PNP”, antes del uso del sistema web tuvo una media del 47.97%, y luego del uso del Sistema
Web, el Pos Test se obtuvo un 21.76%. De la misma manera se contrastó los resultados del
autor Luigi Chipulina con la tesis “Sistema web para la gestión de incidencias en la empresa
consulit s.a.c” se observó que antes de la implementación del Sistema web, tenía una media
del 56.19% y con la implantación de la solución tecnológica en el Pos Test se logró un 74.81%
con un 10.71 en contra. Afirmando lo indicado anteriormente se llegó a la conclusión que
dentro del proceso de gestión de incidencias en el área de soporte de Netforce GS, el chatbot
será eficiente.

82
VI. CONCLUSIÓN

Se resuelve que el Ratio de incidencias resueltas dentro del proceso de gestión de

incidencias en el área de Soporte de Netforce GS, obtuvo unos resultados del Pre-
Test de 44.98% y luego de implementar el chatbot en el sistema de incidencias
obtuvo un resultado del 89.58%, de esta manera se incrementó un 45% y se afirma
la hipótesis que incrementa el valor de incidencias resueltas.

Se resuelve que el Ratio de reincidencias dentro del proceso de gestión de

incidencias en el área de Soporte de Netforce GS, obtuvo unos resultados del Pre-
Test de 74.16% y luego de implementar el chatbot en el sistema de incidencias
obtuvo un resultado del 38.33%, de esta manera se disminuyó un 35.83% y se afirma
la hipótesis que considero una disminución en el nivel de reincidencias

En los resultados obtenidos por el chatbot se puede observar una mejora en los
indicadores de incidencia que se presentaban antes de implementar el chatbot lo
cual muestra una variación favorable a los tiempos de respuesta que presta la
empresa a los clientes de manera más eficaz.

83
 VII. RECOMENDACIONES

En el presente trabajo de investigación se han implementado dos indicadores de

incidencia, por el cual se recomienda a futuro evaluar la posibilidad de trabajar con
un indicador adicional de la gestión de incidencia lo cual va a permitir a la
organización mejorar su proceso de atención a los usuarios.

Se recomienda a la organización destinar una parte de sus utilidades en la inversión

de TI, para evaluar la opción de implementar un chatbot en otras áreas de la empresa
lo cual va a permitir absolver preguntas atender de manera más rápida y eficiente a
los usuarios mejorando la imagen de la organización en la experiencia al usuario.

Las empresas deberían llevar a cabo periódicamente una auditoría interna puesto
que es decisivo conocer el estado actual y ahondar mejoras en el funcionamiento del
chatbot que permita una mejora continua de la tecnología implementada.

Se anima a las organizaciones a utilizar este estudio como base para futuras
investigaciones de otros proyectos relacionados al mejoramiento del proceso que
gestiona las incidencias.

84
 REFERENCIAS
1. Arias Odón, F. G. (2006). Conceptos básicos de muestreo. En L. García
Villarreal (Ed.), El proyecto de investigación: Introducción a la metodología
científica (pp. 81). Episteme

2. Álvarez Caules, C. (2016, 21 julio). ¿Qué es TypeScript? Cantabria TIC.

[Link]

3. Barbosa Vargas, A., & Banchón Cedeño, J. (2017). Desarrollo de un servicio

web chatbot basado en mesa de ayuda para las empresas ecuatorianas.
[Tesis de pregrado, Universidad de Guayaquil]. DSpace.
[Link]

4. Bergamaschi, S. (2019, 01 de abril). Chatbot, Intelligenza Artificiale e

Soluzioni Tecnologiche nella Pubblica. Chatbot Intelligenti.

5. Burgos Romero, M. B., Huamán Saavedra, D. A. T. (2019). Implementación

de un chatbot, utilizando la metodología iconix para mejorar el proceso de
ventas en la empresa eac steel e.i.r.l. [Tesis de pregrado, Universidad
Autónoma]. Repositorio de la Universidad Autónoma del Perú. Recuperado
de [Link]

6. Caice, K., Gómez, E., Infante, E., Merchán, G., & Redroban, A. (2014).
Cibernética e Inteligencia Artificial. Guayaquil, Guayas, Ecuador. Recuperado
en 13 de junio de 2018, de
[Link]

7. Charlan, J. (2018). Qué es un chatbot y para qué sirve. Esic.

[Link]

8. Chipulina Puelles, L. (2018). Sistema web para la gestión de incidencias en

la empresa consulit s.a.c, Peru [Tesis para optar el grado de título,
Universidad Cesar Vallejo]. Repositorio Digital Institucional Universidad
Cesar Vallejo
[Link]

9. Cobos Torres, J. C. (2013). Integración de un como habilidad de un robot

social con gestor de diálogos. [Tesis de maestría].
[Link]
[Link]

10. Contreras M., Enrique C., (2011). La calidad del servicio y la satisfacción del
consumidor Revista Brasileira de Marketing, Vol. 10, núm., pp. 146-162
Universidade Nove de Julho São Paulo, Brasil: Delta SR.

11.
85
12. Cutipa Gamarr, V. & Palomino Chamorro, C. (2021). Sistema Web para el
control de incidencias de los terminales de radiode la DIVTEL PNP, Peru
[Tesis para optar el grado de título, Universidad Cesar Vallejo]. Repositorio
Digital Institucional Universidad Cesar Vallejo
[Link]

13. Dimes, T. (2016). Conceptos Básicos De Scrum: Desarrollo De Software

Agile Y Manejo De Proyectos Agile. BABELCUBE INC.

14. Escolano Ruiz, F.,Cazorla Quevedo, M.,Alfonso Galipienso, I., Colomina

Pardo, O., & Lozano Ortega, M.(2003). Inteligencia Artificial Modelos,
Técnicas y Áreas de Aplicación. Alicante: Thomson Ediciones: Spa

15. Estrada Cutimbo, L. (2018). Implementar chatbot basado en inteligencia

artificial para la gestión de requerimientos e incidentes en una empresa de
seguros. [Tesis de pregrado, Universidad San Ignacio de Loyola]. Repositorio
de la Universidad San Ignacio de Loyola. Recuperado de
[Link]

16. García, A. (2019). Inteligencia artificial Fundamentos, práctica y aplicaciones.

Madrid: Libros CR

17. García Reina, L. F. (2018). Asistente virtual de tipo ChatBot. [Tesis de

pregrado, Universidad Católica de Colombia]. Repositorio Institucional
Universidad Católica de Colombia – RIUCaC. Recuperado de
[Link]

18. Garibay Ornelas, F. A. (2020). Diseño e implementación de un asistente

virtual (chatbot) para ofrecer atención a los clientes de una aerolínea
mexicana por medio de sus canales conversacionales. [Tesis de maestría,
INFOTEC Centro de Investigación e Innovación en Tecnologías de la
Información y Comunicación]. Infotec Repositorio.
[Link]

19. Gestión de servicio de TI Basadas en ITIL.v3 por Juan V. Bon [et al.].Holanda:
van Harén Publisbing, 2011. 174. ISBN: 9087531060.

20. González, A., & Brea, F. (2006). Relación entre la calidad del servicio y la
satisfacción del consumidor: Su evaluación en el ámbito del turismo termal.
Investigaciones Europeas de Dirección y Economía de la Empresa, 12(1):
251-272.

21. González, A. (2013). Adaptación de la metodología de procesos ITIL V2 de

una empresa a ITIL V3. (Tesis de grado). Universidad Politécnica de
Cataluña. Barcelona, España.

86
22. Guillén Torres, B. (04 de septiembre de 2016). El verdadero padre de la
inteligencia artificial. OpenMind BBVA.
[Link]
verdadero-padre-de-la-inteligencia-artificial/

23. Huera Méndez, F. C. (2019). Diseño de un chatbot para la reducción de

tiempo de espera en gestión de solicitudes e incidentes del área
administrativo en la universidad científica del sur. [Tesis de pregrado,
Universidad científica del sur]. Repositorio Institucional – UCS. Recuperado
de [Link]

24. IBM. (2016). Catalogo: IBM Watson. Retrieved from IBM Bluemix:
[Link] 91

25. IBM Research. (2016). IBM Research. Retrieved from Cognitive computing:
[Link]
computing/[Link]#fbid=Bq6nLjjRAYi

26. Interxion. (5 de marzo de 2018). Inteligencia artificial: glosario de términos.

[Link]
terminos

27. Jones, H. (2019). Aprendizaje Automático: El Aprendizaje Automático para

principiantes que desean comprender aplicaciones, Inteligencia Artificial,
Minería de Datos, Big Data y más. Madrid: Libros CR

28. López de Mántaras, R., "El futuro de la IA: hacia inteligencias artificiales
realmente inteligentes", en ¿Hacia una nueva Ilustración? Una década
trascendente, Madrid, BBVA, 2018.

29. Martines Carpio, J. A. (2019). Desarrollo de un asistente virtual (chatbot) para

la automatización de la atención al cliente. [Tesis de pregrado, Universidad
de Guayaquil]. Repositorio Universidad de Guayaquil. Recuperado de
[Link]

30. Maluenda, R. (21 de enero de 2021). Qué es un algoritmo informático:

características, tipos y ejemplos. Profile. [Link]
algoritmo-informatico/

31. Mejía García, M. J. (2019). Implementación de un chatbot para mejorar el

proceso de atención de requerimientos de primer nivel en el área de sistemas
de la empresa Aeropuertos del Perú S.A. [Tesis de pregrado, Universidad
Privada del Norte]. Repositorio de la Universidad Privada del Norte.
Recuperado de [Link]

87
32. OpenMind BBVA. (s.f.). Medir la inteligencia artificial: el test de Turing.
[Link]
inteligencia-artificial-el-test-de-turing/

33. Paex, F. (2020, 20 marzo). Cómo hacer tu Chatbot Inteligente de verdad.

Recuperado de [Link]
verdad/

34. Perca Quispe, M. E., & Lazo Yucra, D. D. (2021). Chatbot Para Mejorar Las
Ventas en la Empresa Comercializadora Multiservicios Aries E.I.R.L.
Moquegua. [Tesis de pregrado, Universidad César Vallejo]. Repositorio de la
Universidad César Vallejo. Recuperado de
[Link]

35. ¿Qué es la inteligencia artificial? (8 de noviembre de 2021). ROI Marketing

Digital.[Link]

36. Ramió, C. (2018). Inteligencia artificial y Administración pública: Robots y

humanos compartiendo el servicio público. Madrid: Los libros de la catarata.

37. Rathod, A. (2019). La transformación de las tecnologías móviles a través de

la inteligencia artificial y los chatbots. Procesamiento del lenguaje natural.
España: Paraninfo

38. Serrano García A. (2012). Inteligencia Artificial. Fundamentos, práctica y

aplicaciones. Madrid: Libros CR.

39. Sommerville Ian. (2015). Ingeniería de software. México: Person Educación,

2015.

40. Torres, J. (2013). Integración de un Chatbot como habilidad de un robot social

con gestor de diálogos (Tesis de Maestría). Universidad Carlos III De Madrid,
España.

41. Vásquez, A., & Huerta H., & Pariona J., & Huayna A. (2009). Procesamiento
de lenguaje natural. España: Libro CR

42. Varo, J. (2009). Gestión estratégica de la calidad en los servicios sanitarios.

España: Paraninfo

43. Zarabia Zuñiga, O. H. (2018). Implementación de un chatbot con

botframework: caso de estudio, servicios a clientes del área de fianzas de
seguros Equinoccial. [Tesis de pregrado, Escuela Politecnica Nacional].
BIBDIGITAL. [Link]

88
44. Ñaupas H., & Valdivia M., & Palacios J., & Romero H. (2018). Metodología de
la investigación cuantitativa – cualitativa y redacción de tesis. Colombia:
Ediciones de la U

45. Ñaupas H., & Valdivia M., & Palacios J., & Romero H. (2018). Metodología de
la investigación cuantitativa – cualitativa y redacción de tesis. Colombia:
Ediciones de la U

46. Mejía, E. (2013). Investigación científica en educación. Lima: UNMSM-

CEPREDIM
47.
48. Jason, L. & So, S.& Brown, A. & Sunnquist, M. & Evans, M. (2015). Test-
Retest Reliability of the DePaul Symptom Questionnaire. Fatigue:
biomedicine, health & behavior, 3(1), 16–32.
[Link]

49. Sánchez Turcios, Reinaldo Alberto. (2015). t-Student: Usos y abusos. Revista
mexicana de cardiología, 26(1), 59-61. Recuperado en 3 de diciembre de
2021, de [Link]
21982015000100009&lng=es&tlng=es.

50. Hernández, R. & Fernández, C. & Baptista, María. Metodología de la

investigación. 5 ª ed. México: Mcgraw-hill, 2010. 656 pp. ISBN: 978607150

89
ANEXOS

90
ANEXO 01: MATRIZ DE CONSISTENCIA

91
ANEXO 02: DIAGRAMA DE ISHIKAWA
ANEXO 03: DIAGRAMA DE PROCESO
ANEXO 04: CARTA DE PRESENTACIÓN
ANEXO 05: VALIDACIÓN DE LA METODOLOGÍA 1
ANEXO 06: VALIDACIÓN DE LA METODOLOGÍA 2
ANEXO 07: VALIDACIÓN DE LA METODOLOGÍA 3
ANEXO 08: VALIDACIÓN DEL INSTRUMENTO 1
ANEXO 09: VALIDACIÓN DEL INSTRUMENTO 2
ANEXO 10: VALIDACIÓN DEL INSTRUMENTO 3
ANEXO 11: VALIDACIÓN DEL INSTRUMENTO 4
ANEXO 12: VALIDACIÓN DEL INSTRUMENTO 5
ANEXO 13: VALIDACIÓN DEL INSTRUMENTO 6
 ANEXO 14: TEST DE RATIO DE REINCIDENCIA

Ficha de Registro - Test

Investigadores : Sheila Cisneros Caceres y Bryan Terrones Herrera
Empresa : Netforce GS Indicador Ratio de reincidencias

Variable Indicador Medida Formula

Proceso de
RRI Unidad
incidencia

Número de RRI (Expresado en

Item Fecha Numero total de incidencias
reincidencias porcentaje)
1 03/11/2021 2 4 50.00
2 04/11/2021 2 3 66.67
3 05/11/2021 2 3 66.67
4 06/11/2021 1 2 50.00
5 07/11/2021 2 4 50.00
6 08/11/2021 2 3 66.67
7 09/11/2021 1 2 50.00
8 10/11/2021 0 0 0.00
9 11/11/2021 1 2 50.00
10 12/11/2021 1 2 50.00
11 13/11/2021 2 3 66.67
12 14/11/2021 1 4 25.00
13 15/11/2021 0 0 0.00
14 16/11/2021 1 2 50.00
15 17/11/2021 2 4 50.00
16 18/11/2021 1 2 50.00
17 19/11/2021 1 2 50.00
18 20/11/2021 1 3 33.33
19 21/11/2021 1 3 33.33
20 22/11/2021 1 2 50.00
TOTAL 50
 ANEXO 15: RE-TEST DE RATIO DE REINCIDENCIA

Ficha de Registro - Re-Test

Investigadores : Sheila Cisneros Caceres y Bryan Terrones Herrera
Empresa : Netforce GS Indicador Ratio de reincidencias

Variable Indicador Medida Formula

Proceso de
RRI Unidad
incidencia

Número de RRI (Expresado en

Item Fecha Numero total de incidencias
reincidencias porcentaje)
1 23/11/2021 2 3 66.67
2 24/11/2021 2 3 66.67
3 25/11/2021 2 3 66.67
4 26/11/2021 1 2 50.00
5 27/11/2021 2 4 50.00
6 28/11/2021 2 3 66.67
7 29/11/2021 1 2 50.00
8 30/11/2021 0 0 0.00
9 01/12/2021 1 3 33.33
10 02/12/2021 1 2 50.00
11 03/12/2021 2 3 66.67
12 04/12/2021 1 3 33.33
13 05/12/2021 2 3 66.67
14 06/12/2021 1 2 50.00
15 07/12/2021 2 4 50.00
16 08/12/2021 1 3 33.33
17 09/12/2021 1 2 50.00
18 10/12/2021 0 0 0.00
19 11/12/2021 1 3 33.33
20 12/12/2021 1 2 50.00
TOTAL 50
 ANEXO 16: TEST DE RATIO DE INCIDENCIA RESUELTAS

Ficha de Registro - Test

Investigadores : Sheila Cisneros Caceres y Bryan Terrones Herrera
Empresa : Netforce GS Indicador Ratio de incidencias resueltas

Variable Indicador Medida Formula

Proceso de
RIR Unidad
incidencia

Numero de RIR (Expresado

Item Fecha Numero total de incidencias
incidencias resueltas en porcentaje)

1 03/11/2021 0 4 0.00
2 04/11/2021 1 3 33.33
3 05/11/2021 2 3 66.67
4 06/11/2021 1 2 50.00
5 07/11/2021 1 4 25.00
6 08/11/2021 2 3 66.67
7 09/11/2021 1 2 50.00
8 10/11/2021 0 0 0.00
9 11/11/2021 1 2 50.00
10 12/11/2021 1 2 50.00
11 13/11/2021 1 3 33.33
12 14/11/2021 1 4 25.00
13 15/11/2021 0 0 0.00
14 16/11/2021 1 2 50.00
15 17/11/2021 1 4 25.00
16 18/11/2021 1 2 50.00
17 19/11/2021 1 2 50.00
18 20/11/2021 1 3 33.33
19 21/11/2021 1 3 33.33
20 22/11/2021 1 2 50.00
TOTAL 50
 ANEXO 17: RE - TEST DE RATIO DE INCIDENCIA RESUELTAS

Ficha de Registro - Re-Test

Investigadores : Sheila Cisneros Caceres y Bryan Terrones Herrera
Empresa : Netforce GS Indicador Ratio de incidencias resueltas

Variable Indicador Medida Formula

Proceso de incidencia RIR Unidad

Numero de RIR (Expresado

Item Fecha Numero total de incidencias
incidencias resueltas en porcentaje)

1 23/11/2021 0 3 0.00
2 24/11/2021 1 3 33.33
3 25/11/2021 2 3 66.67
4 26/11/2021 1 2 50.00
5 27/11/2021 1 4 25.00
6 28/11/2021 2 3 66.67
7 29/11/2021 1 2 50.00
8 30/11/2021 0 0 0.00
9 01/12/2021 1 3 33.33
10 02/12/2021 1 2 50.00
11 03/12/2021 1 3 33.33
12 04/12/2021 1 3 33.33
13 05/12/2021 2 3 66.67
14 06/12/2021 1 2 50.00
15 07/12/2021 1 4 25.00
16 08/12/2021 1 3 33.33
17 09/12/2021 1 2 50.00
18 10/12/2021 0 0 0.00
19 11/12/2021 1 3 33.33
20 12/12/2021 1 2 50.00
TOTAL 50
ANEXO 18: POST - TEST DE RATIO DE INCIDENCIA RESUELTAS

Ficha de Registro - Post-Test

Investigadores : Sheila Cisneros Caceres y Bryan Terrones Herrera
Empresa : Netforce GS Indicador Ratio de incidencias resueltas

Variable Indicador Medida Formula

Proceso de
RIR Unidad
incidencia

Numero de Numero total

RIR (Expresado en
Item Fecha incidencias de
porcentaje)
resueltas incidencias
1 01/03/2022 3 3 100.00
2 02/03/2022 3 4 75.00
3 03/03/2022 3 3 100.00
4 04/03/2022 3 4 75.00
5 05/03/2022 3 3 100.00
6 06/03/2022 3 3 100.00
7 07/03/2022 2 2 100.00
8 08/03/2022 2 3 66.67
9 09/03/2022 2 3 66.67
10 10/03/2022 2 2 100.00
11 11/03/2022 2 2 100.00
12 12/03/2022 3 4 75.00
13 13/03/2022 3 3 100.00
14 14/03/2022 2 2 100.00
15 15/03/2022 2 3 66.67
16 16/03/2022 2 2 100.00
17 17/03/2022 2 2 100.00
18 18/03/2022 2 2 100.00
19 19/03/2022 2 3 66.67
20 20/03/2022 2 2 100.00
TOTAL 55
 ANEXO 19: POST-TEST DE RATIO DE REINCIDENCIA

Ficha de Registro - Post-Test

Investigado
res : Sheila Cisneros Caceres y Bryan Terrones Herrera
Empresa : Netforce GS Indicador Ratio de reincidencias

Variable Indicador Medida Formula

Proceso de
RRI Unidad
incidencia
Numero total
Número de RRI (Expresado en
Item Fecha de
reincidencias porcentaje)
incidencias
1 01/03/2022 0 3 0.00
2 02/03/2022 1 3 33.33
3 03/03/2022 1 2 50.00
4 04/03/2022 1 3 33.33
5 05/03/2022 1 4 25.00
6 06/03/2022 1 3 33.33
7 07/03/2022 0 2 0.00
8 08/03/2022 1 3 33.33
9 09/03/2022 1 3 33.33
10 10/03/2022 1 3 33.33
11 11/03/2022 1 3 33.33
12 12/03/2022 1 3 33.33
13 13/03/2022 1 3 33.33
14 14/03/2022 1 2 50.00
15 15/03/2022 1 2 50.00
16 16/03/2022 1 3 33.33
17 17/03/2022 1 2 50.00
18 18/03/2022 0 3 0.00
19 19/03/2022 1 3 33.33
20 20/03/2022 1 2 50.00
TOTAL 55
ANEXO 20: TURNITIN
 ANEXO 21: DESARROLLO DE LA METODOLOGÍA SCRUM

Marco de trabajo Scrum

En la siguiente sección del trabajo, se explica de manera detallada los pasos a
realizar en el desarrollo de la metodología que se utilizará en la investigación.

EQUIPO SCRUM

Este es el equipo encargado de realizar el desarrollo de las diferentes fases de la

metodología, como de implementar cada parte de este, y construir los resultados
según lo planeado para maximizar la gama de productos como finalidad. Los
integrantes del grupo mencionado anteriormente se detallan en la siguiente tabla:

Persona Rol Contacto

Carla Moreno 994980359

Product Owner
Gamboa

Rubén Salina 987953837

Scrum Master
Tapia
EQUIPO 956325391
SCRUM Bryan Terrones
Herrera

Sheila Cisneros Equipo de 939767736

Cáceres desarrollo

988707514
Julián Alama

Tabla 20. Equipo Scrum

Matriz de impacto

Según ScrummStudy indica que la herramienta de información del producto para

el equipo detalla las prioridades a la hora de desarrollar un proyecto, para ellos
esto se refleja en la siguiente tabla:
 Prioridad

Muy Alta 1

Alta 2

Media 3

Baja 4

Muy Baja 5

Tabla 21. Matriz de impacto

Fuente: Confermar, 2015

PRODUCT BACKLOG

El Product Backlog se muestra a continuación en la tabla 3, en el cual se muestran los

requerimientos funcionales, sus respectivos números de historia de usuario, la
estimación en día (T.E) y prioridad (P.). Por tanto, el Product Owner procedió a analizar
el Product Backlog, el cual define los requerimientos más esenciales para el desarrollo
de cada entregables, se asocia con el desarrollo del Chatbot basado en inteligencia
artificial.

N° Requerimientos Funcionales Historias Estimación Prioridad

en días

RF1 Se crea un formulario de saludo al

usuario para tener una conversación UH1 1 2
interactiva con el chatbot.

RF2 Realizar la pantalla de logueo para el

UH2 2
usuario y el administrador.
1
RF3 Se realiza la verificación de la cuenta
UH2 2
registrada.

RF3 El sistema permite al usuario crear una

cuenta con nombre completo, correo y UH3 2 2
contraseña.

RF4 El sistema debe permitir al usuario

UH4 3 2
generar un reporte de sus incidencias.
RF5 El sistema debe permitir generar un
UH5 2 2
reporte de sus incidencias.

RF6 El sistema debe permitir generar un

UH5 2 2
reporte de sus reincidencias.

RF7 El sistema permite visualizar las

UH5 2 2
incidencias con conformidad.

RF8 El sistema debe tener la opción para

mostrar las diferentes opciones en el UH6 4 2
chatbot.

RF9 El sistema debe permitirle al

administrador visualizar los tickets de UH7 3 2
los usuarios.

RF10 El sistema permite registrar el ruc del

UH8 1 2
usuario.

RF11 El sistema permite completar los datos

UH9 1 2
del usuario.

RF12 El sistema debe permitir al

administrador generar un reporte de las UH10 3 2
incidencias.

RF13 El sistema debe permitir generar un

UH11 2
reporte de las incidencias resueltas.

RF14 El sistema debe permitir generar un

UH11 2
reporte de los usuarios activos.

RF15 El sistema debe permitir generar un

UH11 2
reporte de las reincidencias.

RF16 El sistema debe permitir generar un 3

UH11 2
reporte de los usuarios registrados.

RF17 El sistema debe tener la opción de

visualizar las conformidades de los UH11 2
usuarios.

RF18 El sistema filtrar mediante parámetros

UH12 3 2
los indicadores.

RF19 El sistema debe permitir visualizar los

UH13 3 2
datos personales del usuario.

RF20 Se realiza la integración del chatbot en UH14 1 2

 el sistema.

RF21 Se crean las Intenciones las cuales son UH16-

un propósito u objetivos que se UH17-
expresan en la entrada de un cliente. UH18-
UH19-
UH20-
21 2
UH21-
UH22-
UH23-
UH24
UH25

RF22 Se crean las Entidades las cuales son UH16-

inputs del usuario (palabras, categorías, UH17-
frases) que determinarán la respuesta UH18-
del chatbot. UH19-
UH20-
21 2
UH21-
UH22-
UH23-
UH24
UH25

RF23 Se crea el Diálogo el cual es la propia UH16-

estructura de la conversación. Adicional UH17-
se crean los nodos. UH18-
UH19-
UH20-
21 2
UH21-
UH22-
UH23-
UH24
UH25

RF24 Se desarrolla el layout de interfaz para

UH4 1 2
el chatbot.

RF25 Se configuran los servidores y la

conexión a la base de datos en IBM UH14 3 2
Watson.

RF26 Se realizan las pruebas integrales del

UH27 3 2
sistema.

RF27 Se elaboran las actas de reuniones del

UH28 2 2
sprint.
HISTORIA DE USUARIO

En la siguiente tabla se muestra las historias de usuario creadas para el desarrollo del
chatbot, adicional se agregó la prioridad, el riesgo y tiempo estimado en días.

ID HISTORIA DE USUARIO PRIORIDAD RIESGO TIEMPO (días)

UH1 Saludar usuario Alta Baja 1
UH2 Inicio de sesión Alta Baja 1
UH3 Creación de usuario Alta Baja 2
UH4 Visualizar mis Tickets Alta Baja 3
UH5 Visualizar Dashboard Alta Baja 2
UH6 Mostrar opciones Alta Baja 4
UH7 Pantalla Administrador Alta Baja 3
UH8 Registro RUC Alta Baja 1
UH9 Registro Datos Usuario Alta Baja 1
UH10 Generar Reporte Alta Baja 3
UH11 Visualizar indicadores Alta Baja 3
UH12 Filtrar indicadores Alta Baja 3
UH13 Visualizar Usuario Alta Baja 3
UH14 Construir el Chatbot – Alta Baja 1
IBM Watson
UH15 Configurar Apache y Alta Baja 3
MYSQL
UH16 Consulta nivelar Alta Baja 2
intensidad
UH17 Consulta para registrar Alta Baja 2
llamadas y saldo
UH18 Consulta para el Alta Baja 2
funcionamiento del
aplicativo Mobyx
UH19 Consulta para registrar Alta Baja 2
una consulta SIP
UH20 Consulta para restringir Alta Baja 2
las llamadas de anexo
UH21 Consulta para mostrar la Alta Baja 2
seguridad gestionada
UH22 Consulta para acceder al Alta Baja 2
panel web
UH23 Consulta para errores de Alta Baja 2
la VPN
UH24 Consulta para errores Alta Baja 2
telefonía IP
UH25 Consulta para falla Alta Baja 2
acceso pagina
UH26 Despedir usuario Alta Baja 1
 UH27 Pruebas integrales Alta Baja 3
UH28 Elaborar actas reuniones Alta Baja 2
Sprint
Figura 22: Lista Historia Usuarios

DIAGRAMA DE CASOS DE USO

En la siguiente imagen se muestra el diagrama de casos de uso del sistema y del

chatbot.

Figura 30: Diagrama de Casos de uso del negocio

Detalle de las historias de usuario:

Historia de Usuario

Número: UH1 Usuario: Administrador/Usuario

Nombre historia: Saludar usuario

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea un formulario de saludo al usuario para tener una conversación interactiva con
el chatbot.

Observaciones:
El usuario debe escribir en la casilla del chatbot una palabra que indique una intención
de saludo.
CASO DE USO – SALUDAR USUARIO

Figura 31: Casos de uso – Saludar usuario

Historia de Usuario

Número: UH2 Usuario: Usuario/Administrador

Nombre historia: Inicio de sesión

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
El sistema debe permitir a los administradores y usuarios de la empresa contar con
una página para loguearse, debe ingresar el correo y la contraseña para acceder al
sistema.

Observaciones:
Se contará con 2 roles.
CASO DE USO – INICIO DE SESIÓN

Figura 32: Casos de uso – Inicio Sesión

Historia de Usuario

Número: UH3 Usuario: Usuario

Nombre historia: Creación de usuario

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones Herrera

Descripción:
Se crea un formulario donde el usuario registrará sus datos:
 Nombre completo
 Correo
 Contraseña

Observaciones:
Los usuarios contarán con 2 roles.
CASO DE USO – CREACIÓN DE USUARIO

Figura 33: Casos de uso – Creación de usuario

Historia de Usuario

Número: UH4 Usuario: Usuario

Nombre historia: Visualizar mis tickets

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones Herrera

Descripción:
Se crea una tabla con los datos de los tickets de incidencia generados por el usuario:
-Numero
-Fecha
-Descripción
-Tipo
-Estado

Observaciones:
CASO DE USO – VISUALIZAR MIS TICKETS

Figura 34: Casos de uso – Visualizar mis tickets

Historia de Usuario

Número: UH5 Usuario: Usuario

Nombre historia: Visualizar Dashboard

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea un formulario para visualizar en gráficos y exportar en Excel lo siguiente:
- Mis Incidencias
- Mis Reincidencias
- Incidencias con conformidad

Observaciones:
Historia de Usuario

Número: UH6 Usuario: Administrador/Usuario

Nombre historia: Mostrar opciones

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea un formulario de las diferentes opciones que el usuario puede seleccionar.
Adicional podrá escribir manualmente la consulta.

Observaciones:

CASO DE USO – MOSTRAR MIS OPCIONES

Figura 35: Casos de uso – Mostrar opciones
Historia de Usuario

Número: UH7 Usuario: Administrador

Nombre historia: Pantalla Administrador

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
El sistema debe permitir visualizar en una tabla los tickets de incidencias y
reincidencias; además exportar en Excel el reporte con las columnas respectivas.
- Filtrar según rango de fecha
- Buscar según nombre o descripción.

Observaciones:
Solo el administrador podrá filtrar en un rango de fecha (parametrizable).
CASO DE USO – PANTALLA ADMINISTRADOR

Figura 36: Casos de uso – Pantalla administrador

Historia de Usuario

Número: UH8 Usuario: Usuario

Nombre historia: Registro RUC

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
El sistema debe permitirle al usuario registrar el número del RUC, los campos a
ingresar son:
- Razón Social
- RUC

Observaciones:
El RUC se registra posterior al registro de la cuenta del usuario.
Historia de Usuario

Número: UH9 Usuario: Usuario

Nombre historia: Registrar datos usuarios

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
El sistema debe permitirle al usuario registrar el número del RUC, los campos a
ingresar son:
- Razón Social
- RUC

Observaciones:
El RUC se registra posterior al registro de la cuenta del usuario.
Historia de Usuario

Número: UH10 Usuario: Administrador

Nombre historia: Generar Reporte

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
El sistema debe permitir visualizar en una tabla los tickets de incidencias y
reincidencias; además exportar en Excel el reporte con las columnas respectivas.
- Filtrar según rango de fecha
- Buscar según nombre o descripción

Observaciones:
Historia de Usuario

Número: UH11 Usuario: Administrador

Nombre historia: Visualizar indicadores

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
El sistema debe permitir visualizar en gráficos y exportar en Excel los indicadores de
cantidad de incidencias resueltas, cantidad de reincidencias, cantidad de
conformidades del usuario, cantidad de usuarios activo y cantidad de usuarios
registrados.

Observaciones:
CASO DE USO – VISUALIZAR INDICADORES

Figura 37: Casos de uso – Visualizar Indicadores

Historia de Usuario

Número: U12 Usuario: Administrador

Nombre historia: Filtrar indicadores

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
El sistema debe filtrar mediante parámetros los gráficos y exportar en Excel los
indicadores de cantidad de incidencias resueltas, cantidad de reincidencias, cantidad
de conformidades del usuario, cantidad de usuarios activo y cantidad de usuarios
registrados.

Observaciones:
Historia de Usuario

Número: UH13 Usuario: Administrador

Nombre historia: Gestión Usuario

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Caceres

Descripción:
El sistema debe permitir visualizar una tabla con los datos del usuario registrados.

Observaciones:
Historia de Usuario

Número: UH14 Usuario: Administrador

Nombre historia: Desarrollo del chatbot – IBM Watson

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea la cuenta para el desarrollo del chatbot en la plataforma IBM Watson, con las
entidades, intenciones y diálogo para realizar la interacción con el usuario.

Observaciones:
CASO DE USO – INCIDENCIA RESUELTA

Figura 38: Casos de uso – Incidencias resuelta

CASO DE USO – REINCIDENCIA

Figura 39: Casos de uso – Reincidencia
CASO DE USO – GESTIÓN DE INCIDENCIA

Figura 40: Casos de uso – Gestión de incidencia

Historia de Usuario

Número: UH15 Usuario: Administrador

Nombre historia: Configurar Apache y MYSQL

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se realizan las configuraciones de los servidores o conexiones del sistema con la
plataforma de IBM, para el funcionamiento correcto del chatbot.

Observaciones:
Historia de Usuario

Número: UH16 Usuario: Administrador

Nombre historia: Consulta nivelar intensidad

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se crea el nodo para el proceso nivelar la intensidad del micrófono y altavoz.

Observaciones:
Si el chatbot no responde, continuará la ejecución, y se solicita una nueva oración.
Historia de Usuario

Número: UH17 Usuario: Administrador

Nombre historia: Consulta para registrar llamadas y saldo

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea el nodo para el proceso registras llamadas y saldos

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH18 Usuario: Administrador

Nombre historia: Consulta para el funcionamiento del aplicativo Mobyx

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea el nodo para el proceso consulta para el funcionamiento del aplicativo Mobyx.

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH19 Usuario: Administrador

Nombre historia: Consulta para registrar una consulta SIP

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se crea el nodo para el proceso registrar una consulta SIP

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH20 Usuario: Administrador

Nombre historia: Consulta para restringir las llamadas de anexo

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se crea el nodo para el proceso restringir las llamadas de anexo.

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH21 Usuario: Administrador

Nombre historia: Consulta para mostrar la seguridad gestionada

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea el nodo para el proceso de seguridad gestionada

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH22 Usuario: Administrador

Nombre historia: Consulta para acceder al panel web

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea el nodo para el proceso de acceder al panel web

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH23 Usuario: Administrador

Nombre historia: Consulta para errores de la VPN

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se crea el nodo para el proceso de errores de la VPN

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH24 Usuario: Administrador

Nombre historia: Consulta para errores telefonía IP

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se crea el nodo para el proceso de errores de telefonía IP

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH24 Usuario: Administrador

Nombre historia: Consulta para falla acceso pagina

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea el nodo para el proceso de falla para acceso a páginas.

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH25 Usuario: Administrador

Nombre historia: Despedir usuario

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Sheila Cisneros Cáceres

Descripción:
Se crea el nodo para despedir el usuario

Observaciones:
Si la herramienta del chatbot no responde, continuará la ejecución, y se solicita una
nueva oración.
Historia de Usuario

Número: UH26 Usuario: Administrador

Nombre historia: Pruebas integrales

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se realiza las pruebas integrales del desarrollo del sistema y del chatbot para el
correcto funcionamiento del sistema.

Observaciones:
Historia de Usuario

Número: UH27 Usuario: Administrador

Nombre historia: Elaborar actas Reuniones Sprint

Prioridad en negocio (Alta/Media/Baja): Riesgo en desarrollo (Alta/Media/Baja):

Alta Baja

Puntos estimados: -- Iteración asignada: --

Programador responsable: Bryan Terrones

Descripción:
Se elaboran las actas de las reuniones sprint para mostrar los diferentes
requerimientos funcionales del sistema.

Observaciones:
LISTA DE PENDIENTES DE SPRINT (SPRINT BACKLOG)

SPRINT BACKLOG

N° Sprint Descripción Historia Estimación en días

Se procederá a - -
realizar la
planificación de
cada tarea a
realizar en el
proyecto al largo de
las diferentes
iteraciones, además
se analiza la
estimación de
0
tiempo para el
desarrollo. En este
plazo de tiempo se
realizar los
siguiente: el diseño
de la base de
datos, prototipo de
interfaz para el
administrador y el
usuario.

Se realiza la
pantalla de inicio
del usuario, la
verificación de la UH1-UH2-UH3-
1 11
cuenta y la UH4-UH5-UH6
integración del
chatbot en el
sistema.

Se realiza el
desarrollo del
UH14-UH15-UH16-
chatbot en la
UH17-UH18-UH19-
plataforma de IBM
2 UH20-UH21-UH22- 25
Watson, crear
UH23-UH24-UH25-
entidades,
UH26-UH27
intenciones y
dialogo.
 Se realiza el
módulo
UH7-UH8-UH9-
administrador, la
3 UH10-UH11-UH12- 15
visualización de
UH13
indicadores y el
filtro.

Se realizan las
pruebas integrales
del funcionamiento
4 UH27-UH28 5
del chatbot y el acta
de reunión del
sprint.

DETALLE DE LOS SPRINT

En la siguiente tabla se muestra el detalle de cada sprint a desarrollar.

N° Sprint Historia de usuario Tareas Esfuerzo T.D(Total de

estimado (Días) días)

Reunión de
1
planificación

Elaboración del
prototipo de la 1
0 - página. 5

Elaboración de la
2
base de datos.

Revisión del sprint. 1

Se crea el
UH1- Saludar
formulario para el 1
Usuario
saludo al usuario.

Se crea la pantalla
UH2- Inicio de de logueo y la
1
Sesión verificación de la
1 13
cuenta.

Se crea un
formulario para
UH3 – Creación de
permitirle al 2
usuarios
usuario crear su
propia cuenta.
 Se crea una tabla
UH4 – Visualizar donde pueda
3
mis tickets visualizar sus
propios tickets.

Se crea un
formulario para
visualizar en
gráficos y exportar
UH5-Visualizar
en Excel las 3
Dashboard
incidencia,
reincidencias e
incidencias con
conformidad.

Se muestra el
desplegable para
UH6- Mostrar
visualizar las 3
Opciones
diferentes opciones
de preguntas.

UH14 - Construir el Creación de la

Chatbot – IBM cuenta en IBM 1
Watson Watson.

UH16 - Consulta Se crea el flujo del

2
nivelar intensidad proceso.

UH17 - Consulta Se crea el flujo del

para registrar proceso. 2
llamadas y saldo

UH18 - Consulta Se crea el flujo del 2

para el proceso.
funcionamiento del
2 25
aplicativo Mobyx

UH19 - Consulta Se crea el flujo del 2

para registrar una proceso.
consulta SIP

UH19 - Consulta Se crea el flujo del 2

para restringir las proceso.
llamadas de anexo

UH20 - Consulta Se crea el flujo del 2

para mostrar la proceso.
seguridad
gestionada
 UH21 - Consulta Se crea el flujo del 2
para acceder al proceso.
panel web

UH22 - Consulta Se crea el flujo del 2

para errores de la proceso.
VPN

UH22 - Consulta Se crea el flujo del 2

para errores proceso.
telefonía IP

UH23 - Consulta Se crea el flujo del 2

para falla acceso proceso.
pagina

UH24 - Despedir Se crea el flujo del

2
usuario proceso.

UH15 - Configurar Configuración de

2
Apache y MYSQL servidores.

Se muestra los
tickets de
UH7 – Pantalla reincidencias e 3
administrador incidencias de los
usuarios.

Se crea un
formulario para
UH8- Registro RUC registrar el RUC 1

3 17
Se crea un
formulario para
UH9-Registro datos registrar los datos 1
usuario del usuario.

El sistema debe
permitir exportar el
UH10 - Generar reporte. 3
Reporte
 Se visualiza
mediante gráficos
los indicadores de
cantidad de
incidencias
resueltas, cantidad
UH11 – Visualizar de reincidencias,
3
Indicadores cantidad de
conformidades del
usuario, cantidad
de usuarios activos
y cantidad de
usuarios
registrados.

UH12 – Filtro El sistema debe

indicadores permitir filtrar
mediante
parámetros
establecidos los
indicadores de
cantidad de
incidencias
resueltas, cantidad 3
de reincidencias,
cantidad de
conformidades del
usuario, cantidad
de usuarios activos
y cantidad de
usuarios
registrados.

UH13 - Gestión El sistema debe

Usuario permitir visualizar
3
los datos del
usuario.

UH27 – Pruebas Se realiza las

integrales pruebas integrales 3
del sistema.
4 5
UH28 – Elaborar Se elaboran las
actas reuniones actas de las 2
Sprint reuniones Sprint.
SPRINT 0

N° Sprint Historia de usuario Tareas Esfuerzo T.D(Total de

estimado días)

Reunión de
1
planificación

Diseño del
prototipo de la 1
0 - página. 5

Elaboración de la
2
base de datos.

Revisión del sprint. 1

Reunión de planificación

La primera reunión se realizó con el equipo scrum, con el objetivo de planificar las
actividades a realizar durante el desarrollo de este entregable.
Elaboración del prototipo de la página

Figura 41: Prototipo – Inicio sesión

Figura 42: Prototipo – Saludar usuario

Figura 43: Prototipo – Registrar usuario

Figura 44: Prototipo – Verificación cuenta

 Figura 45: Prototipo – Mostrar Opciones

Figura 46: Prototipo – Visualizar mis tickets (Usuario)

Figura 47: Prototipo – Visualizar Dashboard (Usuario)

Figura 48: Prototipo - Pantalla Administrador

 Figura 49: Prototipo - Registrar RUC

Figura 50: Prototipo - Registrar datos usuarios

Figura 51: Prototipo - Visualizar Indicadores (Administrador)

Figura 52: Prototipo - Gestionar Usuario

 Figura 53: Prototipo - Consulta nivelar intensidad

Figura 54: Prototipo - Consulta para registrar llamadas y saldo

Figura 55: Prototipo - Consulta para el funcionamiento del aplicativo Mobyx

Figura 56: Prototipo - Consulta para registrar una consulta SIP

Figura 57: Prototipo - Consulta para restringir las llamadas de anexo

Figura 58: Prototipo - Consulta para mostrar la seguridad gestionada

Figura 59: Prototipo - Consulta para acceder al panel web

Figura 60: Prototipo - Consulta para errores de la VPN

Figura 61: Prototipo - Consulta para errores telefonía IP

Figura 62: Prototipo - Consulta para falla acceso pagina

Figura 63: Construir Chatbot
Elaboración de la base de datos.
Diagrama de base de datos lógico

Figura 64: Base de datos

Revisión del sprint 0.

En la revisión del sprint 0 final se menciona el esfuerzo estimado y el esfuerzo real aplicado
para el desarrollo de cada tarea.

N N° Estado Tareas Esfuerzo Esfuerzo

Sprint estimado real

1 FINALIZADO Reunión de planificación 1 1

Diseño del prototipo de la

2 FINALIZADO página e inicio de 1 1
creación del chatbot.
0
FINALIZADO Elaboración de la base
3 2 2
de datos.

4 FINALIZADO Revisión del sprint. 1 1

En el siguiente grafico se muestra el detalle del esfuerzo estimado / esfuerzo real.

Desarrollo Sprint 0

Revisión del sprint 1

Elaboración de la base de datos 2

Tareas

Diseño de prototipo 1

Reunión de planificación 1

0 0.5 1 1.5 2 2.5

Elaboración de la base
Reunión de planificación Diseño de prototipo Revisión del sprint
de datos
Desarrollo Sprint 0 1 1 2 1

Axis Title

Desarrollo Sprint 0

Figura 65: Grafico Sprint 0

SPRINT 1

N° Sprint Historia de usuario Tareas Esfuerzo T.D(Total de

estimado días)

Se crea el
UH1- Saludar
formulario para el 1
Usuario
saludo al usuario.

Se crea la pantalla
UH2- Inicio de de logueo y la
1
Sesión verificación de la
cuenta.

Se crea un
formulario para
UH3 – Creación de
permitirle al 2
usuarios
usuario crear su
propia cuenta.
1 13
Se crea una tabla
UH4 – Visualizar donde pueda
3
mis tickets visualizar sus
propios tickets.

Se crean gráficos
de incidencias
UH5-Visualizar
resueltas, 2
Dashboard
reincidencias y
conformidades.

Se muestran las
UH6- Mostrar
diferentes 4
Opciones
opciones.
Reunión de planificación

Se realiza la reunión con el Equipo Scrum, para el desarrollo del Sprint 1, se incluye el
desarrollo de la página de inicio de sesión del sistema, se realiza la verificación de la cuenta
y se crea el formulario para permitirle al usuario crear su propria cuenta.
Inicio de sesión

Se ha realizado el desarrollo de la pantalla de inicio del sistema para el rol del

usuario/administrador

Figura 66: Interfaz – Inicio Sesión

Código [Link]

Pantalla de Inicio

Figura 67: Interfaz – Pantalla de inicio (usuario)

Creación de la cuenta

Se tiene que registrar el usuario del cliente en el sistema.

Figura 68: Interfaz – Creación de cuenta

[Link]

Verificación de la cuenta

Figura 69: Interfaz – Verificación de la cuenta

Figura 70: Interfaz – Correo de verificación
Figura 71: Interfaz – Mostrar opciones y Saludar usuario

Figura 72: Interfaz – Mis Tickets (usuario)

Código [Link]
Figura 73: Interfaz – Filtrar por rango de fechas y búsqueda por descripción.
 Figura 74: Resultado de reporte.

Figura 75: Interfaz – Visualizar Dashboard

Revisión del sprint 1
En la revisión del sprint 1 final se menciona el esfuerzo estimado y el esfuerzo real aplicado
para el desarrollo de cada tarea.
N N° Estado Tareas Esfuerzo Esfuerzo
Sprint estimado real

FINALIZADO Se crea el formulario

1 1 1
para el saludo al usuario.

Se crea la pantalla de
2 FINALIZADO logueo y la verificación 1 1
de la cuenta.

FINALIZADO Se crea un formulario

3 para permitirle al usuario 2 2
crear su propia cuenta.

Se crea una tabla donde

4 1 FINALIZADO pueda visualizar sus 3 4
propios tickets.

Se crean gráficos de
incidencias resueltas,
5 FINALIZADO 2 2
reincidencias y
conformidades.

Se muestra el
desplegable para
6 FINALIZADO 4 3
visualizar las diferentes
opciones de preguntas.
En el siguiente grafico se muestra el detalle del esfuerzo estimado / esfuerzo real.

Desarrollo Sprint 1
Opciones de preguntas 3
Visualizar tabla de tickets 4
Tareas

Visualizar Dashboard 2
Creación de formulario registro de cuenta 2
Creación de pantalla de logueo 1
Creación de formulario 1

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5

Creación de Creación de
Creación de Visualizar Visualizar tabla de Opciones de
pantalla de formulario
formulario Dashboard tickets preguntas
logueo registro de cuenta
Desarrollo Sprint 1 1 1 2 2 4 3

Axis Title

Desarrollo Sprint 1

Figura 76: Grafico Sprint 1

SPRINT 2

N° Sprint Historia de Tareas Esfuerzo T.D(Total de

usuario estimado días)

UH11 - Creación de la
Construir el cuenta en IBM
1
Chatbot – IBM Watson.
Watson

UH13 - Consulta Se crea el flujo

nivelar del proceso. 2
intensidad

UH14 - Consulta Se crea el flujo

para registrar del proceso.
2
llamadas y
saldo 25
UH15 - Consulta Se crea el flujo
para el del proceso.
funcionamiento 2
del aplicativo
2 Mobyx
UH16 - Consulta Se crea el flujo
para registrar del proceso.
2
una consulta
SIP

UH17 - Consulta Se crea el flujo

para restringir del proceso.
2
las llamadas de
anexo

UH18 - Consulta Se crea el flujo

para mostrar la del proceso.
2
seguridad
gestionada

UH19 - Consulta Se crea el flujo

para acceder al del proceso. 2
panel web

UH20 - Consulta Se crea el flujo

para errores de del proceso. 2
la VPN

UH21 - Consulta Se crea el flujo

para errores del proceso. 2
telefonía IP

UH22 - Consulta Se crea el flujo

para falla del proceso. 2
acceso pagina

UH23 - Se crea el flujo

Despedir del proceso. 2
usuario

UH12 - Configuración
Configurar de servidores.
3
Apache y
MYSQL
Reunión de planificación

Se realiza la reunión con el Equipo Scrum, para el desarrollo del Sprint 2, se incluye la
construcción del chatbot, se realizan las conexiones a la base de datos y se crea la
conversación del chatbot.
Creación de entidades en la plataforma de IBM Watson.

Se han creado las diferentes entidades que entrenan al chatbot.

Figura 77: Entidades

Para cada entidad se ha detallado el valor que estará buscando el chatbot al momento de
realizar la búsqueda en el web chat.

El detalle de Finalizado

Creación de intenciones en la plataforma de IBM Watson.

Figura 78: Intenciones

Para cada intención se ha generado una pregunta con palabras claves que reconozca el
chatbot al momento de realizar la búsqueda.

Detalle de Approve

Creación de diálogo en la plataforma de IBM Watson.

Figura 79: Dialogo

Para crear cada nodo se ha vinculado la entidad y la intención creada anteriormente, y se ha
creado la conversación que tendrá el chatbot con el entrenamiento respectivo.

Detalle nodo Telefonia IP

IBM Cloud Functions – Actions
Revisión del sprint 2

En la revisión del sprint 2 final se menciona el esfuerzo estimado y el esfuerzo real aplicado
para el desarrollo de cada tarea.

N N° Sprint Estado Tareas Esfuerzo Esfuerzo

estimado Real

1 Creación de la cuenta en
IBM Watson.

FINALIZADO 1 1

2 FINALIZADO Consulta nivelar intensidad 2 2

3 Consulta para registrar
FINALIZADO 2 2
llamadas y saldo.

4 FINALIZADO Consulta para el

funcionamiento del 2 2
aplicativo Mobyx

5 FINALIZADO Consulta para registrar una

2 2
2 consulta SIP

6 FINALIZADO Consulta para restringir las

2 2
llamadas de anexo

7 FINALIZADO Consulta para mostrar la

2 2
seguridad gestionada

8 FINALIZADO Consulta para acceder al

2 2
panel web

9 FINALIZADO Consulta para errores de la

2 2
VPN

10 FINALIZADO Consulta para errores

2 2
telefonía IP.

11 FINALIZADO Consulta para falla acceso

2 2
pagina

12 FINALIZADO Despedir usuario 2 2

FINALIZADO Configuración de
13 3 3
servidores.
En el siguiente grafico se muestra el detalle del esfuerzo estimado / esfuerzo real.

DESARROLLO SPRINT 2
Creación de cuenta IBM Consulta nivelar intensidad Consulta registro saldo y llamadas
Consulta aplicativo Mobyx Consulta registro SIP Consulta restricción llamadas de anexo
Consulta seguridad gestionada Consulta panel web Consulta errores VPN
Consulta errores telefonia IP Consulta falla acceso pagina Flujo despedir usuario
Configuración de servidores

1, 4%
3, 11% 2, 7%

2, 8% 2, 7%

2, 8% 2, 7%

2, 8% 2, 8%

2, 8% 2, 8%
2, 8% 2, 8%

Figura 80: Grafico Sprint 2

SPRINT 3

N° Sprint Historia de Tareas Esfuerzo T.D(Total de

usuario estimado días)

Se muestra la
UH7 – Pantalla pantalla de
3
administrador inicio del rol de
administrador.

Se crea un
UH8-Registro formulario para
2
RUC registrar el
RUC.

Se actualizan
UH9-Registro
los datos del 2 15
datos usuario.
usuario.

El sistema debe
UH10 - Generar
permitir generar 3
Reporte
el reporte de
 auditoría.
3
Se visualiza
mediante
gráficos los
indicadores de
cantidad de
incidencias
resueltas,
UH11 – cantidad de
Visualizar reincidencias, 3
Indicadores cantidad de
conformidades
del usuario,
cantidad de
usuarios activos
y cantidad
usuarios
registrados.

H12 – Filtro El sistema debe

indicadores permitir filtrar
mediante
parámetros
establecidos los
indicadores de
cantidad de
incidencias
resueltas,
cantidad de 3
reincidencias,
cantidad de
conformidades
del usuario,
cantidad de
usuarios activos
y cantidad
usuarios
registrados.

UH13 – El sistema debe

Gestionar permitir
Usuario gestionar los 3
datos del
usuario.

Reunión de planificación
Se realiza la reunión con el Equipo Scrum, para el desarrollo del Sprint 3, se incluye el
desarrollo de la página de inicio del administrador, reporte de incidencia y gráficos de los
indicadores.
Figura 81: Interfaz – Lista de Tickets (Administrador)
Código [Link]

Figura 82: Interfaz – Registro RUC

 Figura 83: Interfaz – Registro datos del usuario

Código [Link]
Figura 84: Interfaz – Dashboard
Figura 85: Interfaz – Gestionar Usuario
 Figura 85: Interfaz – Actualizar datos usuarios

Código [Link]
Revisión del sprint 3

En la revisión del sprint 3 final se menciona el esfuerzo estimado y el esfuerzo real aplicado
para el desarrollo de cada tarea.

N N° Sprint Estado Tareas Esfuerzo Esfuerzo

estimado Real

1 Se muestra la pantalla de
inicio del rol de
administrador.
FINALIZADO 3 3

2 El sistema debe permitir

FINALIZADO 3 3
exportar el reporte.

El sistema debe registrar el

FINALIZADO 1 1
ruc.

El sistema debe permitir

FINALIZADO actualizar los datos del 1 1
usuario.

3 Se visualiza mediante
gráficos los indicadores de
cantidad de incidencias
resueltas, cantidad de
FINALIZADO reincidencias, cantidad de 3 3
conformidades del usuario,
cantidad de usuarios
activos y cantidad de
registros de usuarios.
3
4 FINALIZADO El sistema debe permitir
filtrar mediante parámetros
establecidos los indicadores
de cantidad de incidencias
resueltas, cantidad de
3 3
reincidencias, cantidad de
conformidades del usuario,
cantidad de usuarios
activos y cantidad de
registros de usuarios.
 5 FINALIZADO El sistema debe permitir
gestión los datos del 3 3
usuario.

En el siguiente grafico se muestra el detalle del esfuerzo estimado / esfuerzo real.

Desarrollo Sprint 3

Edición de usuario 3

Filtros de indicadores 3
Tareas

Graficos de indicadores 3

Registro datos usuario 1

Registro RUC 1

Exportar reporte 3

Pantalla inicio administrador 3

0 0.5 1 1.5 2 2.5 3 3.5

Desarrollo Sprint 3

Figura 86: Grafico Sprint 3

SPRINT 4

N° Sprint Historia de Tareas Esfuerzo T.D(Total de

usuario estimado días)

UH26 – Pruebas Se realiza las

integrales pruebas
3
integrales del
sistema.

4 UH27 – Se elaboran las 5

Elaborar actas actas de las
2
reuniones Sprint reuniones
Sprint.
Reunión de planificación

Se realiza la reunión con el Equipo Scrum, para el desarrollo del Sprint 4, se incluye la
culminación del desarrollo y se realizan las pruebas integrales del sistema, adicional se
elaboran las actas de reuniones de Sprint.
Pruebas integrales

Para las pruebas integrales se realizaron diferentes validaciones del sistema, como generar
reportes de indicadores y pruebas del funcionamiento correcto del chatbot.
Actas de reuniones

Para la elaboración de las actas de reuniones se presentar formato a gerencia para detallar
los requerimientos solicitados y cumplidos.

Revisión del sprint 4

En la revisión del sprint 4 final se menciona el esfuerzo estimado y el esfuerzo real aplicado
para el desarrollo de cada tarea.
N N° Sprint Estado Tareas Esfuerzo Esfuerzo
estimado Real

Se realiza las pruebas

integrales del sistema.

1 FINALIZADO 3 3

Se elaboran las actas de las

2 FINALIZADO 2 2
reuniones Sprint.

En el siguiente grafico se muestra el detalle del esfuerzo estimado / esfuerzo real.

Desarrollo Sprint 4
Acta de reuniones Sprint 2
Tarea

Pruebas integrales 3
0 0.5 1 1.5 2 2.5 3 3.5
Pruebas integrales Acta de reuniones Sprint
Desarrollo Sprint 4 3 2

Axis Title

Desarrollo Sprint 4

Figura 87: Grafico Sprint 4