Desarrollo de un sistema automatizado con chatbot de inteligencia artificial para incrementar la eficiencia de gestión de información de los clientes corporativos eventuales en la empresa Novo Taxi

Abstract

Esta investigación tuvo como objetivo desarrollar e implementar un sistema automatizado con chatbot de inteligencia artificial para incrementar la eficiencia en la gestión de información de solicitudes de servicio de clientes corporativos eventuales en Novo Taxi, Ica. El estudio empleó un diseño cuasi-experimental con pre-test y post-test durante 122 días (61 días por período), utilizando fichas de registro estructuradas para documentar cuatro indicadores operativos. La arquitectura cloud-native integró Azure Container Apps, Azure SQL Database, Azure AI Language - CLU para comprensión conversacional y OpenAI API para extracción estructurada de información. Los resultados demostraron mejoras significativas en todos los indicadores evaluados: el tiempo promedio de registro se redujo 87.37% (de 8.40 a 1.06 minutos), la precisión de validación aumentó 5.68 puntos porcentuales (de 91.89% a 97.57%), la automatización de procesos alcanzó 96.58% desde un nivel inicial de 0%, y la completitud y exactitud de información mejoró 6.99 puntos porcentuales (de 89.63% a 96.63%). Las pruebas estadísticas de Wilcoxon confirmaron significancia estadística en todos los casos (p<0.05). Se concluye que la implementación del sistema automatizado incrementó significativamente la eficiencia operativa, eliminando prácticamente la intervención manual mediante la integración de modelos especializados de IA. Los factores críticos de éxito incluyeron la configuración apropiada de prompts, la integración efectiva con WhatsApp, y la aplicación de metodología Kanban. El estudio demuestra que la transformación digital mediante chatbots de IA genera mejoras sustanciales en empresas de transporte corporativo.

This research aimed to develop and implement an automated system with an artificial intelligence chatbot to increase the efficiency of information management of service requests from occasional corporate clients at Novo Taxi, Ica. The study employed a quasi-experimental design with pre-test and post-test over 122 days (61 days per period), using structured registration forms to document four operational indicators. The cloud-native architecture integrated Azure Container Apps, Azure SQL Database, Azure AI Language - CLU for conversational understanding, and the OpenAI API for structured information extraction. The results demonstrated significant improvements in all evaluated indicators: the average registration time was reduced by 87.37% (from 8.40 to 1.06 minutes), validation accuracy increased by 5.68 percentage points (from 91.89% to 97.57%), process automation reached 96.58% from an initial level of 0%, and the completeness and accuracy of information improved by 6.99 percentage points (from 89.63% to 96.63%). Wilcoxon statistical tests confirmed statistical significance in all cases (p<0.05). It is concluded that the implementation of the automated system significantly increased operational efficiency, virtually eliminating manual intervention through the integration of specialized AI models. Critical success factors included the appropriate configuration of prompts, effective integration with WhatsApp, and the application of the Kanban methodology. The study demonstrates that digital transformation through AI chatbots generates substantial improvements in corporate transportation companies.