Asistente virtual interactivo para resolver consultas relacionadas con motocicletas mediante RAG

Resumen

Este trabajo presenta el diseño e implementación de un asistente virtual interactivo orientado a la resolución de dudas técnicas sobre motocicletas, específicamente la Boxer CT100 KS. El sistema fue construido utilizando un enfoque de Retrieval-Augmented Generation (RAG) combinado con modelos de lenguaje de gran escala (LLMs), operando de manera completamente local a través de una interfaz web con un avatar 2D. La base de conocimientos se generó a partir de manuales técnicos, los cuales fueron procesados y almacenados en una base de datos vectorial. Se evaluaron múltiples combinaciones de modelos de embeddings y generativos mediante marcos como RAGAS y DeepEval, utilizando métricas como faithfulness, context precision y answer relevancy. Los resultados permitieron identificar configuraciones óptimas del sistema, donde las mejores destacaron en las métricas clave —como el modelo de embedding sentence-transformers y de lenguaje Llama-3.3-70b, que logró un faithfulness de 0.964 y context precision de 0.971 en RAGAS-Mistral, y el modelo de embedding intfloat/multilingual-e5-base y Llama-3.3-70b, que alcanzó un answer relevancy de 0.971 en DeepEval-Llama3—, demostrando la viabilidad de soluciones personalizadas y privadas para asistencia técnica basada en IA. Se proponen mejoras mediante la incorporación de capacidades multimodales y la ampliación del corpus técnico.