Contexto
Las instituciones manejan grandes volúmenes de activos, tickets de soporte y diagnósticos técnicos. Con el tiempo, esta información se vuelve difícil de consultar y el conocimiento acumulado se pierde en registros que nadie revisa.
Problema
Los técnicos enfrentan problemas que ya fueron resueltos antes, pero no tienen forma rápida de encontrar esos casos. Las búsquedas por texto exacto fallan cuando el usuario no sabe exactamente qué términos usar, y consultar la base de datos requiere conocimientos de SQL.
Solución
Desarrollé un panel administrativo completo para gestionar activos, tickets, asignaciones y reportes. Cada vez que se crea o resuelve un ticket, su contenido se vectoriza automáticamente usando embeddings y se almacena en la base de datos.
Sobre esta base, implementé un módulo de IA con tres modos de interacción:
Modos de IA
1. Chat Conversacional
Un chat con un LLM sin contexto específico, útil para consultas generales, redacción de textos o asistencia rápida.
2. Consulta a Base de Datos
El usuario puede hacer preguntas en lenguaje natural sobre los datos del sistema. La IA conoce la estructura de la base de datos, genera el SQL correspondiente, ejecuta la consulta y devuelve la respuesta de forma clara.
3. Búsqueda Semántica (RAG)
El técnico describe un problema o diagnóstico. El sistema busca los tickets más similares usando similitud vectorial (cosine similarity sobre embeddings), luego pasa esos tickets como contexto al LLM para generar una respuesta guiada. Esto permite encontrar soluciones a problemas que ya fueron resueltos anteriormente.
Arquitectura
Frontend en React (Vite) con TanStack Query y Router. Backend con Supabase y PostgreSQL con extensión pgvector para almacenar y buscar embeddings. Integración con Gemini API para generación de embeddings y respuestas en lenguaje natural.
Retos
- Diseñar pipeline RAG eficiente para búsqueda semántica
- Vectorizar tickets automáticamente al crear/resolver
- Traducir lenguaje natural a SQL de forma segura
- Integrar múltiples modos de IA en una sola interfaz
Resultado
Sistema en producción · Los técnicos encuentran soluciones más rápido · Consultas a la DB sin saber SQL · Base de conocimiento que crece con cada ticket