Hola a todos y al equipo de Alura / Oracle,
Comparto la documentación y los resultados de la práctica integradora aplicada a nuestra empresa ficticia VectraTech Solutions (tecnología B2B), donde analizamos el impacto de la IA generativa, la arquitectura RAG y el comportamiento de los modelos de lenguaje.
RESUMEN DE LA ENTREGA - VECTRATECH SOLUTIONS:
• Mapeo RAG por Sectores: Estructuración de fuentes verídicas en Google Drive por áreas (Logística, Pagos y Facturación, Cuentas y Accesos, Soporte).
• Triaje y Enrutamiento: Clasificación de consultas de clientes según su intención contextual para buscar en la fuente oficial.
• Segmentación de Tokens y Vectores: Análisis de la palabra "VectraTech" (7 tokens) y cálculo de similitud semántica mediante embeddings.
• Experimento de Temperatura: Evaluación del grado de aleatoriedad (0.0 vs 0.7 vs 1.5) en respuestas de reembolso.
• Detección de Alucinaciones: Comparativa entre el modelo con Grounding estricto (RAG) vs. modelo abierto web (riesgo de links 404 y precios falsos).
• Mitigación y Reglas: Separación de cálculo determinístico vs. redacción de IA, junto con automatización de reglas mediante el marcador $P.
** DOCUMENTACIÓN COMPLETA Y TABLAS COMPARATIVAS:**
Dado que el informe detallado y las tablas de métricas superan el límite de caracteres del foro, pueden consultar el documento completo aquí:
Ver Práctica Completa - VectraTech Solutions
¡Quedo atenta a sus comentarios y retroalimentación!
