Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress
En instituciones como el Banco de la República, el proceso de contratación de empresas tercerizadas (mantenimiento, aseo, seguridad, tecnología, entre otros) implica analizar propuestas, verificar experiencia, evaluar el cumplimiento histórico y otros criterios administrativos. Este proceso, aunque...
- Autores:
-
Cisneros Castillo, Sebastián Camilo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Corporación Universitaria Remington
- Repositorio:
- Repositorio institucional Uniremington
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniremington.edu.co:123456789/7135
- Acceso en línea:
- https://repositorio.uniremington.edu.co/handle/123456789/7135
- Palabra clave:
- Inteligencia artificial
Contratación pública
Licitación
Empresas tercerizadas
Gestión de contratos
Telegram
Inteligencia artificial
Aprendizaje automático (Inteligencia artificial)
Innovaciones tecnológicas
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
id |
URemingtn2_968eece68a0bfe24c142ed9b715845c2 |
---|---|
oai_identifier_str |
oai:repositorio.uniremington.edu.co:123456789/7135 |
network_acronym_str |
URemingtn2 |
network_name_str |
Repositorio institucional Uniremington |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress |
title |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress |
spellingShingle |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress Inteligencia artificial Contratación pública Licitación Empresas tercerizadas Gestión de contratos Telegram Inteligencia artificial Aprendizaje automático (Inteligencia artificial) Innovaciones tecnológicas |
title_short |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress |
title_full |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress |
title_fullStr |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress |
title_full_unstemmed |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress |
title_sort |
Optimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y Botpress |
dc.creator.fl_str_mv |
Cisneros Castillo, Sebastián Camilo |
dc.contributor.advisor.none.fl_str_mv |
López Segura, Danny |
dc.contributor.author.none.fl_str_mv |
Cisneros Castillo, Sebastián Camilo |
dc.subject.spa.fl_str_mv |
Inteligencia artificial Contratación pública Licitación Empresas tercerizadas Gestión de contratos Telegram |
topic |
Inteligencia artificial Contratación pública Licitación Empresas tercerizadas Gestión de contratos Telegram Inteligencia artificial Aprendizaje automático (Inteligencia artificial) Innovaciones tecnológicas |
dc.subject.lemb.none.fl_str_mv |
Inteligencia artificial Aprendizaje automático (Inteligencia artificial) Innovaciones tecnológicas |
description |
En instituciones como el Banco de la República, el proceso de contratación de empresas tercerizadas (mantenimiento, aseo, seguridad, tecnología, entre otros) implica analizar propuestas, verificar experiencia, evaluar el cumplimiento histórico y otros criterios administrativos. Este proceso, aunque regulado, puede verse afectado por subjetividades o falta de herramientas tecnológicas que faciliten la toma de decisiones. Por lo tanto, surge la necesidad de un sistema inteligente que pueda analizar automáticamente datos de empresas contratistas previas y nuevas propuestas para ofrecer recomendaciones objetivas, rápidas y basadas en datos, reduciendo riesgos de contratación inadecuada. Problema: La escasez de herramientas que integren tecnología de punta para mejorar la gestión en procesos de licitación pública o privada. Objetivo: Desarrollar un chatbot basado en técnicas de machine learning y procesamiento de lenguaje natural (NLP) utilizando modelos de Hugging Face, que apoye la toma de decisiones en procesos de licitación y contratación de empresas tercerizadas en instituciones públicas y privadas. Metodología: a. Recolección de datos Extracción de bases de datos internas con información sobre licitaciones y contratos previos. Recopilación de informes de evaluación, cumplimiento y quejas asociadas a empresas contratistas. Análisis de documentos en formato PDF y Word correspondientes a propuestas empresariales. b. Preprocesamiento y análisis Limpieza, normalización y estructuración de datos. Aplicación de técnicas de procesamiento de lenguaje natural (NLP) para: o Extracción de entidades clave. o Análisis automático de cláusulas contractuales. o Identificación de palabras clave y patrones de cumplimiento. c. Entrenamiento del modelo División de los datos en conjuntos de entrenamiento y prueba. Entrenamiento de modelos predictivos para clasificar o recomendar empresas según criterios definidos. d. Despliegue y visualización Generación de reportes en formatos .docx y .xlsx que jerarquicen la información relevante. Visualización interactiva de resultados para apoyar la toma de decisiones por parte de los analistas o comités de contratación. |
publishDate |
2025 |
dc.date.accessioned.none.fl_str_mv |
2025-05-12T21:42:33Z |
dc.date.available.none.fl_str_mv |
2025-05-12T21:42:33Z |
dc.date.issued.none.fl_str_mv |
2025 |
dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
publishedVersion |
dc.identifier.uri.none.fl_str_mv |
https://repositorio.uniremington.edu.co/handle/123456789/7135 |
url |
https://repositorio.uniremington.edu.co/handle/123456789/7135 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.spa.fl_str_mv |
Derechos Reservados - Corporación Universitaria Remington, 2025 |
dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) Derechos Reservados - Corporación Universitaria Remington, 2025 https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.none.fl_str_mv |
34 p. |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Corporación Universitaria Remington |
dc.publisher.place.spa.fl_str_mv |
Ipiales (Nariño, Colombia) |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingenierías |
dc.publisher.program.spa.fl_str_mv |
Ingeniería de Sistemas |
institution |
Corporación Universitaria Remington |
bitstream.url.fl_str_mv |
https://repositorio.uniremington.edu.co/bitstreams/bda0f6bb-b89c-4b2f-acef-97fa10455d24/download https://repositorio.uniremington.edu.co/bitstreams/ee401f52-96e5-4da1-a2c7-4769060e2096/download https://repositorio.uniremington.edu.co/bitstreams/f95f4052-8e25-4d0b-91a0-2032d7f8c8b4/download https://repositorio.uniremington.edu.co/bitstreams/841c21f4-a229-4a36-92be-0526f90239a8/download https://repositorio.uniremington.edu.co/bitstreams/1f38cfe3-8918-4fa9-8b9d-abf4a02b48ea/download |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 533ce9ca607a329a0b7c1862adbd2bb7 17449472d568779cd07fa3da67b5980f 684242a716981efc25aafb4f62e76c26 146509fdea3a0b57a4f7c45a32816a62 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio UNIREMINGTON |
repository.mail.fl_str_mv |
biblioteca@uniremington.edu.co |
_version_ |
1834112898469724160 |
spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Derechos Reservados - Corporación Universitaria Remington, 2025https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2López Segura, DannyCisneros Castillo, Sebastián Camilo2025-05-12T21:42:33Z2025-05-12T21:42:33Z2025https://repositorio.uniremington.edu.co/handle/123456789/7135En instituciones como el Banco de la República, el proceso de contratación de empresas tercerizadas (mantenimiento, aseo, seguridad, tecnología, entre otros) implica analizar propuestas, verificar experiencia, evaluar el cumplimiento histórico y otros criterios administrativos. Este proceso, aunque regulado, puede verse afectado por subjetividades o falta de herramientas tecnológicas que faciliten la toma de decisiones. Por lo tanto, surge la necesidad de un sistema inteligente que pueda analizar automáticamente datos de empresas contratistas previas y nuevas propuestas para ofrecer recomendaciones objetivas, rápidas y basadas en datos, reduciendo riesgos de contratación inadecuada. Problema: La escasez de herramientas que integren tecnología de punta para mejorar la gestión en procesos de licitación pública o privada. Objetivo: Desarrollar un chatbot basado en técnicas de machine learning y procesamiento de lenguaje natural (NLP) utilizando modelos de Hugging Face, que apoye la toma de decisiones en procesos de licitación y contratación de empresas tercerizadas en instituciones públicas y privadas. Metodología: a. Recolección de datos Extracción de bases de datos internas con información sobre licitaciones y contratos previos. Recopilación de informes de evaluación, cumplimiento y quejas asociadas a empresas contratistas. Análisis de documentos en formato PDF y Word correspondientes a propuestas empresariales. b. Preprocesamiento y análisis Limpieza, normalización y estructuración de datos. Aplicación de técnicas de procesamiento de lenguaje natural (NLP) para: o Extracción de entidades clave. o Análisis automático de cláusulas contractuales. o Identificación de palabras clave y patrones de cumplimiento. c. Entrenamiento del modelo División de los datos en conjuntos de entrenamiento y prueba. Entrenamiento de modelos predictivos para clasificar o recomendar empresas según criterios definidos. d. Despliegue y visualización Generación de reportes en formatos .docx y .xlsx que jerarquicen la información relevante. Visualización interactiva de resultados para apoyar la toma de decisiones por parte de los analistas o comités de contratación.PregradoIngeniero(a) de Sistemas34 p.application/pdfspaCorporación Universitaria RemingtonIpiales (Nariño, Colombia)Facultad de IngenieríasIngeniería de SistemasInteligencia artificialContratación públicaLicitaciónEmpresas tercerizadasGestión de contratosTelegramInteligencia artificialAprendizaje automático (Inteligencia artificial)Innovaciones tecnológicasOptimización de la contratación de empresas tercerizadas en instituciones públicas mediante un chatbot de inteligencia artificial usando Telegram y BotpressTrabajo de grado - Pregradoinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPTesis/Trabajo de grado - Monografía - PregradoPublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.uniremington.edu.co/bitstreams/bda0f6bb-b89c-4b2f-acef-97fa10455d24/download8a4605be74aa9ea9d79846c1fba20a33MD52BL-FR-11 Cesión Derechos_TG (11).pdfapplication/pdf226261https://repositorio.uniremington.edu.co/bitstreams/ee401f52-96e5-4da1-a2c7-4769060e2096/download533ce9ca607a329a0b7c1862adbd2bb7MD53TEXTRIU-PRE-2025 Optimizacion contratacion empresas.pdf.txtRIU-PRE-2025 Optimizacion contratacion empresas.pdf.txtExtracted texttext/plain39625https://repositorio.uniremington.edu.co/bitstreams/f95f4052-8e25-4d0b-91a0-2032d7f8c8b4/download17449472d568779cd07fa3da67b5980fMD54THUMBNAILRIU-PRE-2025 Optimizacion contratacion empresas.pdf.jpgRIU-PRE-2025 Optimizacion contratacion empresas.pdf.jpgGenerated Thumbnailimage/jpeg2753https://repositorio.uniremington.edu.co/bitstreams/841c21f4-a229-4a36-92be-0526f90239a8/download684242a716981efc25aafb4f62e76c26MD55ORIGINALRIU-PRE-2025 Optimizacion contratacion empresas.pdfRIU-PRE-2025 Optimizacion contratacion empresas.pdfapplication/pdf5743722https://repositorio.uniremington.edu.co/bitstreams/1f38cfe3-8918-4fa9-8b9d-abf4a02b48ea/download146509fdea3a0b57a4f7c45a32816a62MD51123456789/7135oai:repositorio.uniremington.edu.co:123456789/71352025-05-12 21:53:50.86https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Corporación Universitaria Remington, 2025open.accesshttps://repositorio.uniremington.edu.coRepositorio UNIREMINGTONbiblioteca@uniremington.edu.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 |