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...

Full description

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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