Desarrollo e integración de un sistema basado en IA, para la consulta de información en el sector asegurador

Abstract

Motivación: Durante unas prácticas en una entidad tecnológica del sector asegurador, se evidenció el retraso digital en la gestión documental, caracterizada por procesos manuales, lentos y propensos a errores, lo que motivó la búsqueda de soluciones inteligentes que mejoren la eficiencia y precisión en la consulta de información. Objetivo: Diseñar, desarrollar e integrar un sistema basado en inteligencia artificial, utilizando la técnica de Generación Aumentada por Recuperación (RAG), que permita realizar consultas precisas y en lenguaje natural sobre documentación técnica aseguradora. Tareas: El proyecto ha implicado la planificación y análisis del problema, la investigación de tecnologías RAG, el diseño arquitectónico del sistema en microservicios, el desarrollo de una API REST con backend FastAPI y frontend React, la integración de modelos de lenguaje y bases vectoriales (FAISS), y la implementación de funcionalidades de consulta y gestión documental con pruebas comparativas. Resultados: El sistema desarrollado permite realizar consultas semánticas rápidas y fiables, demostrando un rendimiento superior en precisión, trazabilidad y tiempo de respuesta frente a métodos tradicionales de búsqueda. Conclusión: La solución propuesta representa un avance significativo en la digitalización del sector asegurador, aportando una herramienta escalable, modular y tecnológicamente actual que mejora el acceso a la información y sienta las bases para futuras mejoras basadas en inteligencia artificial.

Motivation: During an internship at a technology provider for insurance companies, a significant digital gap in document management was observed, marked by slow, manual processes prone to human error. This motivated the development of intelligent solutions to improve the efficiency and accuracy of information retrieval. Objective: To design, develop, and integrate an artificial intelligence-based system using Retrieval-Augmented Generation (RAG) techniques to enable precise, natural language queries on insurance-related technical documentation. Tasks: The project involved problem analysis, research on RAG-related technologies, architectural design using microservices, backend development with FastAPI and a React-based frontend, integration of language models and vector databases (FAISS), and the implementation of document management and query features supported by rigorous performance testing. Results: The developed system enables fast, semantically accurate information retrieval and shows clear improvements in accuracy, traceability, and response time compared to traditional search methods. Conclusion: The proposed solution contributes to the digital transformation of the insurance sector by providing a scalable, modular, and state-of-the-art tool that enhances information access and sets a solid foundation for future AI-driven improvements.