Asistente inteligente para consulta asistida por IA y recuperación de información en documentos PDF académicos

Resumen

El objetivo del trabajo fue desarrollar y verificar localmente un asistente inteligente para consultar documentos académicos de un repositorio de la Universidad Católica de Cuenca. En este contexto, el problema consiste en que los archivos extensos dificultan la localización rápida y precisa de información cuando se depende únicamente de la búsqueda tradicional por palabras clave. Para lo cual, implementamos un prototipo que convierte el contenido en representaciones vectoriales, búsqueda semántica con la biblioteca Facebook AI Similarity Search (FAISS) y respuestas en ejecución local con Ollama. El prototipo tiene una arquitectura cliente–servidor, integra la carga de documentos, segmentación por fragmentos, recuperación semántica y persistencia del historial mediante generación aumentada con recuperación (Retrieval Augmented Generation, RAG). Además, el prototipo incorpora la referencia del documento analizado e indica con claridad cuando no existe evidencia suficiente para responder. La metodología utilizada fue Scrum y realizamos pruebas de extremo a extremo en carga individual y por carpeta. También, aplicamos una encuesta de percepción a cuatro participantes para valorar facilidad, claridad, utilidad y experiencia de usuario. En cuanto a los resultados de rendimiento, se obtuvo que la versión actual del prototipo aumenta el tiempo de ingesta e indexación de documentos frente a la versión inicial. Esto se debe a que la segunda versión genera más embeddings, pero mejora la recuperación de evidencias y la calidad de respuesta. Se concluye que un asistente documental inteligente optimiza el proceso de consulta al reducir los tiempos de búsqueda y eliminar la dependencia de servicios externos.