Agente LLM para la recolección de datos

Abstract

Este trabajo de fin de máster presenta el desarrollo de un sistema modular para la automatización de interacciones cliente-empresa mediante grandes modelos de lenguaje (LLM). El sistema, implementado en la empresa Votconnect, se centra en la creación de skills con figurables que permiten a los agentes autónomos recopilar, validar y operar sobre parámetros de manera robusta y adaptable a diversos casos de uso. Se revisa el estado del arte en Procesamiento del Lenguaje Natural (PLN) y LLM, destacando los avances recientes y los desafíos asociados, como la falta de robustez y las alucinaciones de los modelos. La arquitectura propuesta utiliza componentes modulares y técnicas de validación avanzadas para asegurar la precisión y fiabilidad de las interacciones, superando las limitaciones de los agentes autónomos actuales. El sistema es evaluado en contextos prácticos como la gestión de reservas en restaurantes y la consulta de información empresarial, demostrando su efectividad y adaptabilidad. A pesar de los avances, se identifican áreas de mejora en términos de latencia y costes, y se propone la exploración de nuevas herramientas como LangGraph para futuras iteraciones. Este trabajo contribuye al desarrollo de soluciones más robustas y eficientes en la automatización de interacciones mediante LLM, con el propósito de conseguir que los agentes autónomos sean una herramienta viable en un entorno de producción.

This master's thesis presents the development of a modular system for automating client-company interactions using large language models (LLMs). The system, implemented at Votconnect, focuses on creating configurable skills that allow autonomous agents to robustly and adaptively collect, validate, and operate on parameters for various use cases. The state of the art in Natural Language Processing (NLP) and LLMs is reviewed, highlighting recent advances and associated challenges, such as the lack of robustness and model hallucinations. The proposed architecture employs modular components and advanced validation techniques to ensure the precision and reliability of interactions, overcoming the limitations of current autonomous agents. The system is evaluated in practical contexts such as restaurant reservation management and business information queries, demonstrating its effectiveness and adaptability. Despite the advances, areas for improvement in terms of latency and costs are identified, and the exploration of new tools like LangGraph is proposed for future iterations. This work contributes to the development of more robust and efficient solutions for automating interactions using LLMs, with the goal of making autonomous agents a viable tool in a production environment.