‍Pomdi se enfrentaba a una serie de desafíos operativos derivados de la gestión manual de la información:

‍

- Alta carga administrativa y riesgo de errores humanos

- Dificultades para acceder al historial de no conformidades

- Falta de trazabilidad para resolver incidencias recurrentes

- Limitaciones en el acceso rápido y contextual a información clave por parte de los operarios

‍

Estas barreras operativas limitaban la eficiencia, la capacidad de respuesta y el aprovechamiento del conocimiento acumulado en el sistema productivo.

‍

El objetivo era claro: diseñar una solución conversacional, ágil e inteligente que permitiera a los operarios interactuar con la información de forma sencilla, natural y efectiva. Para ello, el sistema debía:

‍

- Procesar automáticamente datos técnicos e históricos de las matrículas

- Generar resúmenes operativos comprensibles y adaptados al contexto

- Facilitar consultas en lenguaje natural

- Mantener el contexto entre interacciones mediante memoria conversacional

‍

Nuestra solución fue disponer la tecnología al servicio del operario, mediante un proyecto estructurado en cuatro pilares tecnológicos:

‍

1. Automatización del procesamiento de matrículas

Se implementó un proceso ETL capaz de extraer y estructurar datos a partir de archivos semi-estructurados que contienen información detallada sobre cada matrícula: IDs, incidencias, soluciones previas, comentarios técnicos y más. El resultado es una base de conocimiento lista para ser consultada en tiempo real.

2. Generación automática de resúmenes

Utilizando modelos avanzados de lenguaje natural (LLMs), cada matrícula es transformada en un resumen contextualizado que destaca los aspectos más relevantes para el operario, incluyendo patrones de fallos, intervenciones anteriores o notas críticas.

3. Consulta interactiva mediante lenguaje natural

Los operarios pueden interactuar con el sistema a través de una interfaz conversacional. Basta con formular preguntas en lenguaje natural para recibir respuestas claras, personalizadas y contextualizadas, sin necesidad de navegar por bases de datos o documentos técnicos.

4. Memoria conversacional contextual

Gracias a la integración con LangChain, el asistente mantiene el hilo de la conversación, permitiendo preguntas encadenadas sin pérdida de contexto. Esto mejora significativamente la experiencia del usuario y agiliza la resolución de dudas técnicas o incidencias operativas.

‍

La implementación de esta solución ha supuesto un antes y un después en la operativa de Pomdi:

‍

- Reducción de la carga administrativa y de los errores humanos

- Mejora sustancial en la trazabilidad de las incidencias

- Acceso inmediato y amigable a información técnica compleja

- Mayor autonomía para los operarios en la resolución de problemas

‍

Este proyecto representa un ejemplo claro de cómo la inteligencia artificial puede integrarse de forma práctica en entornos industriales, potenciando el conocimiento operativo y mejorando la eficiencia de los procesos clave.

‍

‍

‍

‍