Objetivo del proyecto

El proyecto se planteó como la creación de un asistente conversacional interno basado en inteligencia artificial para un referente mundial en el sector de equipos y líneas automáticas de ensamble. Su misión principal fue mejorar el acceso a conocimiento técnico y documental distribuido en la organización, permitiendo que el personal pudiera realizar consultas en lenguaje natural y obtener respuestas útiles y contextualizadas, reduciendo el tiempo invertido en búsquedas manuales y en consultas recurrentes a otros equipos.

Debilidad que resuelve

Se disponía de un volumen elevado de información crítica repartida entre distintos repositorios, sistemas internos, carpetas compartidas y documentos en múltiples formatos. Esta fragmentación generaba fricción operativa: localizar especificaciones, procedimientos, informes o documentación de proyectos era lento y, en ocasiones, dependía del conocimiento tácito de personas concretas. Como consecuencia, se incrementaban los tiempos de respuesta, se duplicaban esfuerzos y se dificultaba la reutilización sistemática del conocimiento existente.

Cómo se ha resuelto

Se diseñó e implantó una arquitectura de tipo RAG (Retrieval-Augmented Generation) que combina recuperación semántica de información con generación de respuestas en lenguaje natural, garantizando que el asistente se apoye en fuentes internas relevantes y mantenga trazabilidad documental.

La solución se implementó sobre un backend en Django con PostgreSQL, integrando capacidades de OpenAI para el razonamiento y la redacción de respuestas. El despliegue se realizó en AWS, incorporando prácticas de operación industrializadas: integración con Grafana para observabilidad y métricas de uso/calidad, y Jenkins para automatización de despliegues y ciclo de vida (CI/CD), facilitando iteraciones rápidas y controladas conforme crece la base de conocimiento.

Resultado final

El asistente está plenamente operativo y es utilizado por el personal técnico en su actividad diaria para localizar información y resolver dudas documentales de forma más ágil. La adopción ha sido positiva, con una ampliación progresiva de la base documental y una mejora continua del sistema conforme se incorporan nuevos contenidos y se ajustan criterios de recuperación. Mondragón Assembly continúa explorando evolutivos, incluyendo la incorporación de información multimodal (por ejemplo, imágenes, planos u otros activos técnicos) y nuevas integraciones que permitan extender el alcance del asistente a más casos de uso internos.