Estudio de caso de IA: Integración de Chat GPT con modelos de OpenAI

20 September, 2023 |

¿Cómo se puede integrar con éxito Chat GPT con modelos de OpenAI en un desarrollo de software?

 

La tecnología está avanzando a pasos agigantados y nos ofrece cada vez más soluciones y posibilidades para explorar en el mundo del desarrollo. Estos avances pueden llevarnos a lugares inimaginables. La necesidad de estar constantemente a la vanguardia de este abanico de posibilidades nos lleva a buscar la formación continua. El objetivo es siempre incorporar nuevos conocimientos para, por ejemplo, integrar modelos de OpenAI dentro de proyectos con tecnología de punta, como por ejemplo las integraciones de Chat GPT.

En esta publicación queremos compartir de qué modo, junto con uno de nuestros grandes clientes, logramos implementar un caso de negocios concreto en el cual realizamos una integración de Chat GPT en una solución de software personalizada.

El objetivo de la aplicación fue facilitar una plataforma de capacitación dinámica y flexible para el equipo de ventas de un laboratorio farmacéutico de reconocido prestigio, con la capacidad de obtener información en línea sin necesidad de realizar cargas previas de datos a fin de ahorrar costos y tiempo.

Además de incluir funcionalidades estándar de administración de usuarios, grupos y perfiles, la solución de software contiene módulos relacionados con la gestión de la capacitación: roles, exámenes sugeridos para cada rol, formularios de examen y seguimiento de resultados por examen, por rol y por grupo.

La innovación importante que logramos fue la integración con Chat GPT, en la cual combinamos dos de sus principales funcionalidades: Búsqueda de información y análisis de textos.

Nuestro equipo de Prompt Engineers trabajó junto con especialistas del cliente y realizó una serie de pruebas de concepto. Gracias a este trabajo, refinamos los parámetros que nos permiten obtener información de manera precisa, confiable y justa en términos de la cantidad de bytes enviados y recibidos a fin de optimizar costos. Las conclusiones fueron las siguientes:

  • Utilizamos “Búsqueda de información” para obtener información en línea sobre los tipos de medicamentos; datos que suelen figurar en los prospectos de los medicamentos.
  • Utilizamos “Análisis de texto” para comparar el texto de la información obtenida con el texto de la respuesta ingresada por el usuario y, de acuerdo al porcentaje de precisión, le asignamos una puntuación a cada respuesta.

La suma de las puntuaciones da un resultado final que queda registrado y forma parte del registro de capacitación del cliente mediante la integración con su LMS (Learn Management System).

Los resultados son sorprendentes, con un tremendo impacto positivo para el cliente en términos de costo y tiempo gracias al alto grado de automatización del proceso de capacitación del equipo de ventas.