Resumen:
The project "RAG applied to business intelligence for the efficient management of insights in an Ecuadorian financial institution" aims to develop an AI system integrating Retrieval-Augmented Generation (RAG) with Business Intelligence tools. The goal is to enable commercial users to perform natural language queries through a self-service portal, reducing response times and workload for the analytics team. The solution addresses the need to improve information accessibility and decision-making processes.
The system uses a DuckDB backend and OpenAI models to translate queries into SQL statements and present the results through a Streamlit interface. Empirical testing was conducted to fine-tune system performance.
The results show a 98% reduction in response times compared to the traditional process and a 78% satisfaction rate among users, validating the solution's effectiveness. The project concludes that combining RAG with BI significantly enhances data accessibility and operational efficiency.
Keywords: Retrieval-Augmented Generation, Business Intelligence, Large Language Models, Data Management.
Descripción:
El proyecto "RAG aplicado a business intelligence para la gestión eficiente de insights dentro de una institución financiera ecuatoriana" busca desarrollar un sistema de inteligencia artificial basado en la Generación Aumentada por Recuperación (RAG) para optimizar la gestión de datos. El objetivo es permitir a los usuarios comerciales realizar consultas en lenguaje natural a través de un portal de autoservicio, reduciendo los tiempos de respuesta y la carga de trabajo del área de analítica. La solución se justifica por la necesidad de mejorar el acceso a la información y acelerar la toma de decisiones en la institución.
Para el desarrollo, se utilizó un backend con DuckDB y modelos de OpenAI que traducen las consultas en SQL, extrayendo la información relevante, la cual se presenta en una interfaz visual de Streamlit. Se realizaron pruebas empíricas para ajustar la precisión y el rendimiento del sistema.
Los resultados muestran una reducción de hasta el 98% en el tiempo de respuesta respecto al proceso tradicional y una satisfacción del 78% entre los usuarios, validando la eficacia de la solución. El proyecto concluye que la combinación de RAG y BI mejora significativamente la accesibilidad y eficiencia en la gestión de información.
Palabras clave: Generación Aumentada por Recuperación, Business Intelligence, Modelos de Lenguaje, Gestión de Información.
