Abstract:
In outpatient veterinary clinics, manual management of appointments and inquiries through instant messaging generates delays, operational overload, and a higher risk of scheduling errors. The lack of centralized information and automated tools limits staff efficiency and negatively impacts the pet owner’s experience. In response to this issue, this project proposes the development of an integrated management and customer support platform based on automation and conversational intelligence. The hypothesis states that integrating automated flujos de trabajos and language models improves appointment administration and reduces repetitive tasks. The system was designed using a layered architecture and implemented through Docker containers. n8n was used for workflow orchestration, Evolution API enabled messaging integration, MongoDB supported transactional data storage, Qdrant functioned as a vector database, and OpenAI models were applied for message classification and entity extraction. Cloud services were incorporated for storage and deployment. Results showed an automation level above 80% in appointment management and a significant reduction in manual intervention. It is concluded that intelligent automation enhances operational efficiency and strengthens clinical service organization.
Keywords: process automation, conversational intelligence, layered architecture, digital messaging, operational efficiency.
Description:
En las clínicas veterinarias de atención ambulatoria, la gestión manual de citas y consultas a través de mensajería instantánea genera retrasos, sobrecarga operativa y riesgo de errores en la programación. La falta de centralización de la información y de herramientas automatizadas limita la eficiencia del personal y afecta la experiencia del tutor de la mascota. Ante esta problemática, el presente proyecto propone el desarrollo de una plataforma integral de gestión y soporte al cliente basada en automatización e inteligencia conversacional. Se plantea como hipótesis que la integración de flujos de trabajo automatizados y modelos de lenguaje permite optimizar la administración de citas y reducir tareas repetitivas. El sistema fue diseñado bajo una arquitectura en capas e implementado mediante contenedores Docker. Se emplearon n8n para la orquestación de flujos, Evolution API para la integración con mensajería, MongoDB como base de datos transaccional, Qdrant para almacenamiento vectorial y modelos de OpenAI para clasificación y extracción de información. Asimismo, se incorporaron servicios en la nube para almacenamiento y despliegue. Los resultados mostraron un nivel de automatización superior al 80% en la gestión de citas y una reducción significativa de intervención manual. Se concluye que la automatización inteligente mejora la eficiencia operativa y fortalece la organización del servicio clínico.
