Arquitectura híbrida para la automatización del soporte técnico mediante un pipeline jerárquico de intenciones y LLMs locales

Abstract

La clasificación automática de intenciones constituye un componente fundamental de los sistemas de soporte técnico inteligentes. Este trabajo propone una arquitectura híbrida basada en un pipeline jerárquico de detectores de intención, organizado según su complejidad computacional y capacidad semántica. La arquitectura combina técnicas deterministas con un Modelo de Lenguaje de Gran Escala (LLM), ejecutado únicamente cuando los niveles previos no alcanzan un umbral de confianza suficiente, minimizando así el costo de inferencia. Una vez identificada la intención, el sistema ejecuta flujos conversacionales parametrizados por expertos del dominio, guiando al usuario durante el diagnóstico y la resolución del incidente, con derivación a operadores humanos cuando resulta necesario. La propuesta fue evaluada en un entorno real con restricciones de hardware y seguridad, obteniendo tiempos de respuesta inferiores a 120 ms para la mayoría de las consultas. Los resultados obtenidos proporcionan evidencia de que la estrategia propuesta permite automatizar eficientemente el soporte técnico preservando la trazabilidad y el conocimiento experto.