Aplicativo Móvil para reducir los tiempos de espera en los servicios de atención de IAFAS prepagas de Lima utilizando Chatbot con Machine Learning y PLN

• Autores: Araujo Mebus, Hugo Javier, Doménique Romero, José Alejandro
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/672220
• Enlace del recurso: http://hdl.handle.net/10757/672220
• Nivel de acceso: acceso abierto
• Materia: Chatbot de atención al cliente; Chatbot con PLN; Chatbot con árboles de decisiones; Reducción de tiempos de espera en aseguradoras; Atención al asegurado; Customer service chatbot; Chatbot with PLN; Chatbot with decision trees; Reduction of waiting times in insurance companies; Policyholder service; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#2.00.00

Las aseguradoras de salud que están subordinadas a una sola clínica han registrado por primera vez 6,938 reclamos entre el primer semestre del 2021 y el primer semestre del 2022 en la Superintendencia Nacional de Salud (SUSALUD). El 70% de estos reclamos tratan sobre la atención brindada al asegurado que se origina debido al excesivo tiempo de espera al brindar información a los afiliados que ha aumentado tras la congestión de los canales de atención, la falta de plataformas tecnológicas para el afiliado, los insuficientes canales de atención y la demora en la obtención de información de la póliza o atenciones médicas. En consecuencia, el elevado número de reclamos ha tenido un impacto económico paras las IAFAS prepagas ya que ha ocasionado 25 sanciones entre S/. 8,800.00 a S/. 220,000.00. Por ello, se propone el desarrollo de un chatbot que utilice machine learning y procesamiento de lenguaje natural (PLN) para reducir los tiempos de espera en los servicios de atención al asegurado en IAFAS Prepagas de Lima. El modelo propuesto consta de 3 fases: extracción de información mediante técnicas de procesamiento de lenguaje natural, determinación de intención del usuario aplicando el algoritmo de árboles de decisiones y consulta de documentos utilizando servicios Api REST. Esta propuesta fue validada mediante un caso de estudio en una aseguradora prepaga de Lima durante tres días a través de un análisis comparativo de la variable de tiempos de respuesta frente a la variable de uso del aplicativo. Los resultados muestran que el modelo logró reducir los tiempos de espera en 88.43% aproximadamente.