Aplicación web para clasificar y asistir en la gestión de incidentes usando LLMs de OpenAI
Resumen
Se establece la propuesta de una aplicación web destinada a asistir en la administración de incidentes técnicos en el campo de la tecnología de la información.. La implementación fue llevada a cabo con una arquitectura en 3 capas, basándonos en tecnologías web mediante React, Laravel y MySQL como base de datos. Se establecieron modelos de lenguaje de gran envergadura, aplicando técnicas de diseño de instrucciones para poder analizar descripciones de incidentes técnicos y llegar a proporcionar automáticamente sugerencias y clasificar la prioridad, basándonos en criterios para los incidentes que se generan en el presente. La propuesta fue desarrollada sobre la base de la metodología ágil de tipo SCRUM y validada con usuarios reales, que evaluaron la funcionalidad y la precisión que obtenía dicho sistema. La herramienta obtuvo un 77,3 % de precisión en la propuesta de sugerencias correctas, destacando en categorías como software, redes. Estos resultados evidenciaron la utilidad de la solución como apoyo en la selección de soluciones y en la reducción del esfuerzo cognitivo durante las etapas iniciales de diagnóstico. Se concluye que el uso de LLMs en el soporte técnico representa una alternativa eficaz para optimizar procesos, siempre que se utilice como complemento de la experiencia humana.
Descargas
Citas
Benitez Pereira, Leonardo Santiago & Pizzio, Robinson & Bonho, Samir & Souza, Leonardo & Junior, Antonio. (2023). Machine Learning for Classification of IT Support Tickets. 210-213. 10.1109/CyMaEn57228.2023.10051041.
Brown, T. B. et al. "Language Models are Few-Shot Learners". NeurIPS 33 (2020).
D. X. Long, et al., "Multi-expert Prompting Improves Reliability, Safety, and Usefulness of Large Language Models," arXiv preprint arXiv:2411.00492, 2024. Disponible en: https://arxiv.org/abs/2411.00492
Do, L. X., et al. Multi-expert Prompting Improves Reliability, Safety, and Usefulness of Large Language Models. arXiv preprint arXiv:2411.00492, November 2024.
Enhancing LLM Code Generation: A Systematic Evaluation of Multi-Agent Collaboration and Runtime Debugging for Improved Accuracy, Reliability, and Latency. arXiv preprint arXiv:2505.02133v1, 2024.
Hao, Y., et al. Planning Anything with Rigor: General-purpose Zero-shot Planning with LLM-based Formalized Programming. MIT News, April 2025.
Huang, Y., et al. Advancing Transformer Architecture in Long-Context Large Language Models: A Comprehensive Survey. arXiv preprint arXiv:2311.12351, 2023.
L. S. Benitez Pereira, et al., "Machine Learning for Classification of IT Support Tickets," 2023 International Conference on Cyber Management and Engineering (CyMaEn), 2023. doi: 10.1109/CyMaEn57228.2023.10051041
Laravel Documentation. "Laravel - The PHP Framework For Web Artisans". https://laravel.com/docs (2025).
LLM Support for Real-Time Technical Assistance. ResearchGate, September 2024.
Oracle Corporation. "MySQL Reference Manual". https://dev.mysql.com/doc (2025).
Purple Griffon, "Incident Categorisation in ITSM," Purple Griffon Blog, 2024. [Online]. Available: https://purplegriffon.com/blog/incident-categorisation. [Accessed: Dec. 6, 2024].
R. Russo, "Multi-Agent LLM Frameworks: A New Paradigm in Problem Solving," Medium, 2 julio 2024. Disponible en: https://medium.com/bip-xtech/multi-agent-llm-frameworks-a-new-paradigm-in-problem-solving-c03abdae6433
React Documentation. "React – A JavaScript Library for Building User Interfaces". https://reactjs.org/docs (2025).
Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.
Sahoo, P., et al. A Systematic Survey of Prompt Engineering in Large Language Models: Techniques and Applications. arXiv preprint arXiv:2402.07927, February 2024.
V. Scotti y M. J. Carman, "LLM Support for Real-Time Technical Assistance," Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, 2024. doi: 10.1007/978-3-031-70371-3_26
Derechos de autor 2025 Innovación y Software
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores ceden en exclusiva el derecho de publicación de su artículo a la Revista Innovación y Software, que podrá editar o modificar formalmente el texto aprobado para cumplir con las normas editoriales propias y con los estándares gramaticales universales, antes de su publicación; asimismo, nuestra revista podrá traducir los manuscritos aprobados a cuantos idiomas considere necesario y difundirlos en varios países, dándole siempre el reconocimiento público al autor o autores de la investigación.
