Ramírez Ovalle, Carlos ErnestoAlvear Corro, Jesus David2025-11-042025-11-042025http://hdl.handle.net/11522/5048El siguiente proyecto aborda la necesidad de mejorar la gestión de cobranzas en entidades bancarias dado el repentino aumento de la cartera vencida, lo que pone en presión la eficacia de las estrategias de cobranzas, el objetivo del proyecto se enfoca en la implementación de un modelo avanzado de procesamiento de lenguaje natural (PLN) como BERT. Este analiza las conversaciones de WhatsApp entre asesores de cobranza y clientes, para mejorar la eficiencia en la gestión de cobranzas identificando patrones de comportamiento y analizando el sentimiento expresado en estas interacciones. El desarrollo del modelo se estructura en varias fases clave. Primero, se establece una robusta gestión de datos y creación de pipelines para capturar sistemáticamente las conversaciones de WhatsApp. Esto incluye el almacenamiento, procesamiento, limpieza, normalización y entrenamiento de los datos, asegurando una base sólida para el análisis posterior. Se implementan modelos avanzados como BERT para evaluar la calidad de las conversaciones y analizar el sentimiento expresado por los clientes. Los modelos BERT se utilizarán para la clasificación de sentimientos, proporcionando así una comprensión profunda de la percepción y la actitud de los clientes frente a sus obligaciones financieras. La evaluación del modelo es exhaustiva, considerando métricas estándar como precisión, exactitud y F1- score, así como la capacidad del modelo para generalizar a nuevas conversaciones y su interpretabilidad. Esto garantiza que el modelo seleccionado cumpla con los estándares de calidad necesarios para su implementación en un entorno operativo real. Además de mejorar la eficiencia en la gestión de cobranzas, el proyecto logra proporcionar herramientas para una evaluación temprana del desempeño de los asesores. Esto se logra mediante el análisis automatizado de las interacciones, identificando conversaciones críticas y áreas donde los asesores podrían mejorar en la comunicación con los clientes.This project addresses the need to improve collections management in banking institutions due to the sudden increase in overdue loans, which puts pressure on the effectiveness of collection strategies. The project's objective focuses on implementing an advanced natural language processing (NLP) model such as BERT. This model analyzes WhatsApp conversations between collection advisors and clients to enhance efficiency in collections management by identifying behavioral patterns and analyzing the sentiment expressed in these interactions. The model development is structured into several key phases. First, a robust data management and pipeline creation process was established to systematically capture WhatsApp conversations. This includes data storage, processing, cleaning, normalization, and training, ensuring a solid foundation for subsequent analysis. Advanced models such as BERT were implemented to assess the quality of conversations and analyze the sentiment expressed by clients. BERT models were used for sentiment classification, providing a deep understanding of clients’ perceptions and attitudes toward their financial obligations. Model evaluation was thorough, considering standard metrics such as precision, accuracy, and F1-score, as well as the model’s ability to generalize to new conversations and its interpretability. This ensures that the selected model meets the necessary quality standards for implementation in a real operational environment. In addition to improving collections efficiency, the project also provides tools for early evaluation of advisor performance. This is achieved through automated analysis of interactions, identifying critical conversations and areas where advisors could improve communication with clients.54 p.application/pdfspaModelosLenguaje naturalBERTChatGPTVectorizaciónModelsNatural languageVectorizationmaster thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2