Sistema conversacional para el análisis del comportamiento felino utilizando generación aumentada por recuperación

Abstract

Este artículo presenta el diseño, la implementación y la evaluación de un sistema conversacional para analizar y explicar el comportamiento felino utilizando un pipeline de Generación Aumentada por Recuperación (RAG). El sistema integra dos modelos de lenguaje de gran escala (LLM) (ChatGPT y DeepSeek) con fuentes de conocimiento externas indexadas en una base de datos vectorial (Pinecone), lo que permite enriquecer las consultas de los usuarios con información contextual relevante proveniente de artículos veterinarios, documentos PDF y contenido de expertos. A través de una interfaz de WhatsApp impulsada por Twilio y Flask, los usuarios interactúan con el sistema para recibir orientación personalizada sobre el comportamiento de gatos domésticos y ferales. Se evaluaron un total de cuatro configuraciones del sistema (cada LLM con y sin RAG) mediante una encuesta administrada a 40 propietarios de gatos, quienes evaluaron la calidad de 400 respuestas generadas. Los resultados indican que, aunque las respuestas sin RAG fueron generalmente preferidas, las respuestas mejoradas con RAG proporcionaron recomendaciones más precisas y fundamentadas en el contexto en casos específicos. Los hallazgos subrayan la importancia de la calidad del corpus en los sistemas basados en RAG y ofrecen perspectivas prácticas para el despliegue de LLM en herramientas de apoyo al comportamiento animal. Este trabajo contribuye a los campos de la etología computacional, la informática veterinaria y la interacción humano–animal al demostrar una solución de IA escalable y adaptada al dominio.