• Explotar información de diversas bases de datos de manera centralizada sin necesidad de que los responsables deban tener conocimientos de los modelos de datos subyacentes ni de SQL.

• Aumentar la eficiencia de los ingenieros de perforación.

Nubiral desarrolló una solución basada en IA Generativa e integraciones serverless hacia los datos que permite:  

• A través de una interfaz conversacional, un usuario puede solicitar información en lenguaje natural.

• Utilizando un modelo de lenguaje (LLM) la solicitud se transforma en una consulta SQL que se ejecuta automáticamente en el motor de base de datos correspondiente.  

• Con el resultado de la consulta, se emplea nuevamente un LLM para transformar la respuesta (típicamente numérica) a lenguaje natural. El usuario recibe los datos en lenguaje natural, la consulta SQL generada y una explicación de cómo se creó dicha consulta SQL.

• Explotar información de diversas fuentes (bases de datos, reglas de negocio, software de simulación de extracción) de manera centralizada.  

• Facilitar las tareas de los ingenieros de perforación: minimizar la cantidad de herramientas y fuentes de datos con las que deben interactuar para análisis o diseño.

Nubiral desarrolló una solución integral que permite a los ingenieros de perforación interactuar con los datos de manera más ágil. Utilizando Amazon Bedrock y servicios de integración nativos de AWS, se optimizaron los procesos actuales y se aprovechó el poder de la IA para agilizar tareas como la búsqueda de información de pozos, simulación y comparativas para diferentes métodos de extracción (electrosumergible, gas lift, etc.).

• Contar con un asistente conversacional que permita a sus 20.000 empleados acceder a información sobre RRHH y procesos a través de una interfaz conversacional.

• Disponer de un único chat para interactuar con la IA y que, dependiendo de la consulta del usuario, identifique el caso/agente y los datos a los cuales referirse para consultar y construir la respuesta.

Nubiral desarrolló un asistente conversacional basado en IA Generativa capaz de mantener una conversación con los usuarios finales a través de una interfaz web, permitiéndoles hacer preguntas sobre temas de RRHH y procesos en lenguaje natural.

Utilizando un orquestador basado en un LLM y agentes que acceden a diversas fuentes de información (RAG con bases de datos vectoriales, prompt engineering y APIs para recuperar información de bases de datos) se procesa la pregunta, se recupera la información y se genera una respuesta adecuada.puesta adecuada.

Para la contratación de productos y servicios, la empresa utiliza pliegos (request for proposals, RFP) en los que describe el producto o servicio requerido y las condiciones. A partir de esto, terceras empresas presentan ofertas que se comparan para seleccionar la que mejor se adapta a la solicitud. La generación manual de estos pliegos consume mucho tiempo, en especial para el personal nuevo. El objetivo era implementar una herramienta que permitiera generarlos más rápido, con menor esfuerzo y de forma más estandarizada.

– Implementación de un asistente conversacional basado en modelos LLM, mediante el cual los usuarios pueden ser guiados en el proceso de recolección de información para armar el pliego. 

– El usuario interactúa a través de una interfaz de chatbot. 

– El bot le pide que describa el tipo de solicitud necesaria para identificar el tipo de RFP.

– El bot utiliza el modelo de RFP para preguntar al usuario toda la información necesaria para generar el pliego. Ante cada respuesta, el bot verifica si aborda adecuadamente la pregunta. Caso contrario, hace preguntas de seguimiento.

– Con todas las preguntas respondidas y los detalles de la base de datos, la aplicación inicia el trabajo de generación de RFP.