Vol. 6 – Núm. 1 / Enero – Junio – 2025
Adaptación de Modelos OpenAI para mejorar la Experiencia del
Usuario en Telegram
Adaptation of OpenAI Models to Enhance User Experience on Telegram
Adaptação de Modelos OpenAI para Melhorar a Experiência do Usuário
no Telegram
Rea-Manobanda, Byron Vinicio
Escuela Superior Politécnica de Chimborazo
byron.rea@espoch.edu.ec
https://orcid.org/0009-0006-3072-2874
Moposita-Lasso, Rebeca Mariana
Escuela Superior Politécnica de Chimborazo
rebeca.moposita@espoch.edu.ec
https://orcid.org/0009-0004-9181-1008
DOI / URL: https://doi.org/10.55813/gaea/ccri/v6/n1/820
Como citar:
Rea-Manobanda, B. V., & Moposita-Lasso, R. M. (2025). Adaptación de Modelos OpenAI
para mejorar la Experiencia del Usuario en Telegram. Código Científico Revista De
Investigación, 6(1), 1607–1626. https://doi.org/10.55813/gaea/ccri/v6/n1/820
Recibido: 16/06/2025 Aceptado: 27/06/2025 Publicado: 30/06/2025
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1608
Resumen
Los modelos de inteligencia artificial actualmente están en crecimiento y desarrollo constante
haciendo posible integrarse en el campo de la medicina, visión artificial, robótica, climatología,
entre otros. La presente investigación se seleccionó el modelo gpt-4o-mini caracterizado por
ser un modelo pequeño, ágil y utilizado para tareas enfocadas capaz de proceder texto e
imágenes. Se integro el modelo a un chatbot en la aplicación de Telegram, como resultado se
obtuvo un modelo personalizado con instrucciones y configuraciones especificas capaces de
ofrecer una interacción fluida, y que siga el contexto de la conversación entre el usuario y el
bot. El artículo se ha desarrollado siguiendo la metodología de Investigación Científica del
Diseño caracterizada por su enfoque en la creación de soluciones prácticas y ejecutadas en
ambientes reales. Luego de analizar los puntajes obtenidos en la escala de usabilidad del
chatbot, se evidenció una mejoría significativa del 15.41% en la usabilidad en comparación del
antes y después de la implementación del modelo de inteligencia artificial.
Palabras clave: OpenAI, chatbot, modelo, inteligencia artificial
Abstract
Artificial intelligence models are currently in constant growth and development, making it
possible to integrate them into the fields of medicine, computer vision, robotics, climatology,
among others. This research selected the gpt-4o-mini model, characterized as a small, agile
model used for focused tasks, capable of processing text and images. The model was integrated
into a chatbot in the Telegram application, resulting in a customized model with specific
instructions and configurations capable of offering fluid interaction and following the context
of the conversation between the user and the bot. The article has been developed following the
Scientific Design Research methodology, characterized by its focus on the creation of practical
solutions executed in real environments. After analyzing the scores obtained on the chatbot's
usability scale, a significant improvement of 15.41% in usability was evident compared to
before and after the implementation of the artificial intelligence model.
Keywords: OpenAI, chatbot, model, artificial intelligence.
Resumo
Os modelos de inteligência artificial estão atualmente em constante crescimento e
desenvolvimento, o que torna possível integrá-los às áreas da medicina, visão computacional,
robótica, climatologia, entre outras. A presente pesquisa selecionou o modelo gpt-4o-mini,
caracterizado por ser um modelo pequeno, ágil e utilizado para tarefas focadas, capaz de
processar textos e imagens. O modelo foi integrado a um chatbot no aplicativo Telegram,
resultando em um modelo personalizado com instruções e configurações específicas, capazes
de proporcionar interação fluida e acompanhar o contexto da conversa entre o usuário e o bot.
O artigo foi desenvolvido seguindo a metodologia de Pesquisa Científica em Design,
caracterizada pelo foco na criação de soluções práticas implementadas em ambientes reais.
Após a análise das pontuações obtidas na escala de usabilidade do chatbot, foi evidenciada uma
melhora significativa de 15,41% na usabilidade em comparação ao período antes e depois da
implementação do modelo de inteligência artificial.
Palavras-chave: OpenAI, chatbot, modelo, inteligência artificial.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1609
Introducción
El uso de la inteligencia artificial (IA) en sistemas web y aplicaciones móviles ha
sufrido un crecimiento significativo en los últimos años. Telegram, una plataforma
ampliamente utilizada basada en la nube, una alternativa versátil y segura en la comunicación
y el trabajo en equipo, enfocado en la entrega rápida de mensajes en el menor tiempo. La
implementación de modelos preentrenados como los de OpenAI en Telegram tienen el
potencial de transformar significativamente la interacción, lo que permite una comunicación
más fluida y de acuerdo a las expectativas del usuario.
La presente investigación se basa en modelos OpenAI como la investigación de
implementación de GPT y las formas basadas en idiomas que se presentan a través de grandes
cantidades de datos para comprender y generar un lenguaje que es perceptible al usuario como
natural(Cuartielles et al., 2023). En este contexto, los chatbots desempeñan un papel clave, ya
sea manteniendo una conversación natural con el usuario ya que están diseñados para aprender
de las interacciones anteriores o simplemente generando respuestas previamente
establecidas(Priccilia & Girsang, 2024), por último, otro aspecto esencial de este estudio es la
experiencia del usuario medida a través de la satisfacción percibida por el usuario al interactuar
con el sistema(Ryazanov et al., 2024)
Este estudio prioriza la necesidad de mejorar la forma de comunicación en el mundo
digital y la experiencia del usuario a través de la tecnología avanzadas. Los chatbots
personalizados pueden reducir los costos, aumentar la eficiencia y adaptarse al contexto del
usuario(Cuevas Monzonís et al., 2022). Se elige el modelo gpt-4o-mini a diferencia de sus
versiones anteriores como el modelo gpt-3.5-turbo, que refleja las restricciones en la
supervisión de instrucciones complejas y en seguir el contexto de respuestas complejas, gpt-
4o-mini ofrece un mayor razonamiento, un mayor control sobre los cambios de conversación
y una comprensión más precisa, dando una experiencia del usuario mas natural y coherente.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1610
El estudio se lleva a cabo dentro de la aplicación Telegram, misma que actualmente
está ganando popularidad principalmente para nuevos usuarios (Caseres González, 2024),
ubicándose como la más utilizada después de WhatsApp. La creación medios de comunicación
entre las empresas y el cliente, como los chatbot integrado con la inteligencia artificial, es una
alternativa que está siendo implementada cada vez más por las grandes empresas hasta los
pequeños negocios y emprendimientos(Váscones-Román et al., 2023).
La investigación se enfoca en usuarios de América Latina, especialmente en Ecuador,
donde la demanda de soluciones tecnológicas disponibles adaptadas a las necesidades
específicas de los usuarios (Íñiguez, 2021) está creciendo. Además, las tecnologías de
inteligencia artificial, como los chatbots, están ganando popularidad como una alternativa para
mejorar la comunicación y las respuestas en tiempo real, la alternativa de personalización del
modelo adaptándose a los requerimientos de las empresas ocupando menos recursos,
mejorando la disponibilidad de tener un servicio permanente al cual acceder sin importar el día
y hora(Ayala Cadena & Aguilar Juárez, 2023).
Se plantea la creación de un chatbot informativo para “OpticaCenter” la cual brinda sus
servicios profesionales en salud visual ubicada en la ciudad de Guaranda, misma que ha optado
por implementar una alternativa de atención al cliente virtual que pueda brindar información
precisa e inmediata a consultas, permitiendo satisfacer las necesidades de los mismos y
aumentar el número de usuarios. Se ha planteado a continuación el siguiente objetivo general
Adaptar modelos de OpenAI a través de un chatbot de lenguaje preentrenado. Por lo tanto, para
cubrir con este objetivo se planteó la siguiente pregunta de investigación ¿Cómo influye la
personalización y adaptación de modelos de lenguaje OpenAI en la calidad de la interacción y
la satisfacción del usuario en Telegram, al considerar sus preferencias y patrones de uso?
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1611
Metodología
Diseño
El presente estudio sigue un enfoque cuantitativo y experimental, evaluando el impacto
de un chatbot en la experiencia de navegación del usuario, para lo cual se implementó un
chatbot en la aplicación de Telegram para promocionar los productos y servicios de una óptica
ubicada en la cuidad de Guaranda.
Se implemento como alternativa inicial un chatbot sin inteligencia artificial que sigue
la jerarquía de los árboles de decisión, establecido en un nivel de complejidad bajo en
comparación a los modelos que, si utilizan modelos de OpenAI basado en respuestas
predefinidas que se presentan conjuntamente con menús desplegables y botones. Como
segunda alternativa se optó por la creación de un chatbot integrado con inteligencia artificial
que utiliza el modelo gpt-4o-mini de la plataforma OpenAI.
El modelo gpt-3.5-turbo, aunque ofrece un costo muy bajo de presupuesto puede
carecer de precisión a entradas extensas y ser complejos de implementar debido altos requisitos
de infraestructura. El modelo gpt-4 ofrece una mayor precisión y la posibilidad de integrar
imágenes o documentos, los costos de uso e infraestructura son muy altos, están orientados a
las grandes empresas con capacidades más avanzadas. El modelo gpt-4o-mini es una versión
más ligera y optimizada del modelo gpt-4, cumple con las necesidades de la óptica de poder
ofrecer eficiencia y precisión a consultas de los usuarios en poco tiempo y un costo de uso
intermedio.
Se presenta a continuación (Tabla 1), los principales modelos y sus características que
encontramos en la plataforma OpenAI.
Mediante una revisión bibliográfica(Guaylla & Burgos, 2024), se estableció el
cuestionario de usabilidad del chatbot (CUQ), una herramienta para medir la usabilidad de un
sistema o servicio, siguiendo la norma ISO 9241 creada por la Organización Internacional de
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1612
Normalización, la cual se centra en medir la usabilidad siguiendo las características principales
de eficacia, eficiencia y satisfacción(Soledad Martínez & Autor, 2022). Las puntuaciones de
CUQ se calculan de manera similar a las que se obtienen en el cuestionario SUS(Guaylla &
Burgos, 2024), todos los puntajes se evalúan sobre 100 puntos, la cual se divide en ocho
preguntas de aspecto positivo y ocho preguntas de aspecto negativo(Castro Solano et al., 2024),
asignando a cada pregunta un puntaje de acuerdo a la escala de Likert tal como lo establece la
herramienta SUS(espino Sota, 2022). SU cuenta con una formula establecida que, una vez
obtenidos los datos, muestra el porcentaje de usabilidad y su equivalencia en los rangos
establecidos en Tabla 1.
Tabla 1
Rangos de usabilidad SUS
Puntuación SUS
Calificación
Aceptabilidad
Percentil
78,9 – 100
A
Aceptable
Top 15%
72,6 – 78,8
B
Aceptable
Top 35%
62,7 – 72,5
C
Marginal
Top 65%
51,7 – 62,6
D
Marginal
Top 85%
0 – 51,6
F
No aceptable
-
Nota: (Autores, 2025).
Población
La muestra para el presente estudio estuvo conformada por los clientes de la óptica, los
cuales fueron seleccionados de forma aleatoria utilizando la técnica de muestreo por
conveniencia. En OpticaCenter los días de mayor afluencia de los usuarios son los días viernes
y sábados, se planificó realizar 50 encuestas en un periodo de dos semanas, la primera semana
se encuesto a los usuarios que utilizaron el chatbot sin inteligencia artificial, posteriormente
para la semana dos se implementó el chatbot con el modelo gpt-4o-mini.
Limitaciones
La adaptación del chatbot se establece en base a modelos preentrenados de OpenAI que
se limita a los costos de uso del modelo, dependerá especialmente de los modelos disponibles
en la plataforma SendPulse y su integración con el api de OpenAI. El chatbot fue diseñado para
interactuar en el idioma español, no se tomó en cuenta las abreviaturas y expresiones utilizadas
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1613
en otras regiones del Ecuador. Aunque el chatbot fue implementado para una óptica en la
ciudad de Guaranda con una afluencia de usuarios relativamente pequeña, no se ha evaluado
la capacidad de aplicarse en otros sectores como por ejemplo instituciones educativas.
Ética y privacidad
El chatbot “OpticaCenterInteligenteBot” implementado en este estudio por medio de la
plataforma SendPulse obtiene información del perfil del usuario como el nombre, apellidos,
nombre de usuario y foto de perfil, tal y como la proporciona Telegram, además, se almacenan
todos los mensajes que se envían al bot de acuerdo a cada interacción del usuario, la protección
de los datos dependerá estrictamente de las políticas de privacidad de SendPulse y Telegram.
Procedimiento
Se diseño e implemento un chatbot para los dos casos, el primero sin inteligencia
artificial y el segundo con inteligencia artificial respectivamente. Se utilizó la plataforma
SendPulse relativamente fácil al ser una plataforma versátil y practica de utilizar, conjunta
mente con la información y servicios que brinda la óptica se obtiene el diagrama de
implementación (Figura 1), igualmente se evidencia la Figura 2 (Torrealba Dugarte, 2024).
Figura 1
Flujo de chatbot sin inteligencia artificial
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1614
Figura 2
Flujo de chatbot con el modelo gpt-4o-mini
Nota: (Autores, 2025).
El chatbot diseñado ofrece respuestas rápidas a consultas de los usuarios, mediante la
recopilación de palabras más frecuentes utilizadas en la conversación es posible personalizar
el modelo mediante las instrucciones de configuración y las condiciones establecidas en el
modelo de OpenAI(Espinosa-Luna et al., 2023). Se hizo uso de la aplicación Telegram para la
interacción entre el chatbot y el usuario (Figura 3A), la segunda opción (Figura 3B) se
implementó el modelo con inteligencia artificial gpt-4o-mini (Guerrero-Bocanegra, 2023).
Figura 3
Pantalla de chatbot sin IA (A) y chatbot con IA (B) implementados en Telegram
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1615
Una vez implementado el modelo se procedió a realizar pruebas sobre las preferencias
del usuario al momento de interactuar con el chatbot (Figura 4B), se ingresó una entrada de
texto que fue la siguiente “Tienen comida” para lo cual el chatbot respondió aclarando que la
información se limita a la óptica y que no ofrece comida (Figura 4B), tal como se muestra a
continuación.
Figura 4
Pruebas del modelo (A) y entradas de texto inconsistentes (B)
Nota: (Autores, 2025).
Se procedió a crear otro escenario donde se necesite la atención de una persona
encargada de la óptica, para lo cual se escribió la entrada de texto “contactos” y “contacto” a
lo cual el chatbot no ofreció respuesta o respondió después de mucho tiempo (Figura 5A).
Luego de haber agregado más instrucciones y aumentar la información sobre este tema, se
volvió a realizar la misma entra de texto “Contacto” para lo cual el chatbot ofreció una
respuesta más completa, detallada y más entendible hacia el usuario (Figura 5B).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1616
Figura 5
Entrenamiento del modelo (A) y respuestas más eficaces(B) al usuario
Nota: (Autores, 2025).
Otra prueba que se utilizó fue un escenario donde se realiza la siguiente entrada “Me
puede ayudar a esta hora la secretaria” para lo cual se puede decir que el chatbot respondió de
forma acertada, tomando en cuenta que la consulta fue realizada en un horario no laboral ver
los detalles en la Figura 6.
Figura 6
Prueba de chatbot a consulta del usuario en tiempo real
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1617
A continuación, se puede observar cómo fue la configuración de las instrucciones,
condiciones de salida, y la información que se suministró al modelo de OpenAI dentro de la
plataforma SendPulse. Se puede destacar que se ha utilizado la misma plataforma para
configurar los dos chatbots utilizados en esta investigación el primero llamado “Optica
OPTICENTER” que se puede observar en la Figura 7, y el segundo llamado
“OpticaCenterInteligenteBot”, a continuación, la Figura 8.
Figura 7
Pantalla de configuración del chatbot sin inteligencia artificial
Nota: (Autores, 2025).
Figura 8
Pantalla de configuración del modelo gpt-4o-mini
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1618
Instrumentos
En este estudio de utilizo en cuestionario CUQ como herramienta principal para evaluar
la experiencia el usuario, fue diseñado específicamente para medir la usabilidad y eficacia de
los chatbots conversacionales, a diferencia del cuestionario SUS, tiene un enfoque para evaluar
estudios de usabilidad en general, estableciendo formulas y la forma de obtener el porcentaje
final de usabilidad(Guaylla & Burgos, 2024).
Se utilizo un formulario en línea con las preguntas y respuestas establecidas en el CUQ,
como primera encuesta (Figura 9A) utilizada para medir el porcentaje de usabilidad antes de
implementar el modelo, el cuestionario consta de 16 preguntas, cada una con las opciones de
respuestas que siguen una escala de Likert, se asigna los puntajes 1 para totalmente en
desacuerdo, 2 en desacuerdo, 3 neutral, 4 de acuerdo, 5 totalmente de acuerdo, tal como lo
indica la herramienta SUS(Guaylla & Burgos, 2024) que plantean la posibilidad de medir el
grado de experiencia del usuario al utilizar un sistema o aplicación, en esta investigación se
trata de la usabilidad del chatbot y la experiencia del usuario. En la segunda encuesta la misma
estructura, pero esta vez después de haber sido implementado el modelo de inteligencia
artificial (Figura 9B)
Figura 9
Encuesta antes (A) y después (B) de la implementación del modelo de IA
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1619
Análisis de datos
Luego de llegar a la cantidad de interacciones establecidas en la muestra, se procedió a
generar el dataset con los datos recopilados en cada una de las encuestas establecidas, se ha
obtenido un resumen de las principales medidas de un análisis descriptivo de los datos,
conjuntamente con gráficas que resumen los resultados obtenidos. Para lo cual CUQ ha
establecido las siguiente formula (1) con la cual podemos determinar el porcentaje de
usabilidad de un chatbot.
!
!
"#$% & '(&)#*+,"&'(&)-(.#*+%"&/$)%-("
0
1203!451!"#$%&'(&)#*+," &'(&)-(.#*+%"&)%-("00
64
!𝑥!100
Se puede observar los puntajes obtenidos en la encuesta del primer chatbot y los
porcentajes de usabilidad según la formula aplicada a cada pregunta (Tabla 2)
Tabla 2
Puntajes obtenidos para el chatbot "Óptica OPTICENTER"
Pregunta
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Encuesta
Puntuaciones
1
4
2
4
4
4
2
4
2
4
2
4
2
3
3
4
2
2
4
2
4
4
4
2
4
2
4
2
4
2
3
4
2
3
3
4
5
4
1
4
2
4
2
4
1
4
4
3
3
5
2
4
4
1
4
1
4
2
4
2
4
1
1
4
3
3
5
2
5
4
1
4
1
4
2
4
2
4
1
4
2
3
3
5
2
6
3
3
4
2
4
3
4
2
4
3
4
2
4
3
4
3
7
4
5
5
1
4
2
4
2
4
1
4
2
3
3
5
2
8
4
5
4
1
4
4
4
2
4
1
4
4
3
3
5
4
9
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
10
4
1
4
1
4
2
4
2
2
1
4
2
3
3
5
2
11
1
3
4
1
5
1
5
1
5
3
5
2
3
2
5
1
12
4
5
4
5
4
4
4
2
4
1
4
4
3
3
5
2
13
5
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
14
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
15
4
3
4
3
3
2
4
2
3
4
4
3
3
2
4
4
16
1
2
5
1
5
1
4
1
4
1
5
1
5
1
4
1
17
1
5
4
1
4
2
4
1
2
1
4
1
3
3
5
1
18
5
1
5
1
5
1
5
1
5
5
1
5
3
3
5
1
19
5
4
4
1
4
2
4
2
1
4
4
2
3
3
1
1
20
1
2
1
2
1
1
2
2
4
2
5
3
3
3
5
1
21
4
2
2
4
2
4
4
2
4
2
4
4
2
3
3
1
22
4
1
4
1
4
1
2
1
2
4
4
1
2
3
3
4
23
5
1
4
1
5
1
5
1
4
1
4
2
4
2
4
2
24
4
2
4
2
4
2
4
2
4
2
4
2
3
3
4
2
25
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
26
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
1
27
4
2
4
2
4
2
4
2
4
2
4
2
4
3
3
4
28
4
2
4
2
4
2
4
2
2
4
3
3
4
2
4
4
29
4
2
4
2
4
2
4
2
4
2
4
1
4
2
4
2
30
4
2
4
2
4
2
4
2
4
2
4
2
3
3
4
5
31
2
4
2
4
2
4
2
4
2
4
2
3
3
2
4
2
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1620
32
4
2
4
2
4
2
4
2
4
2
4
2
3
3
3
4
33
4
2
4
2
4
2
4
2
4
1
4
2
4
2
4
2
34
2
4
2
4
2
4
2
4
2
4
2
4
3
3
4
4
35
5
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
36
4
2
4
2
4
2
4
2
4
2
4
2
3
3
4
2
37
3
4
3
4
2
4
4
2
4
2
4
2
4
2
3
3
38
2
4
1
5
2
4
2
4
2
3
2
4
3
3
4
2
39
4
2
4
2
4
2
4
2
4
2
4
2
3
2
4
2
40
4
2
4
2
4
2
4
2
4
2
4
2
3
3
4
4
41
4
5
3
2
2
3
2
4
4
2
4
3
4
2
4
2
42
4
2
4
2
4
2
4
2
4
2
4
2
3
3
4
2
43
2
2
2
2
2
2
4
3
4
2
2
4
3
5
4
3
44
4
2
4
2
4
2
4
2
3
4
2
4
3
3
4
2
45
2
4
2
4
2
4
2
4
2
4
4
2
3
3
4
4
46
2
4
2
4
2
4
2
4
4
2
2
3
3
4
2
4
47
4
2
4
2
4
2
4
2
4
2
4
2
4
3
4
2
48
2
4
2
4
2
4
2
4
2
4
2
4
2
3
3
4
49
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
50
4
2
4
2
4
2
4
2
4
2
4
2
4
3
4
2
Nota: (Autores, 2025).
Se puede observar los puntajes obtenidos en la encuesta del segundo chatbot y los
porcentajes de usabilidad según la formula aplicada a cada pregunta (Tabla 3).
Tabla 3
Puntajes obtenidos para el chatbot "opticaCenterInteligenteBot"
Pregunta
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Encuesta
Puntuaciones
1
1
2
4
1
5
1
1
2
4
1
1
1
4
2
5
1
2
1
2
4
1
5
1
5
2
4
1
5
1
4
2
1
1
3
1
2
4
1
5
1
5
2
4
5
5
1
4
2
1
5
4
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
5
1
2
4
2
5
5
5
2
4
1
5
1
4
1
5
1
6
1
2
4
1
5
1
5
1
4
1
5
1
4
2
1
1
7
1
4
4
1
5
1
5
2
4
1
5
1
4
5
1
1
8
1
2
4
1
5
1
5
2
4
1
5
1
4
1
5
1
9
1
4
4
5
5
5
5
2
4
1
5
1
4
1
5
1
10
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
11
1
2
4
1
5
1
5
2
4
1
5
1
4
2
5
1
12
1
2
4
1
5
1
5
2
4
1
5
5
4
1
5
1
13
1
2
4
2
2
1
5
2
4
1
5
1
4
1
5
1
14
1
2
4
2
5
1
5
2
4
1
5
5
1
4
1
5
15
1
2
4
1
5
1
4
2
4
1
5
1
4
1
5
1
16
1
2
4
1
5
1
5
2
4
1
5
1
4
1
5
1
17
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
18
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
19
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
20
1
2
4
2
5
1
5
2
4
1
5
5
4
1
1
5
21
1
2
4
1
5
1
5
2
4
1
5
1
4
1
5
1
22
1
4
2
1
5
1
2
2
4
1
5
1
4
5
1
5
23
1
2
4
1
5
5
1
2
4
1
5
1
4
1
5
1
24
1
2
4
2
5
1
5
1
4
1
5
1
4
1
5
1
25
1
2
4
5
1
5
4
2
4
1
5
1
4
1
5
1
26
1
2
4
1
5
1
5
1
4
1
5
1
4
1
5
1
27
1
2
4
1
5
1
1
5
1
5
1
5
4
1
5
1
28
1
2
4
1
5
1
5
2
4
1
5
1
4
1
5
1
29
1
2
4
5
4
1
5
1
4
1
5
1
4
1
5
1
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1621
30
1
2
4
1
5
1
5
2
4
1
5
1
4
1
5
1
31
1
2
4
5
1
1
5
2
4
1
5
1
4
1
5
1
32
1
2
4
2
5
1
5
1
4
1
5
1
4
1
5
1
33
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
34
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
35
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
36
1
2
4
2
5
1
5
2
4
1
5
1
4
5
5
1
37
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
38
1
2
4
2
5
1
5
1
4
1
5
1
4
1
5
1
39
1
2
4
1
1
1
5
2
4
1
5
1
4
2
5
1
40
1
2
4
1
5
1
5
1
4
1
5
1
4
1
5
1
41
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
42
1
2
4
1
5
1
5
2
4
1
5
1
4
1
5
1
43
1
2
4
1
5
1
1
5
4
1
5
1
4
1
5
1
44
1
2
4
2
4
1
2
2
1
1
5
1
4
1
5
1
45
1
2
4
2
5
1
4
2
4
1
5
1
4
1
5
1
46
1
2
4
2
5
2
5
2
4
1
5
1
4
1
5
1
47
1
2
4
2
5
2
5
2
4
1
5
1
4
1
5
1
48
1
2
4
2
5
1
5
2
4
1
5
1
4
1
5
1
49
1
2
4
1
1
5
5
2
4
1
5
1
4
1
5
1
50
1
2
4
1
5
1
5
1
4
1
5
1
4
1
5
1
Nota: (Autores, 2025).
Resultados
El promedio de 3.89 en las preguntas de aspecto positivo se acerca a 5 en la escala de
Likert, lo cual indicó que los usuarios generalmente pueden completar sus tareas de forma
efectiva, la mayoría de los usuarios están satisfechos con la experiencia de navegación. El
promedio de 1.57 en las preguntas de aspecto negativo en la escala de Likert indica poca
dificultad en la interacción del usuario, no hay muchas molestias al momento de utilizar el
chatbot, pero se pueden mejorar algunos aspectos (Figura 10).
Figura 10
Promedio de puntajes y valoración de preguntas con IA
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1622
A continuación, en la figura 11, se observa un análisis estadístico con los promedios de
los puntajes totales obtenidos para las 50 encuestas realizadas antes de implementar el modelo
con inteligencia artificial y 50 encuestas después de implementar el modelo de inteligencia
artificial gpt-4o-mini. Se puede observar una variabilidad de los puntajes obtenidos en cada
encuesta, así también se observa que los puntajes más bajos se encuentran en las encuestas
realizadas antes de la implementación del modelo de inteligencia artificial.
Figura 11
Gráfico de barras del total de encuestas
Nota: (Autores, 2025).
Se procedió a realizar pruebas estadísticas (Tabla 4) a los resultados obtenidos,
mostrando que el puntaje con IA ha mejorado un 15.41% más alto que el puntaje sin IA, el
valor absoluto de t (6.50) es significativamente alto reflejando una diferencia considerable y
clara entre los dos escenarios, el valor de p < 0.05 indica que la diferencia es estadísticamente
significativa, lo que indica que la mejora no se debe al azar.
Tabla 4
Pruebas estadísticas a los resultados finales
Característica
Resultado
Diferencia de medias
15.41%
Estadístico t
-6.50437
Valor p
3.8884e-08
Intervalo de confianza del 95%
(10.65%, 20.17%)
Nota: (Autores, 2025).
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1623
Con respecto a la evaluación de la experiencia del usuario frente a la utilización del
chatbot sin inteligencia artificial se obtuvo un promedio final de 63.69% de usabilidad
equivalente a una calificación “C” y un grado de aceptabilidad “Marginal”. Con respecto a la
experiencia del usuario frente a la utilización del chatbot con inteligencia artificial se obtuvo
un promedio de 79.09% de usabilidad equivalente a una calificación de “B” y un grado de
aceptabilidad “Aceptable”, más detalles en la Figura 12.
Figura 12
Resultados de puntajes CUQ y su relación en la escala SUS
Nota: (Autores, 2025).
Discusión
En comparación (Bustos-Moyano et al., 2024) y (Guaylla & Burgos, 2024) destacados
por el estudio y aplicación de inteligencia artificial, se ha demostrado que el modelo
desarrollado en esta investigación demuestra la mejora en la usabilidad del chatbot destacando
la creación de los dos escenarios funcionales y reales para ser puesto en práctica en posteriores
investigaciones.
La implementación y configuración del chatbot en Telegram puede ser replicada en
otros sectores, como educación, hotelería, salud, mismas que dependerán de la configuración
y variaciones en el modelo para adaptarse a las necesidades de cada situación. De igual forma
el acceso al api de OpenAI ofrece la posibilidad de ser integrada en las principales aplicaciones
como son WhatsApp, Facebook Messenger, Instagram, Viber, en las cuales la facilidad de
implementación dependerá de las restricciones y políticas de cada empresa.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1624
Conclusión
En la presente investigación se llevó a cabo en dos escenarios, el primero un chatbot
que se basa en menús y opciones creado para brindar información según el usuario seleccione
una opción, el segundo un chatbot implementado con el modelo gtp-4o-mini de la plataforma
OpenAI que destacan la mejoría del antes y después de utilizar el bot con IA.
Se implemento el modelo de OpenAI correctamente en un chatbot llamado
“OpticaCenterInteligenteBot”, en el cual se integró la información más relevante de la óptica,
conjuntamente con las configuraciones e instrucciones adaptadas al modelo, abrió la
posibilidad de atraer a más clientes o expandir la cobertura de atención tanto dentro como fuera
de la ciudad
El almacenamiento de conversaciones por parte de SendPulse permitieron el
entrenamiento y adaptación del modelo para ofrecer respuestas más precisas, el manejo de
respuestas frente a consultas erróneas o textos con inconsistencias, analizar las palabras o frases
utilizadas con frecuencia para conocer las preferencias del usuario y mejorar la eficiencia del
chatbot.
La configuración del modelo utilizado en esta investigación se limita a 250 tokens lo
cual permitió obtener respuestas más detalladas, tamaño de contexto de la conversación igual
a 10 mensajes anteriores del usuario y del bot, para que el modelo pueda manejar una adecuada
compresión del contenido en las interacciones, temperatura igual a 1 para manejar el nivel de
creatividad y aleatoriedad en las respuestas generadas, obteniendo como resultado un modelo
capaz de procesar entradas de texto grandes, brindar respuestas más precisas y en un menor
tiempo posible.
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1625
Referencias bibliográficas
Ayala Cadena, O., & Aguilar Juárez, I. (2023). La enseñanza de la programación mediante
software educativo especializado y los agentes conversacionales. Interfases, 017, 170–
186. https://doi.org/10.26439/interfases2023.n017.6337
Bustos-Moyano, O., Morales-Barrientos, P., Tapia-Gallardo, H., Medina-González, P., &
Escobar-Cabello, M. (2024). El Podcast como Apoyo al Razonamiento Profesional
Evaluado por la Inteligencia Artificial. Revista de Estudios y Experiencias En
Educación, 23(52), 29–42. https://doi.org/10.21703/rexe.v23i52.2214
Caseres González, E. A. (2024). Percepción de estudiantes universitarios sobre un curso de
matemáticas bajo la modalidad HyFlex. Cuadernos de Investigación Educativa, 15(1).
https://doi.org/10.18861/cied.2024.15.1.3631
Castro Solano, A., Lupano Perugini, M. L., Caporiccio Trillo, M. A., & Cosentino, A. C.
(2024). Validación de un modelo de rasgos positivos y negativos de personalidad como
predictores del bienestar psicológico aplicando algoritmos de machine learning.
Ciencias Psicológicas. https://doi.org/10.22235/cp.v18i1.3286
Cuartielles, R., Ramon-Vegas, X., & Pont-Sorribes, C. (2023). Retraining fact-checkers: The
emergence of ChatGPT in information verification. Profesional de La Informacion,
32(5). https://doi.org/10.3145/epi.2023.sep.15
Cuevas Monzonís, N., Gabarda Méndez, C., Rodríguez Martín, A., & Cívico Ariza, A. (2022).
Tecnologías digitales para la formación en empresas y entidades de la economía social.
Hachetetepé. Revista Científica de Educación y Comunicación, 24.
https://doi.org/10.25267/hachetetepe.2022.i24.1204
Espinosa-Luna, B. H., Castillo-Oliva, J., Montañez-Díaz, B. A., & Mendoza-De-los-Santos, A.
(2023). Implementación de un chatbot basado en modelo de lenguaje de inteligencia
artificial para responder preguntas frecuentes de estudiantes universitarios. Revista
Científica de Sistemas e Informática, 3(2), e570. https://doi.org/10.51252/rcsi.v3i2.570
Guaylla, B. S., & Burgos, J. S. (2024). DESARROLLO DE UN CHATBOT BASADO EN
INTELIGENCIA ARTIFICIAL PARA ATENCIÓN AL CLIENTE DE LA FARMACIA
SAN VICENTE DEL CANTÓN CHAMBO.
Guerrero-Bocanegra, B. (2023). Analysis of the Social Dimension in the Interactions in the
UNED Hosting Forums and Its Implications for the Design of a Chatbot for Educational
Guidance. Revista Electronica Educare, 27(1). https://doi.org/10.15359/ree.27-
1.15844
Íñiguez, F. (2021). Regulación para las fintech en el Ecuador. Estudios de La Gestión. Revista
Internacional de Administración. https://doi.org/10.32719/25506641.2021.9.5
Priccilia, S., & Girsang, A. S. (2024). Indonesian generative chatbot model for student services
using GPT. International Journal of Informatics and Communication Technology,
13(1), 50–56. https://doi.org/10.11591/ijict.v13i1.pp50-56
Código Científico Revista de Investigación Vol. 6 – Núm.1 / Enero – Junio – 2025
1626
Quispe Sota, J. V. (2022). Diseño de interfaces de sistemas interactivos utilizando técnicas de
machine learning: una revisión del diseño y la usabilidad. Interfases, 016, 202–214.
https://doi.org/10.26439/interfases2022.n016.6028
Ryazanov, I., Öhman, C., & Björklund, J. (2024). How ChatGPT Changed the Media’s
Narratives on AI: A Semi-automated Narrative Analysis Through Frame Semantics.
Minds and Machines, 35(1), 2. https://doi.org/10.1007/s11023-024-09705-w
Soledad Martínez, M., & Autor, *. (2022). Aplicación de Norma ISO 9241-11 para la
Evaluación de la Usabilidad en Simuladores de Vuelo Application of ISO 9241-11
Standard for the Evaluation of Usability in Flight Simulators. In Revista Innovación y
Software (Vol. 3, Issue 2).
Torrealba Dugarte, J. D. (2024). Eduética en el uso de la inteligencia artificial a través de la
ingeniería de prompts. Revista Digital de Investigación y Postgrado, 5(10), 261–266.
https://doi.org/10.59654/7j69c731
Váscones-Román, F. F., Zambrano-Sanchez, D. F., Vera Arias, F. J., & Lopez-Villanueva, A.
G. (2023). Sobre el uso de modelos de lenguaje basados en inteligencia artificial en la
producción científica en ciencias de la salud. Revista Médica Herediana, 34(4), 239–
240. https://doi.org/10.20453/rmh.v34i4.5157