Basado en IA generativa Asistente de pensiones IMSS

Ph. D. Robert Hernández Martínez robert@actuariayfinanzas.net

México enfrenta desafíos crecientes en servicios de salud pública y sistemas de pensiones. La demanda aumenta constantemente y ejerce una presión significativa sobre el mayor sistema público de pensiones, el del Instituto Mexicano del Seguro Social (IMSS). Según el Censo 2020 del Inegi, hace cinco años la población mexicana era de 126 millones de habitantes y el 12% de ella, alrededor de 15 millones de personas, era mayor de 60 años. El Informe Financiero y de Riesgos del IMSS, disponible en https:/rebrand.ly/Informe- FyR-IMSS-2023-2024, muestra 76.7 millones de personas aseguradas y 5.5 millones de individuos pensionados, así que apenas el 37% de los adultos mayores de 60 años tiene una pensión del instituto. El IMSS estima que, de 2010 a 2023, el crecimiento promedio anual de pensionados fue del 4.7%. En este contexto, la gente requiere acceso a información compleja sobre pensiones para tomar decisiones bien informadas que impacten de forma positiva su calidad de vida en el futuro.

El chatbot del IMSS

A medida que el sistema de pensiones se vuelve cada vez más complejo y la demanda de información aumenta, los métodos tradicionales de orientación son sobrepasados. Por ello, el IMSS lanzó una solución innovadora y escalable para atender efectivamente a los millones de ciudadanos mexicanos. El proyecto del IMSS aprovecha las tecnologías de inteligencia artificial (IA) de vanguardia a través de una aplicación web que combina Python, GitHub, Streamlit, LangChain y modelos de lenguaje de NVIDIA AI para crear un sistema integral de orientación sobre pensiones.
Este asistente basado en IA y procesamiento del lenguaje natural (NLP) democratiza el acceso a la información sobre pensiones mientras mantiene la precisión y confiabilidad en cada interacción. El chatbot es capaz de consultar documentos de seguridad social mexicanos (procesamiento de PDF) y simular la conversación humana en español para ayudar a los usuarios al responder sus preguntas y orientarlos. Esta contribución se centra en la creciente población de pensionados y en la necesidad de establecer formas económicas, amigables y confiables de informar sin sesgos, para mejorar la experiencia del usuario.

El chatbot del IMSS actúa como un asesor de pensiones y cuenta con seis características clave: 1) soporte conversacional, pues participa en diálogos como un ser humano; 2) orientado a tareas, pues se enfoca en objetivos específicos; 3) disponibilidad 24/7, pues siempre está en línea para dar un soporte inmediato; 4) capacidades de aprendizaje, pues mejora continuamente con los avances en IA; 5) uso de tecnologías avanzadas para comprender y resolver preguntas complejas, y 6) experiencia en el dominio basada en documentos oficiales para dar respuestas confiables.

Existen tres tipos de tecnologías esenciales en el chatbot del IMSS:
1. LangChain para la construcción de bloques para aplicaciones LLM. Proporciona la base para el chatbot al permitir el procesamiento eficiente de documentos y el manejo de consultas mediante cargadores de documentos, divisores de texto, incrustaciones y cadenas.
2. Recuperación generativa aumentada (RAG). Combina la recuperación de documentos con la generación de respuestas impulsada por IA para asegurar interacciones precisas y contextualmente relevantes.

3. Grandes modelos de lenguaje (LLM). Combinan la comprensión del lenguaje natural (NLU), la gestión del contexto y la síntesis de información específica, para dar orientación sobre pensiones. Al ser la inteligencia central del sistema, procesan consultas complejas, comprendiendo el contexto y la intención, gestionan conversaciones de múltiples turnos y combinan la información de múltiples documentos sobre pensiones para generar respuestas coherentes y completas. Cabe explicar que el NLP y la NLU son conceptos relacionados pero distintos. El NLP abarca todos los aspectos que permiten a las computadoras trabajar con el lenguaje humano, como la tokenización, el análisis y el reconocimiento del habla. El NLU es un subconjunto especializado de NLP, que se centra específicamente en comprender el significado y la intención detrás del lenguaje humano. En el chatbot de pensiones del IMSS, el NLP maneja el procesamiento básico del texto y el análisis de documentos, mientras que el NLU permite al sistema comprender la intención de las consultas, captar los matices contextuales en las preguntas sobre pensiones y proporcionar respuestas precisas, significativas y apropiadas en lugar de solo procesar el texto a nivel superficial, lo cual mantiene la confiabilidad y credibilidad del sistema. Por tanto, el chatbot asegura interacciones matizadas y amigables.

LangChain conecta las pipelines de procesamiento de documentos (entradas de usuario), RAG recupera la información relevante y LLM genera las respuestas. La integración e interacción da un soporte fluido, preciso y conversacional y asegura la modularidad, eficiencia y escalabilidad del asistente.

Flujo de trabajo de la aplicación

• El usuario carga los documentos (archivos PDF).
• El usuario ingresa una consulta en español.
• El sistema identifica si se ha ingresado un saludo o una pregunta.
• Si es una pregunta, se analizan los documentos relevantes.
• El modelo de NVIDIA AI genera una respuesta integral.

• Los resultados se muestran con documentos fuente. Cuando el usuario carga los documentos, comienza la pipeline del procesamiento de estos, que incluye:
• Carga de archivos PDF desde un directorio específico.

• División de documentos en fragmentos manejables.

• Uso del conteo de tokens para gestionar la longitud del contexto.
• Implementación de la caché para mejorar la eficiencia.

• Normalización del texto en español en documentos. Después, comienza la pipeline del procesamiento de consultas, que incluye:
• Selección de fragmentos de documentos relevantes basados en la consulta.
• Mantenimiento de límites de tokens para el contexto.

• Cálculo de puntajes de relevancia para fragmentos de documentos.
• Combinación de información de múltiples documentos.
• Normalización del texto en español.
• Reconocimiento de saludos en español y respuestas apropiadas según la hora.
• Separación de saludos y preguntas reales.
En caso de presentarse errores, inicia la pipeline del manejo de estos, que incluye:
• Gestión de errores de carga de documentos.
• Manejo de problemas de inicialización del modelo.
• Retroalimentación al usuario sobre documentos faltantes.
• Validación de entrada y estado del sistema.
A lo largo de este flujo de trabajo, el asistente muestra una interfaz que incluye:
• Campo de entrada de consultas.
• Opciones de carga de documentos.
• Visualización de respuestas con tiempo de procesamiento.
• Extractos de documentos expandibles.
Streamlit transforma el complejo sistema de consulta de pensiones en una aplicación impulsada por IA y desarrollada en Python. Al convertir los scripts de datos y aprendizaje automático en una interfaz web interactiva e intuitiva, Streamlit nos permite consultar y analizar documentos sin exigirnos experiencia en desarrollo front-end. Visita la app en https:/chatbot-asesor-pen- siones-imss.streamlit.app/.

Usuarios, objetivos, beneficios e implicaciones futuras
Los usuarios primarios son trabajadores mexicanos próximos a la edad de jubilación, pensionados actuales que buscan información, familiares que ayudan a parientes mayores y profesionales de Recursos Humanos que manejan consultas sobre pensiones. Los usuarios secundarios son administradores de seguridad social, asesores de pensiones, planificadores financieros y trabajadores sociales.
Los objetivos principales son proporcionar orientación accesible, precisa e inmediata sobre preguntas relacionadas con las pensiones del IMSS; democratizar el acceso a información compleja sobre pensiones a través de la asistencia de la IA, independientemente de la ubicación o el tiempo; reducir la carga sobre asesores humanos para consultas rutinarias, y mejorar la experiencia del usuario a través de la interacción en lenguaje natural español.
Entre los beneficios están la disponibilidad 24/7 para consultas; la pipeline escalable de procesamiento de documentos con gestión eficiente de tokens; las respuestas personalizadas y apropiadas a la situación específica; la información consistente y precisa basada en documentos oficiales; los tiempos de espera reducidos para información básica; el soporte en lenguaje natural español, incluyendo matices y contexto; la adaptabilidad a diferentes niveles de conocimiento técnico; la toma de decisiones informadas sobre jubilación, y la mejor educación financiera sobre pensiones.

Las implicaciones futuras incluyen el uso del modelo para otros sistemas de seguridad social en el mundo; la posibilidad de que el marco del asistente se expanda a otros servicios gubernamentales, y la creación de nuevos sistemas de asistencia bilingüe con IA.

Preguntas de prueba para el chatbot

Para evaluar el rendimiento del chatbot y asegurar su funcionalidad robusta en diversos escenarios, se proponen veinte preguntas:
1. ¿Cuáles son los requisitos básicos para obtener una pensión por cesantía en edad avanzada del IMSS?

2. ¿Cuál es la diferencia entre pensión por cesantía en edad avanzada y pensión por vejez?
3. ¿Cuántas semanas de cotización se necesitan para tener derecho a una pensión del IMSS?

4. Si tengo 60 años y 750 semanas cotizadas, ¿puedo solicitar una pensión? ¿De qué tipo?
5. ¿Cómo se calcula el monto de la pensión bajo el régimen de 1973?

6. ¿Qué es la pensión mínima garantizada y cuándo aplica?

7. Si me pensiono bajo la Ley 97, ¿cómo se determina el monto de mi pensión?
8. ¿Cuáles son los beneficios adicionales que recibe un pensionado del IMSS?

9. Si fallece un pensionado, ¿qué beneficios recibe su viuda y por cuánto tiempo?
10. ¿Puedo seguir trabajando mientras recibo una pensión del IMSS?

11. Si tengo dos números de seguridad social, ¿cómo afecta esto a mi pensión?
12. ¿Qué sucede con mi pensión si decido vivir en otro país?

13. ¿Qué documentos necesito para iniciar mi trámite de pensión por vejez?

14. ¿Dónde y cómo inicio el trámite para obtener mi pensión?
15. ¿Cuánto tiempo tarda el proceso de solicitud de pensión?

16. ¿Qué hago si perdí mi comprobante de semanas cotizadas?
17. Trabajé quince años bajo el régimen de 1973 y diez años bajo el régimen de 1997, ¿cuál me conviene elegir para pensionarme?

18. Si me dan una pensión por invalidez, ¿puedo después cambiarla por una pensión por vejez?
19. ¿Cómo afecta un periodo de desempleo a mis derechos de pensión?

20. Si tengo una afore y quiero pensionarme por la Ley 73, ¿qué procedimiento debo seguir?

Estas preguntas evalúan:
• Conocimientos básicos sobre requisitos y regulación.

• Capacidad de explicar cálculos complejos.
• Gestión de escenarios y manejo de excepciones.
• Conocimiento del proceso administrativo.
• Habilidad de comparar diferentes esquemas de pensiones.
• Habilidad de proveer información precisa y actualizada. Para cada respuesta, se debe evaluar:
• Precisión de la información.
• Extensión de la respuesta.
• Claridad de la explicación.
• Fuentes de referencia oficiales.
• Habilidad de manejar escenarios complejos.
• Consistencia en el cumplimiento de la regulación.

Robert Hernández Martínez es doctor en Ciencias de la Educación (Comepz), maestro en Finanzas (Ucha) y licenciado en Actuaría (UNAM). Cuenta con el certificado Global Business and Commercial Law de The College of Central Europe y con certificados de competencia laboral de Conocer. Sus certificaciones en ciencia de datos, análisis de datos, IA y otras tecnologías se muestran en https:/www.credly.com/users/ robert-hernandez.89bffe7b. Se desempeña como consultor actuarial experto en modelación financiera y de riesgos, banca, seguros, pensiones, datos, investigación y gestión de proyectos, storytelling, detección de necesidades del cliente, negociación, comunicación y capacitación. Es profesor de Actuaría en la Facultad de Estudios Superiores Acatlán (UNAM) y en la Maestría en Administración de Negocios (MBA) de la Unitec. Ha sido asesor en ciencia de datos de Imagen de México en el Mundo e integrante del Consejo Directivo del Colegio Nacional de Actuarios (Conac) durante el periodo 2019-2021. Obtuvo el primer lugar del Reto Explorador en la categoría Máster del Rally de Datos 2021, organizado por la SHCP. Ha publicado diversos artículos de divulgación e investigación en revistas nacionales e internacionales, disponibles en plataformas como Academia.edu, ResearchGate, ORCID y Medium, y dos libros: Evaluación de la Viabilidad Financiera de los Créditos Hipotecarios en el Mercado Mexicano: Modelación Financiera en Excel (ver https:/shorturl.at/rFIZ9) y Modelo Didáctico del Aula Virtual para la Enseñanza – Aprendizaje de Temas de Actuaría y Finanzas en la UNAM (ver https:/shorturl.at/biwCM).