• Jose Luis Antonio Fiestas Patiño

• Cesar Torres Silva

• Jerson Martinez Estrada

La traducción de requerimientos analíticos expre sados en lenguaje natural hacia consultas SQL correctas y seguras constituye un cuello de botella recurrente en el sector bancario. Este trabajo presenta un agente de inteligencia artificial para generación de consultas SQL de solo lectura, entrenado sobre logs históricos reales y potenciado mediante Retrieval Augmented Generation (RAG). El sistema incorpora limpieza, anonimización, normalización semántica de SQL y validación automática mediante guardrails. Se evalúan modelos generativos especializados y un componente agéntico extensible con finetuning eficiente (LoRA). Para responder a recomendaciones académicas, se define un benchmark multi-métrica inspirado en evaluación moderna de código [10], se incluyen consultas SQL complejas, se amplía la revisión bibliográfica en text-to-SQL y se propone una estrategia en capas para mitigar alucinaciones. Adicionalmente, se evalúa el componente Agente Coder mediante benchmarks estándar de generación de código (HumanEval y DS-1000), evidenciando que, aunque los modelos compactos no resuelven problemas algorítmicos generales, el enfoque multiagente resulta efectivo para tareas de Data Science y Machine Learning en escenarios prácticos.

Resumen
Este trabajo presenta el desarrollo de un modelo de Aprendizaje Automático (Machine Learning) para la predicción del default en facturas correspondientes al servicio financiero de factoring ofrecido por una Fintech peruana. Inicialmente, se lleva a cabo una revisión exhaustiva del servicio de factoring, abordando su funcionamiento y sus modalidades operativas. Posteriormente, se analizan los desafíos metodológicos inherentes a la aplicación de técnicas de Aprendizaje Automático en este ámbito, destacando el desbalanceo de clases y la multicolinealidad entre las variables predictoras como las principales problemáticas identificadas en la literatura especializada. Se discuten, además, las métricas de evaluación de desempeño más relevantes para este tipo de modelos de clasificación. A continuación, se describe la fuente de datos utilizada en el estudio, proporcionando un análisis descriptivo detallado de sus características. Seguidamente, se expone el proceso de construcción del modelo predictivo, el cual se desarrolla mediante un enfoque iterativo. Este proceso comprende las siguientes etapas de preprocesamiento: tratamiento de valores atípicos (outliers), imputación de datos faltantes, codificación de variables categóricas a través de técnicas de binarización (one-hot encoding), selección de variables predictoras y escalado de las mismas. Con el propósito de mitigar el impacto del desbalanceo de clases, se implementan técnicas de sobremuestreo (oversampling). Finalmente, se entrenan diversos modelos de clasificación, seleccionados a partir de la revisión bibliográfica, y se someten a un proceso de ajuste de hiperparámetros (hyperparameter tuning) con el objetivo de optimizar el recall (exhaustividad), una métrica considerada de alta relevancia en la evaluación de modelos de predicción de incumplimiento. Los resultados obtenidos demuestran la superioridad de los modelos de Bosques Aleatorios (Random Forest) y Gradient Boosting en la tarea de predicción del default en el contexto específico del factoring estudiado.

Integrantes:

• Fiestas Patiño, Jose

• Torres Silva, César

• Gamarra Agama, Lizeth

• Chavez Abarca, Dante