Desenvolvemento e integración dun asistente conversacional para a xestión do gando

Abstract

[Resumo]: A dixitalización do sector gandeiro avanza con fricción: as aplicacións actuais ofrecen múltiples funcionalidades, pero a súa usabilidade actúa como barreira fronte ao rexistro e á consulta de información en tempo real. Isto ten un custo produtivo directo: canto máis sinxelo sexa manter os datos ao día, mellores serán as decisións que se poden construír sobre eles. Sobre esa motivación este Traballo de Fin de Mestrado (TFM) deseña, constrúe e avalía un asistente conversacional para o dominio gandeiro, integrable como módulo nunha aplicación existente, que opera por texto e por voz en galego, castelán e inglés. O asistente permite rexistrar partos, celos, diagnoses de xestación e recordatorios, e consultar o estado reprodutivo e as revisións pendentes de cada animal. A solución segue unha arquitectura hexagonal cun bucle de razoamento e acción (ReAct) sobre ferramentas internas e tres provedores de modelos de linguaxe intercambiables. A avaliación combina oráculos automáticos, rúbrica manual e medición do erro de transcrición.[Abstract]: The digitalization of the livestock sector is progressing with friction: current applications offer plenty of features, yet their poor usability acts as a barrier to recording and querying information in real time. This carries a direct productivity cost: the easier it is to keep data up to date, the better the decisions that can be built on top of them. On that basis, this Master’s Thesis designs, builds, and evaluates a conversational assistant for the livestock domain, deliverable as a module within an existing application, that operates by text and by voice in Galician, Spanish, and English. The assistant supports registering births, heats, gestation diagnoses and reminders, and querying each animal’s reproductive status and pending revisions. The solution follows a hexagonal architecture with a ReAct (Reasoning and Action) loop over internal tools and three interchangeable language model providers. Its evaluation combines automated oracles, a manual rubric, and a transcription error measurement.