Internship

×

Breve descripción del departamento en el que se realizan las prácticas: Este departamento tiene como función principal la investigación, desarrollo e implementación de soluciones tecnológicas orientadas a la automatización de procesos comerciales y operativos en pequeñas y medianas empresas. Es responsable de diseñar e integrar sistemas como CRMs personalizados, chatbots, voicebots, asistentes con inteligencia artificial, flujos de trabajo automatizados, así como la infraestructura necesaria para que estas soluciones funcionen de forma eficiente, segura y escalable. Entre los productos y servicios que gestiona el departamento destacan: Integración de IA generativa (RAG, chatbots personalizados). Instalación y configuración de herramientas como Chatwoot, N8N, Typebot y contenedores Docker. Automatización de scraping y análisis web. Conexión de sistemas de atención digital con plataformas de e-commerce y canales multicanal (WhatsApp Business, email, web). Optimización de servidores y arquitectura técnica para soluciones cloud o locales. El estudiante desarrollará su actividad dentro de un equipo técnico liderado por el CTO de AutomatizaTech, quien actúa como arquitecto de soluciones y mentor técnico. Aunque el equipo técnico principal es reducido, se trabaja de forma colaborativa con el CEO y otros miembros de la empresa para alinear los desarrollos con los objetivos estratégicos de cada cliente. Además, se fomenta una cultura de aprendizaje continuo, autonomía guiada y trabajo en equipo multidisciplinar, integrando tanto el área técnica como la visión de negocio.

Descripción detallada de las actividades a realizar por el estudiante: Actividades a realizar por el estudiante Durante su estancia en prácticas, el estudiante participará en el desarrollo técnico de proyectos reales vinculados a la automatización de procesos y la integración de soluciones inteligentes. Las actividades se organizarán según su perfil y nivel de conocimiento, y podrán incluir las siguientes: Desarrollo de sistemas de IA avanzada (RAG) Diseño y construcción de sistemas de recuperación aumentada con generación (RAG) que conecten ficheros con modelos de lenguaje (LLM). Subida de datos a vector stores y configuración de su enlace con el LLM. Ajuste de parámetros del modelo: tipo, temperatura, diseño de prompts, etc. Instalación de modelos de lenguaje en servidores locales. Implementación de herramientas de atención digital Instalación y configuración de Chatwoot como plataforma de atención omnicanal. Integración con herramientas como N8N, Typebot, Evolution API y aplicaciones móviles para gestionar comunicaciones desde un único punto. Automatización de procesos de scraping y procesamiento web Desarrollo de scripts para el rastreo (crawling) y extracción de datos clave desde sitios web. Limpieza de contenido y conversión a formatos adecuados para su uso por modelos de IA (TXT, Markdown, JSON). Automatización de la carga de información extraída a la infraestructura de IA. Integraciones técnicas con e-commerce Conexión del chatbot con plataformas de comercio electrónico del cliente. Seguimiento de pedidos, identificación de usuarios y automatización de acciones internas en las tiendas online. Desarrollo de asistentes de voz (voicebots) Integración de asistentes de voz dentro de sitios web utilizando tecnologías como ElevenLabs. Configuración para que las respuestas del voicebot se nutran de datos web o estructurados. Optimización de infraestructura técnica Automatización de la creación y configuración de contenedores Docker. Mejora de la infraestructura de red y configuración de servidores para servicios de IA y automatización. Evaluación de la seguridad de los sistemas y diseño de planes de contingencia digital. Estas actividades se desarrollarán con orientación y acompañamiento técnico, y podrán adaptarse a las preferencias del estudiante dentro del marco de los proyectos en curso. Se busca fomentar un entorno de aprendizaje práctico, con impacto directo en clientes reales.

Descripción de los medios materiales a disposición del estudiante que permitan abordar las actividades propuestas: Medios materiales disponibles El estudiante contará con acceso a los recursos técnicos necesarios para ejecutar de forma efectiva las actividades descritas durante su periodo de prácticas. Entre los medios materiales disponibles se incluyen: Servidor privado y entorno cloud, configurado para pruebas de integración, instalación de contenedores Docker, despliegue de modelos de lenguaje y configuración de herramientas de atención (Chatwoot, N8N, etc.). Licencias y accesos a plataformas de terceros que serán necesarias para el desarrollo de tareas específicas, incluyendo Brevo (automatización de email), Typebot, herramientas de scraping, y entornos de entrenamiento de IA como OpenAI, Hugging Face, ElevenLabs, entre otros. Infraestructura de pruebas para voicebots y chatbots, con posibilidad de realizar despliegues en entornos reales de clientes bajo supervisión. Documentación técnica propia, plantillas de flujos, guías paso a paso, y manuales internos desarrollados por AutomatizaTech para facilitar la ejecución de procesos recurrentes. Soporte técnico directo por parte del CTO y sesiones periódicas de revisión con el equipo para resolver dudas, revisar avances y alinear los desarrollos con los objetivos estratégicos. Herramientas colaborativas de trabajo como Odoo, y herramientas de comunicación para facilitar la gestión de proyectos en remoto. Sería conveniente que el estudiante posea su propio equipo de trabajo (portátil u ordenador de sobremesa), y buen acceso a internet. Estos recursos están diseñados para ofrecer al estudiante un entorno de aprendizaje técnico realista, flexible y seguro, en el que pueda aplicar sus conocimientos, experimentar con tecnologías actuales y contribuir de forma tangible a proyectos activos de AutomatizaTech.

Planificación temporal de las actividades (cronograma): Mes 1 Fundamentos y preparación del entorno Introducción a la arquitectura RAG: objetivos, componentes y casos de uso. Formación práctica en herramientas clave. Instalación y configuración de entorno de desarrollo local y remoto. Pruebas básicas con modelos LLM preentrenados (API o locales). Instalación de servidor de vectores y primera prueba de carga de documentos. Revisión de flujos existentes y documentación interna. Mes 2 Construcción del sistema RAG Desarrollo completo de un flujo RAG: carga de datos, indexado, consulta y respuesta. Evaluación y comparación de distintas arquitecturas (tipo de vector store, embeddings, modelo). Ajuste de parámetros: tipo de modelo, temperatura, diseño de prompts, chunking, etc. Desarrollo de funciones para ingestión de datos estructurados y no estructurados. Pruebas de rendimiento, precisión de respuesta y latencia. Mes 3 Integración de RAG con interfaces Conexión del sistema RAG con interfaz conversacional (ej. Typebot o Chatwoot). Configuración de casos de uso reales: consultas sobre documentación interna o web scrapeada. Automatización de scraping y preprocesado de contenido web relevante. Conversión de datos a formatos compatibles con el sistema (JSON, Markdown, texto plano). Pruebas en entorno cerrado con datos reales de AutomatizaTech. Mes 4 Optimización y despliegue Implementación del sistema en contenedores Docker y despliegue en servidor propio. Mejora de la arquitectura de red, configuración de proxies y revisión de seguridad. Automatización de tareas de ingestión continua (watch folders, API externa). Documentación técnica del sistema completo. Pruebas con voz (opcional): integración de voicebot que consulte al RAG vía API. Mes 5 Proyecto final, documentación y cierre Desarrollo y presentación de un proyecto final funcional: RAG completo desplegado, accesible desde interfaz web. Optimización de recursos: uso de GPUs, reducción de costes, eficiencia en consultas. Evaluación de resultados y posibles mejoras. Preparación de la memoria de prácticas y entrega final. Feedback técnico y cierre formal con informe de tutor.

Más información en Portal de Empleo UPCT