REVISTA TIA

Tecnología, Investigación y Academia -Red Avanzada – RITA

Publicación Facultad de Ingeniería y Red de Investigaciones de Tecnología

En la pandemia del covid-19, los Chatbot en WhatsApp

para la reservación de mesas en un restaurante.

In the covid-19 pandemic, Chatbots on WhatsApp for table reservations at a

restaurant.

Muñoz-Garcés, Manuel Fernando1. Sarmiento-Acosta, Miguel Ángel 2.

Citar este documento:

Muñoz-Garcés, Manuel Fernando. Sarmiento-Acosta, Miguel Angel. Implementación de un prototipo

de Asistente Virtual (Chatbot) en WhatsApp para la reservación de mesas en un restaurante. Revista
Tecnol.Investig. Academia TIA, ISSN: 23448288, 8 (2), pp. 29-39. Bogotá-Colombia

1
Ingeniero de Sistemas, Universidad Distrital Francisco José de Caldas, Globant S.A, https://orcid.org/0000-0001-6866-4514,
[email protected], Colombia.
2
Ingeniero de Telecomunicaciones, Universidad Santo Tomás, BPS Consulting and development SAS, https://orcid.org/0000-0003-
3675-1263, [email protected], Colombia

29
Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia
 Resumen

El objetivo del presente artículo es describir la forma en la cual se puede usar la tecnología de
inteligencia artificial [1], en particular procesamiento y comprensión de lenguaje natural capaz de
percibir su entorno, procesar lo que percibe y brindar una respuesta de manera racional, generando una
conversación coherente [2]. Estos procesos se pueden ver reflejados en un Chatbot, para crear esta
herramienta, la cual es un instrumento de múltiples usos con aplicación en diversos ámbitos. Una de
estas posibles aplicaciones es la automatización del proceso de agendamiento de reservas en
restaurantes. Realizando un estudio de los diferentes Frameworks que existen en el mercado para este
tipo de implementaciones y estudiando el estado del arte para lograr un óptimo resultado en la
implementación del prototipo, determinando la mejor forma del levantamiento de requerimientos
necesarios para el desarrollo del proyecto y la metodología de desarrollo que mejor se ajusta para la
implementación del asistente virtual.

Palabras Clave: Procesamiento de lenguaje natural, Entendimiento del lenguaje natural, Aprendizaje
de máquina, Inteligencia Artificial, Chatbot, Ingeniería de Requerimientos, Bases de Datos.

Abstract
The goal of this paper is to describe the way in which IA technologies can be used, in particular Natural
Language Processing (NLP) [1] and Natural Language Understanding (NLU) [2] able to perceive their
environment, process what they perceive and provide a response in a rational way, generating a coherent
conversation. These processes can be reflected in a Chatbot, to create this tool, which is a multipurpose
instrument with application in various fields. One of these possible applications is that allows
automating the restaurant reservation scheduling process. Carrying out a study of different frameworks
that exist in the market to do this kind of implementation and studying the state of the art to get an
optimal result in the prototype’s implementation, determining the best way to get the requirements
necessary for the development of the project and the development methodology that best fits for the
virtual assistant implementation.

Key Words: Natural Language Processing, Natural Language Understanding, Machine Learning,
Artificial Intelligence, Chatbot, Requirements Engineering, Databases.

30 Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

 I. Introducción

Actualmente, a nivel mundial, la pandemia originada por el COVID 19 ha generado repercusiones económicas
serias en varios sectores. Un ejemplo de esto es el sector gastronómico, en el cual, debido a medidas impuestas
por los gobiernos locales que buscan mitigar la propagación de este letal virus, se ha buscado evitar
aglomeraciones en espacios cerrados. Esto afecta claramente la economía de los restaurantes al no poder atender
la misma cantidad de personas que se atendían antes de la pandemia.

Como medida de resiliencia es de vital importancia encontrar una forma de optimizar la operación de la
presencialidad en estos restaurantes, de forma que se saque el mayor provecho posible ante las condiciones y
límites de aforo impuestos por el gobierno. Para lograr esto un factor fundamental es poder optimizar el sistema
de reservas de los restaurantes de forma que se gestionen de manera automática y se minimice el error humano.
Logrando esto se podrá reducir en gran manera el impacto económico en los restaurantes evitando la quiebra
de los mismos.

Para lograr todo esto se busca implementar tecnologías de inteligencia artificial, específicamente entendimiento
y procesamiento de lenguaje natural para implementar un prototipo de asistente virtual tipo Chatbot desplegado
sobre WhatsApp que pueda gestionar las reservas de los restaurantes además de responder preguntas frecuentes
que se hacen a los mismos.

II. CONTEXTO

El presente proyecto describe la implementación de un prototipo de Asistente Virtual (Chatbot) en WhatsApp

para la reservación de mesas en un restaurante, el cual realizará el agendamiento automático de estas reservas al
establecer este proceso mediante un sistema de Chatbot. Todo esto basado en la importancia que han tomado las
reservas en establecimientos gastronómicos a causa de la pandemia del COVID-19 [3], puesto que El Ministerio
de Salud y Protección Social mediante la resolución No. 1050 de 2020 estipula que los establecimientos deberán:
“privilegiar la realización de reservas, con el fin de conocer de antemano el aforo, registrar los datos de los clientes
con anterioridad y controlar su ingreso. De igual manera, se deberá limitar la reserva de acuerdo con el cálculo de
aforo que deberá efectuar cada establecimiento según las medidas de distanciamiento físico enunciadas en el
numerador anterior” [4]. Lo que da mucha más importancia a contar con un mecanismo de reserva al ser un
proceso el cual se va a hacer de forma recurrente.

Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

31
 El objetivo es apoyar en la reactivación económica de los restaurantes tomando como muestra objetivo las dos
sedes del restaurante ubicado en la ciudad de Bogotá con casi 40 años de experiencia que conserva la esencia con
la que comenzó en diciembre de 1982, cuando los montañistas llegaban en busca de una bebida caliente y una
buena conversación [5]. Este desarrollo les permite a sus clientes contar con un nuevo canal de comunicación para
generar reservas de manera inmediata, disponible las 24 horas, conocer el menú e información relevante del
restaurante a partir de la implementación de un prototipo de Chatbot desplegado sobre la plataforma de WhatsApp,
ya que es la aplicación de mensajería instantánea más popular y usada hoy en día por los residentes en Bogotá
Colombia.
Este restaurante se caracteriza por ser un lugar confortable y respetuoso del medio ambiente. Actualmente cuenta
con dos (2) sedes que transportan a sus clientes a un viaje a través de la naturaleza y de las cimas de las montañas.
Una de ellas el sector del Antiguo Country con Calle 82 y la otra en Usaquén en la Calle 108 [5].

III. EVALUACIÓN DEL MOTOR DE COMPRENSIÓN DE LENGUAJE NATURAL

Se presentan las diferentes opciones de proveedores que existen en el mercado actualmente; Para este proyecto,
las plataformas y sus respectivos proveedores que se evaluaron fueron DialogFlow de Google, BotFramework
de Microsoft, Watson Assistant de IBM y Amazon Lex de Amazon. Entre ellas se estableció una matriz de
comparación para generar relaciones o encontrar diferencias en base a características que puedan o no estar
presente en estas plataformas. Algunas características consideradas fueron el idioma, las versiones (paga o
gratuita), los tipos de respuestas, conexión con servicios externos, entre otros.

TABLA I.
Tabla comparativa de los principales motores de comprensión de lenguaje natural disponibles en el mercado. Fuente: [6], [7], [8], [9]
Características DialogFlow BotFramework Watson Assistant Amazon Lex
Solo texto a través de L.U.I.S,
Solo texto (requiere
Solicitud de requiere de un servicio de
Texto, voz y llamada herramienta de trasformación Texto y voz
entrada conversión de voz para procesar
texto a voz adicional)
audio.
Texto, voz (API diferente a
Texto, voz, enlaces, botones de
Respuesta de Salida L.U.I.S), enlaces, botones de Texto simple Texto y voz
sugerencia, tarjetas
sugerencia, tarjetas.
Sitios web, Smartphones, Amazon echo,
Dispositivos y Dispositivos de IoT, Sitios web, Smartphones,
Smartwatches, Google Home, Smartphones, sitios web,
aplicaciones Smartphones, sitios web Dispositivos
Dispositivos de IoT. Dispositivos IoT
Ingles
Idioma Mas de 20 idiomas 19 idiomas 13 idiomas
Estadounidense
Asistente de Google, Slack, Facebook, Microsoft Teams, Slack, Skype Facebook Messenger,
Microsoft Teams, Messenger, LINE, (100 usuarios), LINE, Facebook Intercom, Slack, Aplicación
Facebook Messenger,
Canales de Telegram, Twitter, Amazon Alexa. Messenger. web.
Slack, Twilo, DialogFlow.
Integración Standard: uso limitado de funciones de Prueba de 12 meses gratis: Para Lite: versión gratis hasta
Prueba por 12 meses.
texto y voz. No incluye análisis de L.U.I.S 10000 solicitudes de Alcanzar limites
opiniones texto/mes. (10.000msm/mes)
Lenguaje de DialogFlow client Librerías: Node.js, .NET (C#), Node.js, Python, .NET, Java, Node.js, java, .NET, PHP,
programación Python, C#, Go, Java, Ruby, PHP Node.js, Python Go, Ruby. Ruby
Entorno Google Cloud Platform Azure IBM Cloud AWS
Protocolo de
REST, gRPC, Bibliotecas del cliente REST REST REST
acceso a la APIs
Integración con Webhook: Request y Response: API API externas, API externas, bases de datos: AWS Lambda para bases de
servicios externos externas, bases de datos bases de datos MongoDB, PostgreSQL MinIo datos
Nota: Principales características de los motores de comprensión de lenguaje natural

32 Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

Con base en la comparación de las principales características de las diferentes opciones planteadas
anteriormente, DialogFlow fue la herramienta seleccionada para el desarrollo del prototipo de Chatbot, ya que
tiene mayor integración con otras plataformas y da la posibilidad de un aprendizaje automático y su manejo en
más de 20 idiomas [8].

IV. Aproximación a estado del Arte

Todavía es muy lejano pensar que la Inteligencia Artificial implemente en la realidad escenas de una película
de ciencia ficción. De todas maneras, debido a la evolución reciente en términos tecnológicos, se encuentra
presente en nuestras vidas. Tal es el caso de los Agentes Conversacionales, Chatbots y/o Asistentes Virtuales
que pueden ser desarrollados a través del Procesamiento del Lenguaje Natural [10], una rama importante de la
Inteligencia Artificial. Se puede definir a un Agente Conversacional o Chatbot, como un programa
computacional diseñado para simular una conversación inteligente con una o más personas o, con otros sistemas
software, a través de métodos auditivos o textuales [11].

Los Chatbots son una aplicación de la inteligencia artificial, que cada vez tiene más influencia en la vida diaria
de las personas puesto que prometen ser el punto de contacto entre usuarios y compañías en los próximos años.
Son llamados agentes virtuales inteligentes ya que son programas computacionales que pueden hacer desde
tareas simples y rutinarias, como la reserva en un restaurante, a actividades complejas como mantener una
conversación activa con un humano, ya sea por medio de voz o de texto, utilizando el procesamiento de lenguaje
natural. Se utilizan en múltiples aplicaciones en varios sectores productivos de la sociedad llegando a estar
proyectado que la IA permitirá que el PIB mundial crezca en un 14% para el 2030 [12].

Se ha hablado del concepto de Chatbots desde el año 1950 cuando Alan Turing propuso el test de Turing en el
que se ponía a prueba si las máquinas podían “pensar”. En el año 1966 se creó el primer Chatbot que fue llamado
Eliza, este tenía el propósito de servir como psicoterapeuta, desde ese momento se empezaron a desarrollar y
mejorar cada vez más, sin embargo, no fue sino hasta el año 2016 que se popularizó su uso en la industria. Se
hicieron muy atractivos ya que proveen a los usuarios soluciones rápidas y convenientes a diferentes preguntas,
además de una reducción de costos y de tiempo empleado en la atención [13].

A medida que la inteligencia artificial (IA) se utiliza cada vez más en el sector gastronómico [14] los
profesionales de la industria y académicos buscan determinar cómo los Chatbots se pueden integrar a sus
procesos y así brindar mejores experiencias a los clientes, es así que en el año 2020 Jindal, Upadhayay y Jha
autor que manifiesta que los Chatbot que atienden a las personas no cuentan con una personalidad o sus
respuestas son inconsistentes decidieron crear unos que imitaran personajes de TV famosos, esto pudo tener
diferentes aplicaciones, como permitir a las personas “chatear” con personajes famosos o tener una sensación
de atención personalizada cuando se comunican con cuentas de empresas. Ellos utilizaron la herramienta de
Selenium junto con el lenguaje Python para analizar las preguntas del usuario y poder desarrollar una respuesta
acorde [15].

Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

33
 Adicionalmente en diciembre del mismo año Kim, Jung y Ryu dan a conocer un prototipo de una aplicación
móvil Android de recomendación y reservas de restaurantes en Corea basada en Chatbot de IA la cual utiliza
información personal del cliente para brindar respuestas adecuadas a las preguntas deseadas por el usuario en
tiempo real a través del Chatbot, permitiendo a los usuarios ver el estado de la reserva, información del asiento,
información del menú o escribir reseñas [16].

Leung y Wen este mismo año hacen un estudio comparativo de tres métodos de pedido y propusieron el uso de
Chatbot en pedidos de comida para llevar de restaurantes mediante Amazon Alexa puesto que, según los autores
tiene la mayor cuota del mercado de altavoces inteligentes. Tomaron a Domino’s y TGI Fridays como
restaurantes objetivos en su estudio para examinar los efectos del método de realizar pedidos de restaurante,
dando como resultado que los métodos de pedido por teléfono y en línea eran mejores que el método de Chatbot
en términos de actitud cognitiva, satisfacción y comportamiento, reduciendo así el tiempo de pedido. Tanto el
rendimiento como la aceptación por parte de los clientes de los Chatbots al realizar pedidos para llevar no
podían competir con los otros métodos, por lo tanto, los autores indican que para mejorar el rendimiento del
Chatbot, se debe mejorar la sociabilidad y se debe brindar ayuda para facilitar el proceso de pedido [17].

En este mismo año Kosmas Mokos desarrolló un Chatbot para hacer una guía amigable a los visitantes de la
ciudad de Salónica con disponibilidad 24/7 esta aplicación es capaz de comunicarse con el usuario de manera
clara y apropiada, en este artículo el autor presenta múltiples plataformas que facilitan el desarrollo de los Bots
como:
 Chatfuel
 Botpress
 Microsoft Bot Framework
 Pandorabots
 IBM Watson
 Amazon Lex
 Google Cloud
 DialogFlow
 Botkit.

El autor también presenta herramientas más sencillas para crear prototipos como:
 Botsociety
 BotMock
 Typeform Chat

Para este proyecto se utilizó Botsociety por sus múltiples facilidades como el uso de varias plataformas de chat,
incluida WhatsApp, permite una vista rápida de prototipo, es fácil de usar, genera diagramas de flujo en
diferentes formatos y finalmente permite exportar el prototipo a las herramientas más usadas por los
desarrolladores [18].

34 Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

También en el mismo año, en México, Fabricio Garibay creó un Chatbot para proporcionar una solución para
atender los canales conversacionales de Club Premier de Aeroméxico a través de un asistente virtual capaz de
realizar tareas como encontrar la resolución a una solicitud, orientación al usuario y transferencia a un agente
humano. Para lograr el objetivo en el proyecto se utilizó la tecnología de Aivo llamada Agentbot, que es un
asistente virtual con inteligencia artificial. Este Bot es capaz de entender las consultas del cliente, independiente
de errores de escritura y ortográficos gracias al sistema de aprendizaje de máquina. Adicionalmente, esta
herramienta tiene la capacidad de conectar diferentes canales de interacción como Chat Web, WhatsApp y
Facebook Messenger [19].

Adicionalmente María Romero Charneco, Ana María Casado y Pilar Alarcón en el año 2018 generaron un
Chatbot como caso de estudio de un canal de influencia social para la toma de decisiones en restaurantes
enfocado en el sector del turismo evaluando diferentes alternativas para toma de decisión de compra ayudando
a planificar la compra, esta investigación explora la selección de restaurantes a través de la mensajería
instantánea móvil de WhatsApp.

Los resultados permiten realizar un diagnóstico de los principales criterios de comportamiento del usuario en
este tipo de interfaz conversacional en el proceso de toma de decisiones relacionadas con el consumo
gastronómico, en donde más del 80% de los consumidores premian la velocidad de respuesta del canal de
comunicación y están satisfechos con las recomendaciones dadas por los consumidores. Por lo tanto, está
surgiendo una nueva tendencia en el uso de Chatbots. No solo son canales de consulta, sino que también asumen
un nuevo papel como canales de influencia social para la toma de decisiones del consumidor en los restaurantes
[20].

I. Metodología de la investigación

La mayoría de los restaurantes no cuentan con un proceso de reservas automatizado, relegando este proceso
únicamente para eventos u ocasiones especiales, por lo que se realiza mediante el contacto directo (por vía
telefónica, redes sociales o correo electrónico) entre el cliente y un empleado del establecimiento encargado de
la logística. Al ser un proceso necesario en la actualidad para poder continuar operando bajo todos los protocolos
de bioseguridad a cuenta de la pandemia, esta persona encargada de la logística debe demandar mucho más
tiempo gestionando las reservas, dando cabida a errores humanos en el agendamiento de las diferentes reservas
o respondiendo de forma tardía a las mismas solicitudes.

El presente proyecto tiene como objetivo la implementación de un prototipo de asistente virtual (Chatbot) para
el agendamiento de reservas de mesas en un restaurante que haga posible responder de forma oportuna a las
solicitudes de reservas por parte de los comensales, mediante un motor comprensión de Lenguaje Natural, ya
que se busca que el prototipo del Chatbot entienda o interprete las intenciones de los usuarios generando una
conversación concisa.

Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

35
 Esta aplicación estará integrada con WhatsApp, debido a que es la segunda aplicación móvil con más actividad
mensual de usuarios con alrededor de 2,000 millones de usuarios activos en el mundo [21], posicionándose
como una de las plataformas de mensajería instantánea más populares y usadas por las personas.
Adicionalmente el prototipo de asistente virtual (Chatbot) se integrará con una base de datos que al momento
de concretar la reserva generará el registro de la misma, y le enviará al cliente un mensaje de confirmación para
que pueda agregar la reserva a su respectivo calendario.

Este proyecto ayudará a la gestión administrativa de los restaurantes brindando una valiosa herramienta que
impulsará la transformación digital del negocio optimizando la operación del día a día ya que permitirá tener
una visibilidad global de la ocupación del restaurante y un primer acercamiento de los comensales que planean
ir en los siguientes días a las sedes del establecimiento. Permitiendo a las personas conocer las diferentes
opciones gastronómicas brindadas por el restaurante, los diferentes servicios que este ofrece en sus dos sedes y
generar una reserva sin tener que ingresar a la página web o llamar directamente a la sede del restaurante a la
cual se desea asistir.

Se tiene como grupo objetivo a todos aquellos emprendedores del sector gastronómico que deseen optimizar el
proceso de reserva dentro de sus negocios, además de brindar un nuevo canal de comunicación a sus clientes.
Para aterrizar un poco lo que se está demandando para el desarrollo de este nuevo producto, en la sección
posterior se detallan métodos usados para el levantamiento de requerimientos y la salida de los mismos.

II. Metodología de desarrollo del proyecto

Para la implementación del prototipo se plantea el uso de metodologías ágiles [22] específicamente el uso de
Scrum debido a sus continuos entregables y a que incrementa sustancialmente la productividad del equipo, lo
cual es de vital importancia debido a que no se cuenta con mucho tiempo para el desarrollo del prototipo.

El desarrollo del asistente virtual Chatbot se realizará con ayuda de la metodología scrum que permite asegurar
el cumplimiento de los objetivos y la planeación, aclaración y verificación de las actividades realizadas durante
los diferentes Sprint.

III. Ingeniería de requerimientos

Como herramientas de ingeniería de requerimientos se usó la entrevista [23] debido a que esta permite una alta
participación de los dueños de negocio. Siendo estos actores fundamentales para un desarrollo de este tipo. Para
el desarrollo de la entrevista se realizó una reunión virtual [24] con Yesid Martínez, Gerente del restaurante y
con Andrés Duque, Departamento IT (Desarrollo Web). A partir de esta entrevista se logró contextualizar cómo
se lleva a cabo el proceso de agendamiento de mesas del restaurante actualmente y lo que esperan del prototipo
a implementar. A partir de esa entrevista surgieron los siguientes requerimientos:

 Se requiere poder concretar reservas mediante el asistente virtual (Chatbot).

 El asistente debe desplegarse sobre WhatsApp ya que es una de las plataformas de mensajería instantánea
más usadas en la actualidad [21].

36 Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

  Se requiere que el sistema esté integrado con Google Calendar [25] para poder registrar las reservas
exitosas como citas en la cuenta del establecimiento.
 El asistente debe estar en capacidad de responder preguntas locativas del restaurante (horarios de
funcionamiento, dirección de las sedes, consultar sobre servicio de parqueadero, etc.).

Por otro lado, en este proceso de recolección de datos se usará la técnica de cuestionario, en la cual se pretende
diseñar una lista de preguntas para las personas que tienen un vínculo con el restaurante, personas que han ido
o han consumido productos del restaurante y una encuesta para usuarios del común, usuarios que dentro del
sector en el cual se ubica el restaurante puedan volverse clientes potenciales, puesto que el uso de esta
herramienta permite reunir información proveniente de un grupo grande de personas. Utilizando un formato
estandarizado para las preguntas ya que esto proporciona datos más confiables que si se utilizaran otras técnicas,
contando con una amplia distribución y asegurando el anonimato de los encuestados para poder recolectar
respuestas más honestas [26].

IV. Conclusiones

Una vez realizada la investigación se observa que el tema de Machine Learning orientado a la comprensión del
Lenguaje Natural tiene gran potencial y variados campos de aplicación, donde se podría explotar y mejorar
notoriamente los niveles de calidad respecto a lo que es atención al usuario, así mismo este tipo de desarrollos
permiten liberar a los empleados de esas tareas repetitivas que son tan desgastantes, permitiéndoles enfocarse
en tareas que son de mayor provecho y utilidad para el Core de negocio.

Este tipo de tecnologías no han sido muy aprovechadas en el sector gastronómico, al menos a nivel Colombia,
lo que posiciona a la implementación del prototipo como una gran oportunidad de innovación y ayuda para el
sector gastronómico del país que se ha visto tan golpeado por los efectos de la pandemia.

El prototipo cuenta con un nivel de integralidad alta con otras tecnologías lo que deja la puerta abierta a futuros
desarrollos que complementen la funcionalidad del prototipo y lo hagan más valioso para su uso en el sector
gastronómico.

Debido a las facilidades de integración de la herramienta DialogFlow existen diferentes opciones de trabajos
futuros para el asistente de reservas entre ellas se encuentran: Integración con el sistema de domicilios del
restaurante, adecuación de encuestas de satisfacción y despliegue sobre otras herramientas de mensajería como
son Facebook Messenger, Hangouts, Microsoft Teams, ente otros.

Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

37
 REFERENCIAS

[1] A. Moreno, «Procesamiento del lenguaje natural ¿qué es?,» Instituto de ingeniería del conocimiento, 2018.
[En línea]. Available: https://www.iic.uam.es/inteligencia/que-es-procesamiento-del-lenguaje-natural/.
[Último acceso: 05 05 2021].
[2] «Lo que quieren decir los clientes, no solo lo que dicen,» Nuance Communications, 2021. [En línea].
Available: https://www.nuance.com/es-es/omni-channel-customer-engagement/technologies/natural-
language-understanding.html. [Último acceso: 08 Mayo 2021].
[3] L. Bender, «Key Messages And Actions for COVID-19 Prevention and Control in Schools,» UNICEF, New
York, 2020.
[4] J. A. Abril, «ABC decreto 055 de 2021: medidas de bioseguridad, salubridad y orden público: Alcaldía
Mayor de Bogotá,» 22 Febrero 2021. [En línea]. Available: https://bogota.gov.co/mi-ciudad/gobierno/abc-
decreto-055-de-2021-nuevas-medidas-en-bogota-0. [Último acceso: 19 Abril 2021].
[5] C. &. Crepes, «El Café de la Montaña,» 2021. [En línea]. Available: http://cafeycrepes.com/. [Último
acceso: 19 Abril 2021].
[6] AWS, «Amazon Lex,» AWS, 2021. [En línea]. Available: https://aws.amazon.com/es/lex/. [Último acceso:
25 Abril 2021].
[7] Azure, «Azure Bot Service,» Azure , 2021. [En línea]. Available: https://azure.microsoft.com/es-
es/services/bot-services/. [Último acceso: 25 Abril 2021].
[8] GCP, «Conceptos básicos de Dialogflow ES,» Google Cloud, 2021. [En línea]. Available:
https://cloud.google.com/dialogflow/es/docs/basics. [Último acceso: 25 Abril 2021].
[9] IBM, «Conozca IBM Watson,» 2021. [En línea]. Available: https://www.ibm.com/co-es/cloud/ai. [Último
acceso: 25 Abril 2021].
[10] J. Van Grove, «Do people want to talk to bots?,» The San Diego Union-Tribune., 2016.
[11] P. Jiménez y J. Sánchez, «De Eliza a SIRI: la evolución,» Universidad Alfonso X el Sabio, Madrid, 2015.
[12] P. Cornieles, «El uso de chatbots en Latinoamérica viene creciendo a pasos agigantados,» 01 04 2019. [En
línea]. Available: https://ia-latam.com/2019/04/01/el-uso-de-chatbots-en-latinoamerica-viene-creciendo-a-
pasos-agigantados/. [Último acceso: 14 Mayo 2021].
[13] E. Adamopoulou y L. Moussiades, «An Overview of Chatbot Technology,» Artificial Intelligence
Applications and Innovations, p. 373–383, 2020.
[14] J. Fantozzi, «What to expect in 2019: More AI technology, marijuana and 'motherless meat',» Nation´s
Restaurant News, 26 Octubre 2018. [En línea]. Available: https://www.nrn.com/whats-hot/what-expect-
2019-more-ai-technology-marijuana-and-motherless-meat. [Último acceso: 5 Mayo 2020].
[15] G. Jindal, D. Upadhyay y A. Jha, «Whatsapp Chatbot,» EasyChair Preprint, vol. 3641, p. 40, 2020.
[16] H. Kim, S. Jung y G. Ryu, «A Study on the Restaurant Recommendation Service App Based on AI Chatbot
Using Personalization Information,» International Journal of Advanced Culture Technology, vol. 8, nº 4, p.
263–270, 2020.
[17] X. Y. Leung y H. Wen, «Chatbot usage in restaurant takeout orders: A comparison study of three ordering
methods,» Journal of Hospitality and Tourism Management, vol. 45, nº 10, pp. 377-386, 2020.

38 Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

[18] K. Mokos, «Designing a Chatbot for Thessaloniki,» International Hellenic University, p. 63, 2020.
[19] F. A. Garibay Ornelas, «Diseño E Implementación De Un Asistente Virtual ( Chatbot ) Para Una Aerolínea
Mexicana Por Medio De Sus Canales Conversacionales,» Infotec Cent. Investig. E Innovación En Tecnol.
La Inf. Y Comun., 2020.
[20] M. Romero Charneco, A. M. Casado Molina y P. Alarcón Urbistondo, «Channels of social influence for
decision making in restaurants: A case study,» Dos Algarves: A Multidisciplinary e-Journal, nº 32, p. 23,
2018.
[21] S. Kemp, «Wearesocial,» 11 Febrero 2021. [En línea]. Available: https://wearesocial.com/digital-2021.
[Último acceso: 20 Abril 2021].
[22] C. Gomez, R. Heras y A. Álvarez, «Métodos Ágiles. Scrum, Kanban, Lean,» 2018.
[23] G. S. Simoes y C. Vazquez, «Ingeniería de Requisitos: Software Orientado al Negocio,» 2018.
[24] Y. Martinez y A. Duque, Interviewees, Identificación del proceso actual de reservas en el Café de la
Montaña. [Entrevista]. 14 Abril 2021.
[25] Google, «¿Qué puedes hacer con Calendar?,» Google Support, 2021. [En línea]. Available:
https://support.google.com/a/users/answer/9302892?hl=es. [Último acceso: 28 Abril 2021].
[26] G. Kontonya y I. Sommerville, «Requirements Engineering: Processes and Techniques,» John Wiley and
Sons, 2002.
[27] A. Strigér, «End-to-End Trainable Chatbot for Restaurant Recommendations,» KTH Royal Institute of
Technology, Stockholm, 2017.
[28] P. Hsu, J. Zhao, K. Liao, T. Liu y C. Wang, «AllergyBot: A Chatbot Technology Intervention for Young
Adults with Food Allergies Dining Out,» Association for Computing Machinery, nº 6, p. 74–79, 2017.

Artículo de investigación. ISSN: 2344-8288 Vol. 8 No. 2. 2020 Bogotá-Colombia

39
Publicación Facultad de Ingeniería y Red de Investigaciones de
Tecnología Avanzada – RITA

REVISTA TIA