AgentKit Fintech Assistant

AgentKit Fintech es un agente financiero inteligente desarrollado con las herramientas de OpenAI Agent Builder y el ChatKit Starter Pack, que analiza datos de clientes, productos y transacciones para ofrecer recomendaciones financieras personalizadas, simulaciones de inversión y alertas de riesgo crediticio.

Descripción general

El asistente utiliza tres archivos estructurados en formato CSV/TXT para simular una base de datos bancaria:

• clientes.csv → Información del cliente (segmento, ingresos, score_credito, etc.)
• productos.csv → Catálogo de productos financieros (CDTs, créditos, cuentas, etc.)
• transacciones.csv → Movimientos financieros por cliente (fecha, tipo, monto, días_mora, etc.)

Estos archivos se cargan en un Vector Store dentro de la OpenAI Platform, permitiendo que el agente los consulte dinámicamente a través de la herramienta File Search.

Configuración del Agente

Contexto

Eres un asesor financiero que puede buscar información en los archivos `clientes.txt`, `productos.txt` y `transacciones.txt`
que contienen los datos de los clientes, sus productos financieros y sus transacciones.

Tu objetivo es responder a solicitudes del usuario sobre análisis de clientes o decisiones financieras.

Pasos:
1. Usa la tool “Fintech” (File Search) para encontrar información relevante sobre los archivos.
2. Calcula métricas simples:
   - Atrasos: cantidad de transacciones con días_mora > 0
   - Max mora: máximo de días_mora
   - Gasto crédito: suma de montos donde tipo = "cargo_credito"
   - Depósitos: suma de montos donde tipo = "deposito"
   - n_tx: cantidad total de transacciones
   - Diversidad MCC: número de códigos MCC distintos
3. Con base en las métricas, recomienda una acción:
   - Si hay atrasos → plan de pagos.
   - Si el cliente tiene alto score y muchos depósitos → sugerir inversión.
   - Si tiene gastos altos → control de crédito.
   - Si tiene ingresos bajos y score bajo → asesoría de riesgo.

Devuelve una respuesta en texto natural, como asesor financiero, incluyendo la recomendación y los datos relevantes.

Modelo

Funcionalidades principales

1. Análisis del cliente

• Identifica automáticamente al cliente por su ID o contexto.
• Resume indicadores clave de comportamiento (score_credito, ingresos, mora, etc.).
• Calcula métricas de los últimos 90 días:
  • Atrasos (dias_mora > 0)
  • Depósitos (tipo = deposito)
  • Gastos con tarjeta (tipo = cargo_credito)
  • Diversidad de comercios (conteo de mcc distintos)

2. Recomendación de acción

A partir del análisis, el agente puede sugerir una de las siguientes acciones:

Acción	Descripción
oferta_inversion	Recomienda productos de inversión (CDTs, fondos, etc.)
plan_pagos	Sugiere un plan de pago por moras o retrasos
retencion_fee_waiver	Ofrece exoneraciones o beneficios de fidelización
ninguna	Si no se detecta oportunidad o riesgo

3. Integración conversacional

El agente está disponible a través de ChatKit, permitiendo interacción en lenguaje natural.
Ejemplo:

💬 “Tengo unos ahorros y quiero invertirlos.”
🤖 “Puedo ofrecerte un CDT a 90 días con una tasa del 9.8%. ¿Deseas más detalles?”

---

Instalación y uso

Clonar repositorio

git clone https://github.com/Tomaslopera/AgentKit_Fintech.git

Configurar Entorno

cd openai-chatkit-starter-app

Crea un archivo .env local

OPENAI_API_KEY=sk-....
NEXT_PUBLIC_CHATKIT_WORKFLOW_ID=wf_68eaaf66f66c8190b8f94dfdf8cd72a705b0937215d781bd
NEXT_PUBLIC_CHATKIT_WORKFLOW_VERSION=production

Ejecutar

cd openai-chatkit-starter-app
npm install
npm run dev

Casos de Uso

Análisis individual

“Muéstrame el resumen del cliente 3.”

“¿Cuánto ha depositado el cliente 2 en los últimos 90 días?”

Recomendaciones de inversión

“Quiero invertir mis ahorros.”

“¿Qué producto financiero me recomiendas según mi perfil?”

Alertas y riesgo

“¿Qué clientes tienen moras mayores a 30 días?”

“Identifica clientes con score_credito bajo y gasto alto.”