Clasificador de Tickets de Soporte para una SaaS de Málaga

Recibes 40.000 tickets históricos en español con la categoría asignada por agentes humanos (con ruido conocido — la propia gerencia estima un 8% de errores de etiquetado). Limpia el texto, construye dos baselines (TF-IDF + regresión logística, TF-IDF + linear SVM) y un modelo basado en embeddings multilingües (sentence-transformers + clasificador lineal). Reporta F1 macro, F1 por clase y matriz de confusión, y entrega una nota técnica con la recomendación de qué modelo desplegar y bajo qué umbral de confianza.