Pérez-Soler, SaraGuerra, Estherde Lara, Juan2026-07-202026-07-202026-01Pérez-Soler, S, Guerra, E & de Lara, J 2026, 'A model-based solution for automated (Re-)engineering of task-oriented chatbots', Journal of Systems and Software, vol. 231, 112600. https://doi.org/10.1016/j.jss.2025.1126000164-1212https://hdl.handle.net/10641/8075Publisher Copyright: © 2025 The AuthorsLos chatbots son populares para acceder a todo tipo de servicios de software mediante conversaciones en lenguaje natural. La creciente demanda de chatbots orientados a tareas ha impulsado la propuesta de muchas herramientas para su construcción, como Dialogflow, Lex, Rasa o Watson. Sin embargo, seleccionar la más adecuada es difícil; el diseño conceptual detrás de un chatbot puede quedar enterrado bajo las tecnicidades de la herramienta; y la migración entre plataformas de desarrollo de chatbots debe realizarse manualmente. Para aliviar estos problemas, proponemos una notación de diseño independiente de la plataforma para chatbots orientados a tareas, basada en el análisis de quince plataformas de desarrollo de chatbots. Siguiendo los principios de la ingeniería dirigida por modelos, la implementación del chatbot se sintetiza a partir del diseño, y los diseños pueden extraerse de las implementaciones, permitiendo la migración y la reingeniería de chatbots. Además, un recomendador sugiere la plataforma más adecuada para un diseño de chatbot dado, considerando factores contextuales. Hemos materializado estas ideas en CONGA: una aplicación web extensible que incluye un editor de notación de diseño; un recomendador de plataformas de desarrollo; validadores específicos de plataforma; y generadores y analizadores para Dialogflow y Rasa. Evaluamos CONGA sobre 291 chatbots de código abierto de Dialogflow y Rasa, demostrando su expresividad, portabilidad y utilidad para encontrar problemas de calidad en los chatbots (encontrados en el 93,8 % de los chatbots). En conjunto, nuestra arquitectura permite diseños de chatbot neutrales, automatiza la migración y proporciona mecanismos para la detección de defectos a nivel de diseño. [Traducción automática al español; idioma original: inglés.]Chatbots are popular to access all sorts of software services via natural language conversation. The increasing demand for task-oriented chatbots has triggered the proposal of many tools for their construction, like Dialogflow, Lex, Rasa, or Watson. However, selecting the most appropriate one is difficult; the conceptual design behind a chatbot may become buried under the tool technicalities; and migration between chatbot development platforms must be done manually. To alleviate these problems, we propose a platform-independent design notation for task-oriented chatbots, based on the analysis of fifteen chatbot development platforms. Following model-driven engineering principles, the chatbot implementation is synthesised from the design, and designs can be extracted from the implementations, enabling the migration and re-engineering of chatbots. Moreover, a recommender suggests the most suitable platform for a given chatbot design, considering contextual factors. We have realised these ideas in CONGA: an extensible web application featuring a design notation editor; a development platform recommender; platform-specific validators; and generators and parsers for Dialogflow and Rasa. We evaluated CONGA over 291 Dialogflow and Rasa open-source chatbots, showing its expressiveness, portability, and usefulness for finding chatbot quality issues (found in 93,8% of the chatbots). Overall, our architecture enables neutral chatbot designs, automates migration, and provides mechanisms for defect detection at the design level.275329293enghttp://creativecommons.org/licenses/by-nc-nd/4.0/Domain-specific languagesMigrationModel-driven engineeringRecommendation systemTask-oriented chatbotsSoftwareInformation SystemsHardware and ArchitectureYesyesjournal articleopen access10.1016/j.jss.2025.112600https://www.scopus.com/pages/publications/105014501498https://www.scopus.com/pages/publications/105014501498#tab=citedBy