este post. un resultado anonimizado. una empresa de educación online que gestiona cohortes en vivo de 4 meses redujo el tiempo de corrección por cohorte en un 70 %. la ia puntúa cada trabajo con la propia rúbrica del cliente. una persona sigue encargándose de los casos que requieren criterio.
el comprador aquí es una responsable de aprendizaje en una empresa de cursos online. las cohortes son en vivo y duran 4 meses. cada trabajo se corrige a mano. ese trabajo consume horas de los instructores, y las horas de instructor son la partida más grande en el coste de la cohorte. el margen se filtra entrega tras entrega.
el miedo era la calidad. si sueltas una herramienta sobre el montón, la corrección se vuelve más rápida y peor. los instructores lo dijeron en voz alta. así que no los reemplazamos. entregamos una extensión de lms que puntúa los trabajos con su propia rúbrica y muestra cada puntuación en un dashboard de auditoría por muestreo.
#¿la corrección con ia abarata los cursos online sin empeorarlos?
¿la corrección con ia para cursos online reduce el coste sin dañar la calidad?
en este proyecto, sí. una empresa de cursos online redujo el tiempo de corrección un 70 % por cohorte al puntuar los trabajos con su propia rúbrica mediante ia, y escalando el 15 % marginal a los instructores. el nps de calidad docente se mantuvo estable. la rúbrica siguió siendo del cliente. una persona conservó cada decisión límite.
esto es lo que mantuvo la calidad estable. la rúbrica siguió siendo del cliente. la ia la aplicó de forma consistente en el 85 % de las entregas sin complicaciones. escaló los casos marginales a una persona. así, los instructores dedicaron sus horas al 15 % que de verdad requería criterio, no al montón entero.
#¿de dónde sale de verdad ese 70 %?
no de corregir más rápido cada trabajo. de corregir menos a mano. cerca del 85 % de las entregas de estas cohortes eran aprobados claros o suspensos claros según la rúbrica. esos son los que puntuó la ia. el 15 % que quedaba cerca de un límite de la rúbrica pasó a un instructor, con la línea de la rúbrica y el trabajo del estudiante uno al lado del otro.
- la extensión de lms lee cada entrega y la puntúa contra la rúbrica existente del cliente
- un umbral de confianza divide el montón: los casos claros se puntúan, los casos límite se escalan
- un dashboard de auditoría por muestreo permite a los instructores revisar cualquier lote y anular cualquier puntuación
- cada puntuación se puede rastrear hasta la línea de la rúbrica de donde salió
#¿cómo saben los instructores que las puntuaciones son correctas?
auditan. cada lote aparece en un dashboard donde un instructor puede tomar una muestra, leer la puntuación de la ia junto a la rúbrica, y anularla. por eso el nps de calidad docente se mantuvo estable. las personas que temían la caída son las que revisan el trabajo.
we are
entregamos una extensión de lms que puntúa con tu rúbrica y le da a los instructores un dashboard para auditar y anular, y decimos la cifra: 70 % menos de tiempo de corrección por cohorte.
we aren't
no somos un bot de corrección genérico que cambia tus estándares por los suyos y corrige todo el montón sin leerlo.
esta construcción forma parte de nuestro trabajo de platforms: software que funciona dentro de tu producto. el diseño de la rúbrica y la política de supervisión humana salieron del lado de consultoría. no entregamos un modelo y nos vamos. entregamos juntos la extensión, el dashboard y la regla de escalado.
el cliente pidió no ser nombrado todavía. la cifra es real y la construcción es real. publicamos el resultado y un comprobante porque un caso de estudio sin comprobante es solo una afirmación. hay más de estos en el journal.
la ia corrige los casos obvios. el instructor se queda con los difíciles.
si gestionas cohortes y la corrección se está comiendo tu margen, el patrón de arriba se repite. misma rúbrica, mismos instructores, menos horas en el montón obvio. cuéntanos qué estás construyendo y te mostraremos de dónde saldría ese 70 % en tus cursos.