Un estudio de cinco meses sobre el chatbot de apoyo estudiantil asistido por IA de Mangosuthu University of Technology analizó 1.495 interacciones de admisión, matrícula y soporte informático, hallando una resolución del 96,8% en la primera consulta, pero un tiempo medio de primera respuesta de 23 horas y un uso muy desigual.
1495
Registros de interaccion del chatbot analizados (July-November 2025)
96.83 %
Tasa de resolucion a nivel de consulta
89.26 %
Tasa de resolucion a nivel de usuario
23 hours
Tiempo medio de primera respuesta
7.5 hours
Tiempo medio de respuesta global
360 of 484 interactions
Interacciones del usuario mas activo
Detalles
Madurez
Piloto
Promotor
Mangosuthu University of Technology (Learning and Teaching Development Centre) with Durban University of Technology
Período
July–November 2025 (published July 2026)
Palabras clave
higher education administration, student support services, chatbot analytics
Contexto
Las universidades tecnologicas sudafricanas suelen gestionar un alto volumen de consultas rutinarias de admision, matricula y soporte informatico con personal de orientacion limitado, y la Mangosuthu University of Technology (MUT), en Umlazi, Durban, implanto un chatbot hibrido asistido por IA destinado a clasificar automaticamente estas consultas y derivar los casos mas dificiles a personal humano.
Objetivos
Investigadores del Centro de Desarrollo de la Ensenanza y el Aprendizaje y de la Direccion de Gestion de la Calidad de la MUT, junto con un colega de la Durban University of Technology, se propusieron analizar los registros de interaccion del chatbot para comprender las tasas de resolucion, los tiempos de respuesta y los patrones de participacion estudiantil a nivel de consulta, usuario y equipo institucional.
Actividades
El estudio analizo 1.495 registros de interaccion del chatbot entre julio y noviembre de 2025, siendo admisiones (111 interacciones), matricula (63) y soporte informatico (31) los tipos de consulta dominantes, y describio tres patrones de participacion entre los estudiantes: exploratorio, transaccional y sostenido.
Resultados
El estudio encontro una tasa de resolucion del 96,83% a nivel de consultas individuales y del 89,26% a nivel de usuarios individuales, pero el tiempo medio de primera respuesta fue de 23 horas y el tiempo medio de respuesta global de 7,5 horas, y el uso estaba muy concentrado, con un unico usuario responsable de 360 de las 484 interacciones a nivel de usuario.
Conclusiones
Los autores presentan el sistema como un modelo hibrido humano-mas-IA en lugar de plenamente autonomo; el largo tiempo medio de primera respuesta es una brecha notable entre la promesa de soporte instantaneo por IA y la practica de esta implementacion, y la concentracion del uso en un pequeno numero de estudiantes limita la generalizacion de los hallazgos al conjunto mas amplio de estudiantes de la MUT.
Implementación
Coste indicativo
Bajo (< 50 000 €) — No budget figures published; the study is a five-month log analysis of an already-deployed chatbot, not a costed procurement.
Tiempo hasta resultados
Corto (< 1 año) — Interaction data collected July-November 2025; study published July 2026.
Personal y competencias
MUT Learning and Teaching Development Centre and Quality Management Directorate researchers, Durban University of Technology co-author
Condiciones para el éxito
Hybrid design that escalates harder queries to human staff rather than relying on the chatbot alone
Transparent, peer-reviewed reporting of response-time and resolution-rate data rather than only marketing claims
Modos de fallo comunes
Average first response time of 23 hours undercuts the promise of instant AI support
Usage highly concentrated in a small number of students (one user made 360 of 484 interactions), limiting generalisability
Dónde encaja
Tipo de gobernanza
university-led operational deployment with academic evaluation
Escala
single university of technology, one semester
Nivel de ingresos
upper-middle-income
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.
NYU Grossman entrenó un sistema de aprendizaje automático con 14.555 solicitudes anteriores para identificar candidatos a entrevistar; un ensayo aleatorizado …