evidoria

← Volver al listado

Buena práctica Importada

PAIbot — el Chatbot de IA de la UNAM para Apoyo a las Admisiones a Distancia

México · Mexico City · Ver el perfil de México · Ver el perfil de Mexico City

Evidencia: Observacional / pre-post Top 89% 27/100 · Pregunte a Evidence Copilot sobre esta práctica

El chatbot Dialogflow de la UNAM responde preguntas de admisión de su licenciatura a distancia. Un estudio revisado por pares halló +52% de conversaciones y respuestas correctas subiendo de 0,4% a 47,1%, aunque las incorrectas también aumentaron.

52.3 %
Aumento en las conversaciones del chatbot, PAIbot 2.0 frente a 1.0
0.4 % (4 of 998 questions)
Tasa de respuestas correctas, PAIbot 1.0
47.1 % (378 of 802 questions)
Tasa de respuestas correctas, PAIbot 2.0
23.4 %
Tasa de respuestas incorrectas, PAIbot 1.0
37.5 %
Tasa de respuestas incorrectas, PAIbot 2.0
4 cycles
Ciclos de admisión en los que ha funcionado PAIbot
PAIbot — el Chatbot de IA de la UNAM para Apoyo a las Admisiones a Distancia

Detalles

Madurez
Consolidada
Promotor
Universidad Nacional Autónoma de México (UNAM) — CUAIEED
Período
2021–ongoing
Palabras clave
higher education, admissions, chatbot, distance learning

Contexto

La Coordinación de Universidad Abierta, Innovación Educativa y Educación a Distancia (CUAIEED) de la UNAM creó PAIbot, un chatbot basado en Dialogflow ES que responde a las preguntas administrativas de los aspirantes — plazos, procedimientos, requisitos — del programa de admisión a la licenciatura abierta y a distancia (PAI) de la universidad.

Objetivos

Proporcionar respuestas precisas y siempre disponibles a las preguntas administrativas de los aspirantes durante el proceso de admisión, reduciendo la dependencia del personal para consultas rutinarias.

Actividades

Un piloto de 2021 (PAIbot 1.0) fue seguido por un PAIbot 2.0 rediseñado, que añadió una interfaz personalizada, respuestas multimedia y un mecanismo de retroalimentación de usuarios. Un estudio revisado por pares comparó el volumen de conversaciones y la exactitud de las respuestas entre ambas versiones.

Resultados

Las conversaciones aumentaron un 52,3% pese a una ventana de operación un 25% más corta, y la tasa de respuestas correctas pasó del 0,4% (4 de 998 preguntas) al 47,1% (378 de 802). La tasa de respuestas incorrectas también aumentó, del 23,4% al 37,5%. PAIbot ya ha funcionado a lo largo de cuatro ciclos de admisión.

Conclusiones

El aumento de las respuestas incorrectas junto con las correctas es una limitación real, atribuida en parte por los autores del estudio a un cambio en el mecanismo de retroalimentación — este registro reporta ese compromiso en lugar de dulcificarlo.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Largo (> 3 años) — 2021 pilot (PAIbot 1.0), redesigned to PAIbot 2.0, now run across four admission cycles.
Personal y competencias
UNAM CUAIEED (Coordinación de Universidad Abierta, Innovación Educativa y Educación a Distancia) development team

Condiciones para el éxito

  • Built on the Google Dialogflow ES platform, avoiding custom NLP infrastructure
  • Iterative redesign (1.0 → 2.0) adding a custom interface, multimedia responses and a user feedback mechanism
  • Scoped narrowly to administrative admissions queries for a specific programme (PAI) rather than general-purpose Q&A

Modos de fallo comunes

  • Incorrect-response rate rose alongside the correct-response rate (23.4% → 37.5%), partly attributed by the study authors to the changed feedback mechanism

Dónde encaja

Tipo de gobernanza
university-led
Escala
institutional (single university admissions programme)

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

Kit de replicación

Artefactos reutilizables de esta práctica — tal como los publican sus fuentes.

¿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.

Adjuntos

Prácticas similares que pueden serle útiles