evidoria

← Voltar à navegação

Boa prática Importada

VyCla — Chatbot de PLN no WhatsApp Reduz o Tempo de Resposta de Matrículas de 11 Horas para 75 Segundos na Universidad de Nariño, Colômbia

Colômbia · Pasto · Ver o perfil de Colômbia

Evidência: Observacional / pré-pós Top 89% 27/100 · Pergunte a Evidence Copilot sobre esta prática

A gestão de admissões da Universidad de Nariño criou o VyCla, um chatbot de WhatsApp para questões de matrícula de licenciatura; numa avaliação controlada com 122 utilizadores e 462 pedidos resolvidos, o tempo médio de resposta caiu 99,81%, de 666 para 1,25 minutos.

666.04 minutes
Tempo médio de resposta (valor de referência manual)
1.25 minutes
Tempo médio de resposta (com o VyCla)
99.81 %
Redução no tempo médio de resposta
99 %
Precisão do modelo
4.23 out of 5
Pontuação média de satisfação dos utilizadores
462 inquiries
Perguntas resolvidas na fase de avaliação

Detalhes

Maturidade
Piloto
Promotor
Universidad de Nariño — Oficina de Control, Registro Académico y Admisiones (OCARA)
Período
2025-2026
Palavras-chave
higher education, university admissions, natural language processing, chatbot

Contexto

Na Universidad de Nariño, na Colômbia, o Gabinete de Controlo, Registo Académico e Admissões (OCARA) tratava manualmente as perguntas sobre matrículas e admissões de licenciatura, com um tempo médio de resposta que o estudo mediu posteriormente em 666,04 minutos — mais de onze horas — por pergunta, sobrecarregando uma pequena equipa durante os períodos de pico de matrículas.

Objetivos

A equipa da universidade propôs-se reduzir os tempos de resposta e melhorar a experiência de estudantes e candidatos para perguntas sobre matrículas e admissões, utilizando um chatbot de processamento de linguagem natural no WhatsApp.

Atividades

A equipa construiu o VyCla, um chatbot de processamento de linguagem natural integrado com o WhatsApp, utilizando um processo ágil Scrum ao longo de cinco sprints e uma stack de Node.js, Python (Flask, NLTK) e PostgreSQL. O modelo subjacente de classificação de intenções foi treinado com 13.996 frases, abrangendo 21 intenções relativas a perguntas comuns sobre matrículas e admissões. Uma fase de diagnóstico inicial inquiriu 4 membros do pessoal da universidade, 105 estudantes matriculados e 45 candidatos potenciais.

Resultados

Na fase de avaliação, 122 utilizadores interagiram com o VyCla, gerando 462 perguntas resolvidas; o estudo reportou 99% de precisão do modelo, uma pontuação média de satisfação dos utilizadores de 4,23 em 5, uma pontuação média de recomendação de 4,07 em 5, e um tempo médio de resposta de 1,25 minutos, uma redução de 99,81% face ao valor de referência manual. O trabalho foi publicado na revista revista por pares Revista Colombiana de Tecnologías de Avanzada (Vol. 1, N.º 47, 2026).

Conclusões

O valor de referência de comparação (666 minutos) reflete o processo manual anterior do próprio OCARA e não um padrão externo, e a amostra de avaliação (122 utilizadores) é apenas uma fração do total de candidatos da universidade, pelo que os resultados apresentados descrevem um projeto-piloto bem-sucedido, e não uma implementação totalmente escalada e auditada de forma independente; os autores apresentam a extensão a outros processos administrativos como trabalho futuro, ainda não comprovado.

Implementação
Custo indicativo
Baixo (< 50 mil €) — Built in-house with an open-source stack (Node.js, Python/Flask/NLTK, PostgreSQL); no separate budget figure published.
Tempo até resultados
Curto (< 1 ano) — Developed across five agile sprints; evaluation and publication reported in 2025-2026 (Revista Colombiana de Tecnologías de Avanzada, Vol.1 No.47).
Equipa e competências
Universidad de Nariño's Office of Control, Academic Records and Admissions (OCARA) development team

Condições de sucesso

  • Agile Scrum process across five sprints
  • Diagnostic phase surveying staff, enrolled students and prospective applicants to map real information needs before build
  • Intent-classification model trained on a large phrase set (13,996 phrases, 21 intents)
  • Deployment over WhatsApp, a widely-used low-bandwidth channel in Colombia

Modos de falha comuns

  • Baseline comparison is against the office's own prior manual process, not an external benchmark
  • Evaluation sample (122 users) is a fraction of the university's full applicant pool
  • No equity or regional breakdown of users reported

Onde se enquadra

Tipo de governação
public university administrative office
Escala
single university admissions office
Nível de rendimento
upper-middle-income

Habitualmente financiado por

Own resources / municipal budget

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Práticas semelhantes que podem ser úteis