Plataforma de evaluación y análisis de aprendizaje impulsada por IA para tecnología educativa
Una plataforma de tecnología educativa que atendía a 200.000 estudiantes contaba con un sistema de evaluación genérico que no se adaptaba a las brechas de aprendizaje individuales. Los paneles de control de los instructores no proporcionaban información práctica, y la plataforma perdía suscriptores ante competidores con experiencias de aprendizaje más personalizadas.
Cliente
Confidential, EdTech Client
Industria
Educación y tecnología educativaLíder del equipo
Vivek Parmar
Fecha
Q3 2022
Desafío empresarial
Una plataforma de tecnología educativa que atendía a 200.000 estudiantes contaba con un sistema de evaluación genérico que no se adaptaba a las brechas de aprendizaje individuales. Los paneles de control de los instructores no proporcionaban información práctica, y la plataforma perdía suscriptores ante competidores con experiencias de aprendizaje más personalizadas.
Solución y enfoque
Desarrollamos un motor de evaluación adaptativo que ajusta la dificultad de las preguntas según los patrones de respuesta del alumno (modelo IRT), identifica lagunas de conocimiento a nivel conceptual y genera recomendaciones personalizadas de contenido de remediación. Los paneles de control del instructor detectan las señales de los alumnos en riesgo.
Capacidades entregadas
- Motor de evaluación adaptativa de la teoría de respuesta al ítem (TRI)
- Identificación de brechas de conocimiento a nivel de concepto
- Recomendación de contenido de remediación personalizado
- Detección de estudiantes en riesgo para la intervención del instructor
- Panel de análisis de aprendizaje para instructores
Resultados comerciales
Las tasas de finalización de cursos mejoraron del 38 % al 61 % en un semestre. El índice de satisfacción del alumno (NPS) aumentó de 31 a 58, y la plataforma redujo la pérdida mensual de suscriptores en 2,8 puntos porcentuales.
61%
Tasa de finalización del curso (aumentó del 38%)
58
NPS de estudiantes (aumentó de 31)
2.8pp
Reducción de la rotación mensual
Proyectos Relacionados
Plataforma de evaluación y análisis de aprendizaje impulsada por IA para tecnología educativa
Las tasas de finalización de cursos mejoraron del 38 % al 61 % en un semestre. El índice de satisfacción del alumno (NPS) aumentó de 31 a 58, y la plataforma redujo la pérdida mensual de suscriptores en 2,8 puntos porcentuales.
61%
Tasa de finalización del curso (aumentó del 38%)
58
NPS de estudiantes (aumentó de 31)
Plataforma de digitalización de operaciones hospitalarias
El tiempo de alta del paciente se redujo de 4,5 a 1,8 horas. La integridad de la documentación clínica mejoró del 67 % al 96 %, eliminando las lagunas de datos que provocaban el rechazo de las reclamaciones de seguros. La productividad del personal mejoró un 34 %.
4.5h→1.8h
Hora de alta del paciente
96%
Integridad de la documentación clínica
Plataforma de optimización de rutas logísticas de última milla
El cumplimiento del SLA de entrega mejoró del 76 % al 94 %, los costos de combustible por entrega se redujeron un 18 % y la productividad de los conductores alcanzó el 88 % de su capacidad teórica. El cliente se expandió a tres nuevas ciudades en seis meses utilizando la misma plataforma.
94%
Cumplimiento del SLA de entrega
18%
Reducción del coste de combustible por entrega
Simulación de entrenamiento basada en RA para operaciones de fabricación
El tiempo de capacitación por operador se redujo en un 40% y los incidentes de seguridad relacionados con la capacitación se redujeron a cero. Las puntuaciones de certificación de competencias mejoraron un promedio de 22 puntos porcentuales. El cliente está ampliando la plataforma a dos instalaciones adicionales.
40%
Reducción del tiempo de formación
0
Incidentes de seguridad relacionados con la formación
Pronóstico de la demanda basado en aprendizaje automático para la cadena de suministro minorista
La tasa promedio de falta de stock se redujo del 12 % al 4,3 %, y las pérdidas por rebajas de fin de temporada disminuyeron un 28 %. La precisión de las previsiones del equipo de compras (medida por MAPE) mejoró del 31 % al 11 % de error.
4.3%
Tasa de agotamiento de existencias (reducida del 12%)
28%
Reducción de las pérdidas por rebajas
Visibilidad de la cadena de suministro de extremo a extremo y torre de control
El tiempo de respuesta ante interrupciones en la cadena de suministro mejoró de 4 días (retraso de detección) a 6 horas. Las roturas de stock atribuibles a deficiencias en la visibilidad de la cadena de suministro se redujeron en un 71 %. El equipo de compras evitó 1,8 millones de dólares en costes de transporte urgente durante el primer año.
4d→6h
Tiempo de respuesta de detección de interrupciones
71%
Reducción de las faltas de existencias por falta de visibilidad