Asistentes inteligentes
para el aprendizaje

Conjunto de tecnologías capaces de realizar tareas que normalmente asociamos con capacidades humanas, como comprender lenguaje, reconocer patrones, clasificar información o tomar decisiones dentro de unas reglas.

Tipo de inteligencia artificial que produce contenido nuevo —texto, imágenes, audio o código— a partir de instrucciones y ejemplos aprendidos. No copia una respuesta de una base de datos: construye una salida probable en ese momento.

Modelo entrenado con grandes cantidades de texto para interpretar y generar lenguaje. Funciona prediciendo qué fragmento de texto resulta más probable a continuación; no es una persona, un buscador ni una fuente infalible.

Empresa o servicio que ofrece acceso a uno o varios modelos, normalmente mediante una API. El proveedor gestiona la infraestructura, las condiciones de uso, la seguridad y las opciones de tratamiento de datos.

Motor concreto que procesa la consulta y genera la respuesta. Un proveedor puede ofrecer distintos modelos, cada uno con diferente coste, velocidad, capacidad de razonamiento y ventana de contexto.

Programa conversacional basado principalmente en reglas, palabras clave, menús o árboles de decisión. Responde bien dentro de los caminos previstos, pero suele fallar cuando la pregunta se formula de otra manera.

Interfaz conversacional que utiliza IA para comprender lenguaje natural, mantener contexto y ofrecer respuestas más flexibles. Puede consultar fuentes o herramientas, pero siempre debe trabajar dentro de límites definidos.

Sistema de IA que no se limita a redactar una respuesta: puede decidir qué paso ejecutar, qué fuente consultar, qué herramienta utilizar o cuándo pedir más contexto. Su autonomía debe estar delimitada.

Agente especializado en una responsabilidad concreta dentro de un sistema mayor. La especialización reduce el contexto innecesario y facilita las pruebas, el mantenimiento y la seguridad.

Necesidad real que hay detrás de la pregunta del usuario. Dos consultas con palabras distintas pueden tener la misma intención.

Componente que clasifica la intención y envía la consulta al agente adecuado. Permite ofrecer una sola interfaz al usuario sin construir un único agente que intente hacerlo todo.

Siglas de Learning Management System o sistema de gestión del aprendizaje. Es la plataforma que organiza cursos, usuarios, actividades, calificaciones y seguimiento.

LMS de código abierto utilizado para crear y gestionar aulas virtuales. Dispone de plugins, servicios web, permisos y datos que pueden integrarse con asistentes inteligentes.

Extensión que añade una funcionalidad al LMS sin modificar directamente su núcleo. Puede ser comunitario, comercial o desarrollado a medida.

Solución creada específicamente para las necesidades de una institución. Ofrece mayor control, pero exige capacidad técnica, mantenimiento, pruebas y gobierno.

Aplicación que funciona fuera del LMS y se conecta con él. Puede alojar la conversación, ejecutar automatizaciones o coordinar varios servicios.

Conexión organizada entre sistemas para intercambiar datos o ejecutar acciones. Una integración segura define qué información puede circular, quién la solicita y qué ocurre si algo falla.

Interfaz de programación que permite que dos aplicaciones se comuniquen mediante solicitudes estructuradas. Es el puente habitual entre Moodle, el proveedor de IA y otros servicios.

Credencial secreta que autoriza el uso de una API. Debe almacenarse en el servidor y nunca exponerse en el navegador, en el código público o en una captura de pantalla.

Herramienta que conecta aplicaciones mediante flujos visuales o programados. Make y n8n son ejemplos; pueden coordinar Moodle, una API de IA, correo y otros servicios.

Parte visible con la que interactúa el usuario: ventana de chat, botones, avisos y mensajes. No debería contener secretos ni decidir por sí sola los permisos de acceso.

Parte que se ejecuta en el servidor y aplica lógica, permisos, llamadas a APIs, controles de seguridad y registro. Es donde deben residir las operaciones sensibles.

Función externa que el agente puede utilizar para obtener datos reales o ejecutar una acción controlada. La herramienta debe validar permisos y devolver únicamente lo necesario.

Solicitud estructurada que hace el modelo para que la aplicación ejecute una herramienta. El modelo pide la acción; el software la valida, la ejecuta y devuelve el resultado.

Siglas de Model Context Protocol. Es un protocolo para conectar aplicaciones de IA con herramientas y fuentes de datos mediante una interfaz común y controlada.

Conjunto de instrucciones y contexto que orienta al modelo. Puede definir el rol, el objetivo, las fuentes, el público, el idioma, el formato y las acciones prohibidas.

Reglas de mayor prioridad configuradas por la aplicación y normalmente no visibles para el usuario. Definen el comportamiento estable del asistente y sus límites principales.

Orden de prioridad entre las reglas de la plataforma, la configuración del asistente, el contexto del curso y la petición del usuario. Una instrucción del usuario no debería anular una regla superior de seguridad.

Información disponible para responder en una solicitud: conversación, instrucciones, fragmentos recuperados y resultados de herramientas. Más contexto no siempre significa mejor respuesta; debe ser relevante y autorizado.

Cantidad máxima de tokens que un modelo puede considerar en una solicitud. Incluye instrucciones, historial, documentos recuperados y respuesta esperada.

Unidad pequeña en la que el modelo divide el texto. Una palabra puede ocupar uno o varios tokens según el idioma y la forma en que esté escrita.

Tokens que se envían al modelo: prompt, conversación, documentos y datos de herramientas. Se pagan y consumen contexto aunque el usuario no los vea.

Tokens que genera el modelo en la respuesta. Una respuesta extensa suele aumentar coste, latencia y riesgo de dispersión.

Límite que impide que la respuesta supere una extensión determinada. Debe ajustarse al caso de uso para no cortar contenido importante ni permitir respuestas innecesariamente largas.

Parámetro que controla el grado de variación entre respuestas. Una temperatura baja suele producir resultados más consistentes; una más alta permite mayor diversidad, pero no garantiza mejor razonamiento.

Cantidad de recursos de razonamiento que algunos modelos pueden dedicar antes de responder. Un esfuerzo mayor puede ayudar en problemas complejos, pero suele aumentar coste y tiempo de respuesta.

Tiempo que transcurre desde que el usuario envía la consulta hasta que recibe la respuesta. Una respuesta excelente pero demasiado lenta puede deteriorar la experiencia.

Respuesta con un formato fijo que el software puede interpretar, por ejemplo campos definidos o JSON. Es útil para routers, clasificaciones y automatizaciones.

Formato de texto organizado en claves y valores, muy utilizado para intercambiar datos entre aplicaciones. No está pensado principalmente para lectura humana, sino para procesamiento por software.

Salida segura cuando el sistema no sabe, no encuentra evidencia o falla una herramienta. Evita que el modelo improvise y define el siguiente paso.

Reglas que determinan en qué idioma responde el asistente y cómo trata cursos o fuentes en varios idiomas. Debe probarse con variantes reales, no solo traducirse el prompt.

Siglas de Retrieval-Augmented Generation o generación aumentada por recuperación. Antes de responder, el sistema busca fragmentos relevantes en fuentes autorizadas y los entrega al modelo como contexto.

Biblioteca indexada que permite buscar fragmentos por semejanza de significado, no solo por coincidencia exacta de palabras. Es una pieza frecuente de los sistemas RAG.

Representación numérica del significado de un texto. Permite comparar la cercanía semántica entre una pregunta y los fragmentos almacenados.

Porción de un documento que se almacena y recupera como unidad. Debe tener suficiente sentido por sí sola, sin ser tan grande que incluya información irrelevante.

Proceso de dividir documentos en fragmentos. Una mala división puede separar una regla de su excepción o mezclar temas que no deberían recuperarse juntos.

Información descriptiva añadida a cada documento o fragmento para filtrar y organizar la recuperación.

Paso en el que el sistema selecciona los fragmentos más relevantes para la consulta. Recuperar demasiado genera ruido; recuperar poco puede omitir evidencia.

Práctica de basar la respuesta en fuentes o datos verificables que se han proporcionado al modelo. Reduce invenciones, aunque no elimina todos los errores.

Documento, sistema o política que prevalece cuando existen versiones distintas o información contradictoria.

Respuesta plausible pero incorrecta o no respaldada por evidencia. Puede ocurrir cuando falta contexto, las fuentes son ambiguas o el modelo intenta completar una laguna.

Indicación de qué fuente, fragmento o dato respalda una respuesta. Facilita la verificación, la confianza y la auditoría.

Información que cambia con el tiempo o depende del usuario, como progreso, fechas, intentos, entregas o calificaciones. Debe consultarse en el LMS mediante herramientas, no recuperarse de documentos estáticos.

Obligación de informar claramente que el usuario interactúa con IA, qué puede hacer, cuáles son sus límites y cómo obtener ayuda humana. No debe presentarse como una persona real.

Principios y medidas que protegen la información personal y limitan su uso a finalidades legítimas y comunicadas. Incluye qué se recoge, con quién se comparte y durante cuánto tiempo se conserva.

Información que identifica o puede relacionarse con una persona, directa o indirectamente. Incluye nombre, correo, identificadores, calificaciones y combinaciones de datos que permitan reconocerla.

Proceso irreversible que elimina la posibilidad razonable de identificar a una persona. Si la identidad puede recuperarse mediante una clave, no es anonimización completa.

Sustitución de la identidad por un código o identificador. Reduce la exposición, pero sigue siendo dato personal porque la relación puede reconstruirse con información adicional.

Principio de enviar y conservar solo la información imprescindible para la finalidad concreta. Evita compartir datos “por si acaso”.

Proceso para comprobar quién es el usuario.

Reglas que determinan qué datos o acciones puede utilizar una persona o sistema después de autenticarse. La autorización debe aplicarla el servidor, no confiarse únicamente al prompt.

Regla, filtro o control que limita comportamientos inseguros, fuera de alcance o contrarios a la integridad académica. Puede aplicarse antes, durante o después de la respuesta.

Clasificación de contenido potencialmente dañino, abusivo o inapropiado para decidir si se responde, se limita la respuesta o se deriva.

Intento de manipular al asistente mediante instrucciones incluidas en la conversación o en un documento para que ignore sus reglas o revele información.

Técnica destinada a evadir deliberadamente las restricciones de un modelo o asistente mediante escenarios, codificación, role-play u otras formas de manipulación.

Exposición de datos, instrucciones internas, credenciales o contenido que el usuario no está autorizado a conocer.

Control que restringe cuántas consultas puede realizar un usuario o sistema en un periodo. Ayuda a prevenir abuso, automatización masiva y costes inesperados.

Límite de consumo definido por curso, usuario, periodo o proyecto. Complementa al rate limit y permite controlar gasto y capacidad.

Datos técnicos y operativos que documentan lo ocurrido: solicitudes, tiempos, errores, herramientas utilizadas y, cuando esté permitido, contenido de las conversaciones.

Periodo durante el cual se conservan conversaciones, logs y otros datos antes de eliminarlos o anonimizarlos. Debe estar definido y justificado.

Capacidad de reconstruir qué respondió el sistema, con qué modelo, fuentes, reglas y herramientas. Es esencial para investigar incidentes y mejorar el servicio.

Mecanismo para transferir la consulta a una persona cuando el asistente no puede resolverla, existe riesgo o el usuario necesita una decisión humana.

Asistente especializado en acompañar la comprensión de un curso. Explica, formula preguntas, ofrece ejemplos y orienta hacia las fuentes, pero no debería sustituir al docente ni realizar las evaluaciones del estudiante.

Estrategia en la que el tutor guía mediante preguntas y pistas para que el estudiante construya la respuesta. No significa responder siempre con otra pregunta: debe adaptarse al nivel de dificultad y ofrecer apoyo suficiente.

Asistente centrado en acceso, navegación, actividades, certificados, incidencias y uso de la plataforma. Prioriza pasos claros y datos verificables.

Agente que consulta información real del sistema de aprendizaje, como progreso, fechas, entregas y restricciones. Depende especialmente de permisos y herramientas seguras.

Conjunto de principios que protege la autoría, la honestidad y la validez de la evaluación. El asistente debe apoyar el aprendizaje sin entregar respuestas que sustituyan el trabajo del estudiante.

Regla que separa la ayuda permitida de la resolución indebida de una evaluación. Debe definirse en el prompt, en los guardrails y en las pruebas.

Adaptación de la explicación al idioma, rol, curso, nivel o progreso del usuario usando únicamente información autorizada.

Recopilación y análisis de datos sobre participación y aprendizaje para mejorar decisiones educativas. Debe utilizarse con criterios de privacidad, finalidad y proporcionalidad.

Punto de confusión, dificultad o esfuerzo innecesario que obstaculiza la experiencia. Las conversaciones del asistente pueden revelar fricciones que no llegan a convertirse en tickets.

Implementación limitada utilizada para validar el caso de uso antes de escalar. Debe tener alcance, usuarios, riesgos, métricas y criterios de salida definidos.

Entorno real en el que el asistente está disponible para los usuarios finales. Requiere monitoreo, soporte, gobierno y capacidad de responder ante incidentes.

Conjunto amplio de consultas utilizado para probar comportamientos esperados. Debe incluir preguntas reales, ambiguas, multilingües, adversariales y fuera de alcance.

Evaluación diseñada para buscar fallos, no para demostrar que todo funciona. Intenta romper límites, confundir al router, provocar fugas o forzar respuestas indebidas.

Criterios comunes para valorar cada respuesta de forma consistente. Puede considerar precisión, claridad, fuente, pedagogía, seguridad, idioma y cumplimiento del alcance.

Respuesta correcta, clara, útil, bien fundamentada y alineada con todos los límites. No requiere cambios relevantes.

Respuesta útil y segura, pero mejorable en claridad, extensión, precisión menor o formato. No contiene un fallo crítico.

Respuesta que no resuelve la necesidad, contiene errores importantes o incumple parcialmente el comportamiento esperado. Requiere corrección antes de confiar en ese caso.

Fallo que impide pasar a producción o exige corrección inmediata: fuga de datos, vulneración de seguridad, solución de una evaluación, contenido dañino o acción no autorizada.

Indicador clave de rendimiento utilizado para saber si el asistente cumple su objetivo. Debe estar vinculado al problema inicial, no solo al número de conversaciones.

Relación entre el valor obtenido y los recursos invertidos. Puede incluir ahorro de tiempo, reducción de tickets, mejora de experiencia y costes de tecnología, operación y mantenimiento.

Porcentaje de consultas que el asistente resuelve correctamente sin intervención adicional. Debe medirse con criterios claros y no solo con la ausencia de quejas.

Reducción de consultas que llegan al canal humano porque fueron resueltas previamente. Debe vigilarse junto con la satisfacción para evitar ocultar problemas o dificultar el acceso a soporte.

Coste medio de procesar una interacción, incluyendo tokens y, cuando se analice el coste real, infraestructura, licencias, mantenimiento y soporte.

Seguimiento continuo del uso, calidad, errores, coste, latencia y riesgos una vez publicado. Permite detectar cambios en las preguntas o en el comportamiento del sistema.

Ciclo de probar, analizar, ajustar y volver a probar. Los prompts, fuentes, modelos y controles no deben considerarse definitivos tras el primer lanzamiento.

Capacidad de ampliar el sistema a más usuarios, cursos o funciones sin perder calidad, seguridad ni control de costes.

Conjunto de responsabilidades, políticas y procesos que determinan quién aprueba, configura, supervisa y mejora los asistentes. La gobernanza convierte una demo en un servicio sostenible.