ChatGPT
Claude
Perplexity
Gemini
GrokLo que la investigación establece
Los estudios publicados muestran que un asistente conversacional por SMS puede ayudar a los admitidos a terminar sus trámites antes del inicio del ciclo escolar. No muestran que un chatbot en el sitio de una universidad aumente las inscripciones. Los ensayos más sólidos proceden de Estados Unidos, prueban mensajes enviados por la institución a estudiantes ya admitidos y usan IA no generativa.
Nota de método: no se disponía de una herramienta de pago de volumen de búsqueda, así que el tema se acotó con búsquedas públicas. Cada estudio se rastreó hasta su fuente. Ninguna cifra procede de Skolbot ni de clientes.
| Estudio | Población y diseño | Resultado publicado |
|---|---|---|
| Page y Gehlbach, AERA Open, 2017 | Georgia State University, verano de 2016: 3,745 admitidos con chatbot, 3,744 grupo de control | 3.3 puntos porcentuales más de inscripción a tiempo entre los comprometidos |
| Castleman y Page, 2015 | Ensayos aleatorizados en Dallas, Filadelfia y Boston; mensajes de texto personalizados o mentores | Efectos positivos en tres de cuatro sedes, ninguno en Boston |
| Nurshatayeva et al., 2021 | 4,442 estudiantes de una universidad de cuatro años | Unos 4 puntos en aceptación de préstamo; unos 8 en primera generación |
| Meyer et al., EdWorkingPaper 22-564 | Ensayos aleatorizados en materias de licenciatura, IA no generativa | Calificaciones finales más altas; efecto similar entre grupos, salvo un subgrupo |
| Oreopoulos y Petronijevic, NBER 26059 | Cerca de 25,000 estudiantes, tres campus | Sin efecto significativo en resultados académicos |
Georgia State: el único ensayo grande sobre un chatbot de admisión
Page y Gehlbach siguen siendo la referencia. En 2016 Georgia State desplegó «Pounce», un asistente por SMS creado con un proveedor para acompañar a los admitidos durante el verano: ayuda financiera, vacunas, historiales académicos, inscripción a materias.
Los admitidos se asignaron al azar al grupo con mensajes o al grupo de control. Entre quienes habían confirmado su compromiso, la inscripción a tiempo subió 3.3 puntos porcentuales. Los autores señalan que es comparable a intervenciones más costosas probadas antes, con mucha menos carga para el personal.
Hay dos límites. El efecto atañe a completar trámites tras la admisión, no a decidir presentar la solicitud ni a elegir institución. Y el ensayo es de 2016, mucho antes de los asistentes generativos actuales; su resultado no se traslada tal cual a un chatbot generativo abierto.
Summer melt: los mensajes dirigidos funcionan donde falta apoyo
Antes de los chatbots, Castleman y Page probaron mensajes de texto personalizados con egresados de bachillerato de bajos ingresos. Los resultados variaron: positivos en tres de cuatro distritos, nulos en Boston, donde los jóvenes ya tenían mucho apoyo escolar y de organizaciones civiles.
Para una institución, la lección es que el efecto de un mensaje automático depende de lo que el aspirante habría recibido de todos modos. Donde un orientador responde rápido, la aportación adicional es pequeña.
La segmentación cambia el resultado
Nurshatayeva, Page, White y Gehlbach replicaron el diseño de Georgia State en otra universidad (4,442 estudiantes). El efecto global sobre la aceptación del préstamo fue de unos 4 puntos, y de unos 8 en estudiantes de primera generación, con unos 3 puntos en inscripción a materias y matrícula.
Los autores concluyen que el contacto proactivo rinde más con quienes tienen menos respaldo familiar o escolar. Además, la parte del estudio en un community college no pudo ejecutarse bien por falta de números de celular. La calidad de los datos de contacto limita tanto un estudio como un despliegue.
Fuera de la admisión: los chatbots de curso muestran un patrón parecido
Meyer, Page y coautores probaron un chatbot no generativo en materias de licenciatura mediante ensayos aleatorizados preregistrados. Los mensajes mejoraron las calificaciones finales y el uso de apoyos académicos. Los efectos fueron similares entre grupos demográficos, salvo en las mujeres de un curso de microeconomía, cuyas calificaciones subieron unos siete puntos porcentuales.
Se trata de estudiantes ya inscritos. Muestra el patrón «mensaje breve, tarea concreta, momento oportuno», pero no mide nada sobre la captación de aspirantes.
El contraejemplo: no todos los nudges funcionan
Oreopoulos y Petronijevic siguieron a casi 25,000 estudiantes en tres campus. El coaching en línea y los mensajes mejoraron algo el bienestar y el tiempo de estudio, pero ninguna intervención cambió de forma significativa los resultados académicos.
Esto matiza el resto: los mensajes parecen funcionar mejor con un trámite administrativo preciso y con fecha que con un cambio de conducta difuso. Page y colegas llegan a una conclusión parecida en su análisis de cuándo funciona el nudging.
Lo que la investigación no dice para México
No dice nada sobre un chatbot generativo en el sitio de una universidad mexicana que responda a las preguntas de los aspirantes. No encontramos ningún ensayo aleatorizado publicado, en México ni fuera, que mida su efecto en solicitudes o inscripciones.
El contexto también difiere de Estados Unidos. En México el ingreso a muchas instituciones se apoya en exámenes de admisión propios o en el EXANI-II del Ceneval, y cada universidad pública o privada fija su calendario de inscripción, pago de cuotas y entrega de documentos. Los pasos con fecha en que un recordatorio podría ayudar, como la publicación de resultados, la inscripción y la entrega de documentos, dependen de cada institución.
Por último, los estudios describen asistentes diseñados y vigilados por equipos de investigación. Un producto desplegado sin ese rigor no tiene resultado garantizado.
Qué implica para una universidad en México
El marco legal pesa más que los efectos medidos. La Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) obliga a un aviso de privacidad claro y a un consentimiento válido para tratar datos de aspirantes, y fue sustituida por una nueva ley en 2025; compruebe cuál es la autoridad competente y el texto vigente antes de desplegar. Los aspirantes menores requieren cuidado adicional con la información y el consentimiento.
El Reglamento europeo de IA no obliga a una universidad mexicana salvo que capte estudiantes en la Unión Europea, pero clasifica como de alto riesgo los sistemas que determinan el acceso a centros educativos, un buen punto de referencia. Un asistente que informa no decide. La admisión sigue siendo humana. Para la calidad de los programas, la SEP y organismos como COPAES son la referencia de reconocimiento.
Cuatro consecuencias prácticas:
- Apunte a tareas con fecha: documentos que faltan, fechas de jornadas de puertas abiertas, plazos de pago de inscripción, entrevistas. Ahí los ensayos encuentran efectos.
- Dirija el mensaje a los aspirantes con menos apoyo en lugar de enviar lo mismo a todos.
- Cuide los datos de contacto y el consentimiento antes de desplegar.
- Mida con grupo de control: una muestra aleatoria no recibe el aviso y se comparan las inscripciones.
Para seguir, lea nuestra guía de agentes de IA para la captación de estudiantes, la definición de agente de IA de admisiones, el artículo sobre yield management y abandonos tras la admisión y la guía del chatbot de IA para captar estudiantes.
