Education Cloud: qué datos de admisión usa un agente de IA

Qué datos de admisión debe usar un agente de IA en Education Cloud

Un agente de IA de admisiones necesita cuatro tipos de datos: identidad del aspirante, interés de licenciatura o posgrado y etapa de su solicitud, consentimiento para recibir comunicación, e historial de interacción previa. No necesita, y por defecto no debe tocar, el kardex académico detallado ni el detalle del financiamiento estudiantil del aspirante.

Esta separación no es una preferencia de diseño arbitraria. Es, en buena medida, cómo Salesforce ya organiza el modelo de datos de Education Cloud: distingue la identidad y la relación (Contact, Affiliation) de la trayectoria académica (Program Enrollment, Course Connection) y de la capa propia de admisiones (Applicant, Application Decision). Un agente de IA bien acotado respeta esas fronteras en lugar de leer el esquema completo del CRM.

Este artículo explica qué contiene el modelo de datos de Education Cloud, qué debe leer y escribir un agente conversacional para universidades e instituciones privadas mexicanas, y por qué la proporcionalidad en el tratamiento de datos personales —no la facilidad técnica— debe marcar el límite.

Qué contiene realmente el modelo de datos de Education Cloud

Education Cloud se construye sobre Education Data Architecture (EDA), el modelo de datos de código abierto de Salesforce.org que extiende los objetos estándar Account y Contact con objetos propios del sector educativo: Affiliation, Relationship, Program Enrollment, Course Connection, Academic Certification, Address, Attendance Event, Case, Course, Credential y Education History (Salesforce, "EDA Explained"; repositorio en GitHub).

Dos de esos objetos se mantienen sincronizados de forma automática: al guardar un registro de Program Enrollment en el Contact de un aspirante, Salesforce crea —si no existe todavía— una Affiliation entre ese Contact y el programa académico, y ambos registros quedan enlazados de ahí en adelante (Salesforce, documentación de Program Enrollment). Es un ejemplo concreto de cómo el propio modelo separa "quién es esta persona" de "en qué programa está inscrita", en lugar de mezclarlo todo en un solo registro.

Sobre esa base, la capa de Recruitment and Admissions de Education Cloud agrega objetos específicos para el ciclo de captación: Applicant, Application Decision, Application Review, Application Stage Definition y Application Timeline (Salesforce, "Recruitment & Admissions" — Agentforce for Education). Estos objetos controlan el estatus de una solicitud puntual —recibida, en revisión, aceptada, inscrita— sin necesidad de exponer el kardex completo del aspirante ni los datos de financiamiento que puedan existir en otras áreas del CRM.

Los objetos, agrupados por función

Qué debe leer y escribir un agente — y qué nunca debe tocar por defecto

Un agente de IA de admisiones cumple su función con una porción reducida de este modelo. Ampliar su alcance más allá de eso no agrega capacidad real: agrega superficie de riesgo, sin un beneficio claro para el aspirante ni para el equipo de admisiones.

La identidad básica (nombre, correo, teléfono, programa de interés declarado) permite personalizar la conversación. El interés de programa y la etapa de la solicitud —campos que ya existen en Program Enrollment y en los objetos de Recruitment and Admissions— permiten al agente responder con precisión sobre fechas límite, requisitos de ingreso y siguientes pasos. El consentimiento y la preferencia de comunicación determinan si el agente puede dar seguimiento por cuenta propia o solo responder cuando el aspirante escribe primero. El historial de interacción (qué preguntó antes, qué páginas visitó, si ya se registró a un día de puertas abiertas) evita que el aspirante repita información que ya proporcionó.

El kardex académico detallado —calificaciones por materia, expedientes disciplinarios, resultados de evaluaciones psicopedagógicas— y el detalle del financiamiento estudiantil —montos de becas, evaluaciones socioeconómicas, datos bancarios— quedan fuera del alcance por defecto. No porque el agente sea incapaz de procesarlos, sino porque no aportan valor a una conversación de captación y sí concentran el tipo de dato cuya fuga o mal uso causa más daño al aspirante.

Por qué la proporcionalidad en el tratamiento de datos no es opcional

La Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) obliga a toda institución privada a tratar los datos personales conforme a los principios de licitud, consentimiento, información, calidad, finalidad, lealtad, proporcionalidad y responsabilidad. Un agente conversacional de admisiones tiene una finalidad concreta —informar, orientar, dirigir hacia el siguiente paso del proceso— y esa finalidad, por sí sola, no justifica el acceso al kardex ni a las evaluaciones de becas del aspirante.

El Instituto Nacional de Transparencia, Acceso a la Información y Protección de Datos Personales (INAI) publicó recomendaciones generales para el tratamiento de datos personales derivado del uso de la inteligencia artificial, dirigidas a responsables y desarrolladores de plataformas de IA, con el fin de reducir riesgos y facilitar el cumplimiento del deber de seguridad de los datos personales. Para una institución que evalúa conectar un agente de IA a Education Cloud, esas recomendaciones son el punto de partida antes de decidir qué objetos y qué campos queda expuestos al agente.

En la práctica, esto significa que un aspirante que pregunta por el puntaje mínimo de admisión, por las fechas del examen EXANI-II de CENEVAL o por si una licenciatura cuenta con Reconocimiento de Validez Oficial de Estudios (RVOE) de la SEP puede recibir respuesta sin que el agente necesite ver su kardex si viene de otra institución, ni el estatus de una beca institucional en trámite. La conversación se resuelve con los objetos de interés de programa y etapa de solicitud; el kardex y el financiamiento siguen su propio circuito, a cargo de personal con la formación y el aviso de privacidad correspondiente para tratarlos.

Agentforce for Education: hacia dónde va Salesforce con los agentes de admisiones

Salesforce ya comercializa agentes de IA preconfigurados para educación superior bajo el nombre Agentforce for Education, construidos sobre el modelo de datos de Education Cloud (Salesforce, "Agentforce for Education"). Su página de caso de uso para captación y admisiones describe un agente capaz de responder preguntas de aspirantes, crear un registro de interés académico, registrar la inscripción a una visita de campus o iniciar una nueva solicitud —acciones acotadas a objetos puntuales del modelo de Recruitment and Admissions, no un acceso abierto a todo el CRM (Salesforce, "Agentforce Use Cases: Recruitment & Admissions").

Es una señal relevante para cualquier director de admisiones o responsable de TI en México que evalúe este tipo de soluciones: el propio fabricante del CRM diseña sus agentes con un alcance de datos deliberadamente limitado a la captación, no como un asistente con acceso universal al esquema. La misma lógica debe aplicarse a cualquier agente de IA de terceros que se conecte a Education Cloud, sea nativo de Salesforce o no.

Cómo encaja un chatbot como Skolbot en este modelo

Skolbot está diseñado como una capa de IA sobre el CRM que la institución ya utiliza —incluidos conectores nativos con Salesforce—, no como un sustituto del CRM ni como un segundo sistema de registro. Cada conversación con un aspirante se enriquece de vuelta en el CRM: perfil, preguntas realizadas, programa de interés y puntuación de madurez del aspirante (lead scoring).

Este enfoque sigue la misma lógica que el modelo de datos de Education Cloud ya separa por diseño: el chatbot opera sobre identidad, interés de programa y consentimiento, y deja el kardex y el financiamiento estudiantil en manos del equipo de admisiones o de becas. Para entender cómo se conecta esta capa de IA con distintos CRM del sector, consulte nuestra comparativa de CRM para escuelas superiores, y para ver cómo se traduce el interés de un aspirante en una puntuación accionable, revise nuestra guía de lead scoring para captación de estudiantes.