Glosario de agentes IA de admisiones: 50 términos clave

Cómo usar este glosario

Este glosario de IA para la captación de estudiantes define 50 términos que aparecen cuando una universidad o escuela despliega agentes IA en admisiones. Cada definición es un párrafo breve que puede citar en un pliego, un contrato o una reunión de equipo.

Los proveedores usan las mismas palabras para cosas distintas, y un malentendido sobre «agente», «grounding» u «opt-in» sale caro tras la firma. Las definiciones describen conceptos, no productos. Para la visión general, empiece por la definición de un agente IA de admisiones o la guía de agentes IA para la captación de estudiantes.

Los 50 términos por etapa del recorrido

Importa menos el número de términos que quién responde de ellos: para cada término que afecta a datos o decisiones, designe quién en su institución es responsable.

Fuentes de referencia: AI Act, anexo III · AI Act, artículo 50 · artículo original del RAG (Lewis et al.)

El glosario de la A a la Z

Agente de voz

Agente IA que mantiene conversaciones habladas por teléfono, convirtiendo voz en texto y viceversa. Necesita el mismo grounding y traspaso que un agente de chat, más reglas sobre grabación de llamadas y latencia.

Agente IA

Sistema basado en un modelo de lenguaje que responde a partir de sus contenidos y ejecuta tareas definidas: cualificar una consulta, reservar una visita, escribir en el CRM, pasar el caso al equipo. Alcance y permisos se fijan de antemano.

Alucinación

Respuesta fluida pero falsa o sin respaldo de un modelo de lenguaje, como unas tasas o un plazo inventados. Grounding, barreras y revisión la reducen; ninguno la elimina por completo.

Atribución

Método que asigna una consulta o matrícula al canal que la originó: búsqueda, redes sociales, feria o recomendación. Sin etiquetado coherente, la aportación del chatbot es invisible en los informes.

Barreras de seguridad

Reglas y filtros alrededor del modelo que limitan lo que puede decir o hacer: temas que rechazar, contenidos que evitar, acciones que requieren aprobación. Complementan el grounding y se prueban con preguntas adversas.

Base de conocimiento

Conjunto de contenidos aprobados de los que responde el agente: páginas de programas, tablas de tasas, requisitos de acceso, preguntas frecuentes. Su actualidad limita la calidad de las respuestas: asígnele responsable y fecha de revisión.

Chatbot basado en reglas

Herramienta de conversación que sigue un árbol de decisión escrito a mano. Es predecible y fácil de auditar, pero falla ante cualquier pregunta fuera del guion. Se confunde a menudo con los chatbots generativos.

Consentimiento

Acuerdo informado de una persona para que sus datos se traten con una finalidad declarada. La normativa de protección de datos fija las condiciones exactas en cada país, pero debe poder demostrarlo y permitir retirarlo con facilidad.

CRM

Sistema de gestión de relaciones que guarda la ficha, el historial y el estado de cada candidato. En admisiones es la fuente de verdad: el agente debe leer de él y escribir en él dentro de un alcance definido.

Cualificación

Recoger los pocos datos que permiten al equipo actuar sobre una consulta: nivel de estudios, programa, convocatoria, ubicación, dudas de financiación. Pregunte solo lo necesario y explique por qué.

Devolución de llamada

Llamada, de un asesor o automatizada, acordada con un candidato que pidió ser contactado. El candidato elige franja o plazo, y la solicitud llega al equipo con la conversación adjunta.

Doble opt-in

Consentimiento en dos pasos: la persona se suscribe y luego confirma mediante un enlace enviado a la dirección indicada. Demuestra que la dirección es suya y limita altas erróneas o falsas.

Embedding

Representación numérica de un fragmento de texto que captura su significado. Permite encontrar las páginas más cercanas a una pregunta, que es el paso de recuperación en el RAG.

Embudo de matriculación

Secuencia de etapas desde el primer contacto hasta la matrícula: normalmente consulta, candidato cualificado, solicitud, admisión, reserva de plaza y matrícula. Los nombres varían según el centro: documente los suyos.

Enriquecimiento del CRM

Añadir a la ficha del candidato la información recogida en la conversación: programa de interés, convocatoria, preguntas formuladas. El equipo no tiene que volver a preguntar ni reintroducir datos.

Enrutamiento

Envío de una consulta o conversación a la persona o equipo adecuados según programa, campus, idioma o tema. Reglas claras evitan que los candidatos queden sin asignar en un buzón común.

Escalado

Traspaso de un caso a una persona cuando el agente no puede o no debe continuar: una queja, una situación personal, una petición poco clara. Los desencadenantes deben ser reglas escritas y probadas antes del lanzamiento.

Fine-tuning

Entrenamiento adicional de un modelo con un conjunto de datos concreto para cambiar su estilo o comportamiento. No es la vía habitual para enseñar a un agente sus programas; lo es el grounding en fuentes actualizadas.

Grounding (anclaje)

Limitar una respuesta a fuentes aprobadas, como sus páginas de programas y normativas, e idealmente indicar qué fuente se usó. Es la principal defensa contra respuestas inventadas.

Humano en el bucle

Diseño en el que una persona revisa, aprueba o puede revertir el resultado del sistema en puntos definidos. Para decisiones de admisión es buena práctica, y la persona debe poder contradecir al sistema.

IA agéntica

Software que persigue un objetivo y actúa en sus sistemas, por ejemplo reservar una jornada de puertas abiertas o actualizar una ficha del CRM, en lugar de limitarse a responder. Actúa con permisos definidos y escala lo que queda fuera.

IA generativa

Modelos que producen texto, imágenes o audio nuevos a partir de una instrucción. En admisiones redacta respuestas y borradores, de ahí la necesidad de grounding y revisión: un texto fluido no siempre es correcto.

Intención

Lo que la persona quiere lograr con un mensaje: preguntar por tasas, reservar una visita, comprobar un plazo. Detectar la intención determina la respuesta, la acción o el traspaso siguientes.

Inyección de prompt

Ataque en el que un texto, en un mensaje o documento, intenta anular las instrucciones del agente, por ejemplo «ignora tus reglas». Defensas: control de entradas, permisos limitados y no fiarse de los textos recuperados.

Jornada de puertas abiertas

Evento programado en el que los aspirantes visitan un campus o siguen sesiones en línea. Es un objetivo de registro clave para un agente de admisiones, porque convierte una consulta en un primer contacto real.

Lead scoring

Asignar una puntuación a un candidato según su encaje y su interacción para priorizar el seguimiento. Mantenga los criterios visibles y revisados: un scoring opaco puede derivar en decisiones automatizadas sobre personas.

LLM (gran modelo de lenguaje)

Modelo entrenado con grandes volúmenes de texto para predecir y generar lenguaje. Impulsa los agentes actuales, pero no sabe nada de su centro si no le proporciona los contenidos.

Minimización de datos

Principio por el que solo se recogen los datos personales necesarios para una finalidad declarada. Para un agente, pedir el correo cuando una reserva lo exige, no por defecto en el primer mensaje.

Multilingüe

Capacidad de entender y responder en varios idiomas. Compruebe la calidad idioma por idioma con preguntas reales y asegúrese de que los contenidos existen en cada idioma que promete.

No-show

Persona inscrita en un evento o llamada que no se presenta. Confirmaciones y recordatorios lo reducen; mídalo aparte de las cancelaciones, que liberan la plaza con antelación.

Omnicanal

Atención coherente al mismo candidato en web, correo, mensajería, teléfono y eventos, con un historial compartido. El objetivo es la continuidad, no solo estar presente en muchos canales.

Opt-in

Acción explícita por la que una persona acepta recibir comunicaciones o que sus datos se usen para una finalidad, por ejemplo marcar una casilla vacía. Prefiérala a las casillas premarcadas o al silencio y conserve la fecha en que se dio.

Parámetros UTM

Etiquetas añadidas a la URL de un enlace, como fuente, medio y campaña, que identifican de dónde viene una visita. UTM coherentes permiten vincular las conversaciones del chatbot con los canales de marketing.

Plazo de conservación

Tiempo que se guardan los datos personales antes de suprimirlos o anonimizarlos. Fije uno para transcripciones y fichas de candidatos, documéntelo y aplíquelo en el CRM y en los registros del agente.

Prompt

Instrucciones y contexto que se dan a un modelo de lenguaje: rol, tono, reglas, pasajes recuperados y la pregunta del usuario. Un prompt es configuración: versiónelo y pruébelo como código.

RAG (generación aumentada por recuperación)

Técnica que recupera los pasajes relevantes de sus contenidos y se los entrega al modelo para redactar la respuesta. Descrita en un artículo de investigación de Lewis y colaboradores, es la base habitual del grounding.

Residencia de datos

Ubicación geográfica donde se almacenan y tratan los datos. Los contratos con centros suelen exigir una región concreta; pregunte dónde se procesan conversaciones, registros y llamadas al modelo.

Respuesta de reserva

Respuesta prevista cuando el agente no tiene información fiable. Una buena respuesta de reserva admite la laguna, ofrece contacto humano o un formulario y registra la pregunta para que el equipo de contenidos la cubra.

Secuencia de nurturing

Serie planificada de mensajes enviados a un candidato a lo largo del tiempo, por correo o mensajería, para resolver dudas y mantener el interés hasta la solicitud. Cada canal necesita una base legal válida.

Solicitud de informes

Primer contacto de un aspirante que pide informes sobre un programa, colegiaturas, un periodo de ingreso o un campus. Defina qué cuenta como tal, porque formularios, chats y llamadas se contabilizan distinto en cada equipo.

Speed-to-lead

Tiempo entre la solicitud de un candidato y el primer contacto, humano o automático. Muchos equipos fijan un objetivo interno, y un agente ayuda a cumplirlo fuera del horario de oficina.

Summer melt

Candidatos que aceptan una admisión o pagan una reserva pero no se matriculan. El término procede de las admisiones estadounidenses y nombra la brecha entre aceptación e incorporación; recordatorios y pasos claros la reducen.

Tasa de conversión

Proporción de personas que pasan a la etapa siguiente, por ejemplo de consulta a solicitud o de solicitud a matrícula. Nombre siempre las dos etapas y el periodo; si no, dos cifras no son comparables.

Tasa de finalización de la solicitud

Proporción de solicitudes iniciadas que se envían con toda la documentación requerida. Muestra dónde se atascan los candidatos y es mejor objetivo de recordatorios que el número bruto de consultas.

Tiempo de respuesta

Retraso entre el mensaje o formulario de un candidato y la primera respuesta útil. Mida por separado la primera respuesta y el tiempo hasta una persona: una respuesta automática inmediata no significa que la duda esté resuelta.

Token

Unidad de texto que un modelo lee y escribe, aproximadamente un fragmento de palabra. El uso, el coste, los límites de contexto y la longitud de las respuestas se cuentan en tokens.

Transcripción de la conversación

Registro guardado de un intercambio entre un candidato y el agente. Alimenta el traspaso, el control de calidad y las notas del CRM, por lo que sigue sus reglas de conservación y acceso como cualquier dato personal.

Traspaso (handoff)

Momento en que la conversación pasa del agente a una persona, con su contexto. Un buen traspaso evita que el candidato repita la pregunta y muestra al asesor lo ya dicho.

Ventana de contexto

Cantidad de texto que un modelo de lenguaje puede considerar a la vez, medida en tokens. Una conversación larga puede superarla: los mensajes antiguos se recortan o resumen y se pierden detalles.

Yield (tasa de aceptación)

Proporción de admitidos que aceptan la oferta y se matriculan. Los equipos la siguen por programa y convocatoria; difiere de la tasa de conversión, que puede abarcar cualquier etapa.

En México: EXANI-II, RVOE y aviso de privacidad

En México, muchas universidades usan exámenes de admisión propios o el EXANI-II de Ceneval, y las instituciones particulares necesitan el RVOE de la SEP para sus programas. Un agente IA explica requisitos, fechas, becas y proceso de inscripción, y deriva al equipo de admisiones. No promete lugar ni beca.

La Ley Federal de Protección de Datos Personales en Posesión de los Particulares gira en torno al aviso de privacidad: haga que un asesor jurídico confirme su contenido y muéstrelo en el primer contacto. Los datos de menores requieren especial cuidado. Para acreditaciones, remítase a la información oficial de la SEP y a la que publique la institución.

Del glosario a las decisiones

Un vocabulario compartido solo sirve si cambia decisiones. Tome cinco términos de esta lista (grounding, traspaso, plazo de conservación, residencia de datos, humano en el bucle) y pida a cada proveedor, nosotros incluidos, que responda por escrito.

Skolbot despliega agentes IA conectados al CRM de la institución: el agente del sitio web responde a partir de los contenidos propios del centro y transmite la conversación y su cualificación al CRM. El equipo de admisiones conserva el control de los casos que requieren a una persona. Para comparar enfoques, lea nuestra guía de chatbots IA para la captación de estudiantes.