Cualificación de leads de estudiantes con un agente de IA

Qué hace un agente de IA al cualificar a un candidato

Un agente de IA cualifica a un candidato haciéndole, dentro del chat, las preguntas que haría un asesor de admisiones: qué titulación, qué nivel previo, para qué convocatoria y cómo piensa financiar los estudios. Registra las respuestas, calcula una prioridad y entrega a su equipo una ficha legible. No decide quién es admitido.

El objetivo es concreto: saber a quién llama primero el equipo y con qué contexto. Las consultas llegan de noche, en fin de semana, en los días posteriores a la PAU y la víspera de una jornada de puertas abiertas. Sin triaje, todas esperan en la misma cola.

Este artículo recorre los criterios que conviene recoger, un scoring que el equipo pueda auditar, las reglas para pasar a una persona y las salvaguardas en España (RGPD, LOPDGDD, LSSI y AI Act). Para los fundamentos, lea nuestra guía del chatbot de IA para captación de estudiantes. Nota de método: no se disponía de datos de pago sobre volumen de búsqueda ni dificultad. El texto se apoya en investigación pública y fuentes oficiales, y no incluye cifras de rendimiento.

Criterios que recoger: encaje, intención, viabilidad, localización

Use los criterios que sus asesores ya preguntan por teléfono y conserve solo los que cambian la siguiente acción del equipo.

Tres reglas evitan desviaciones. Cada pregunta debe apoyar una decisión: si la respuesta no cambia nada, se elimina. Las preguntas opcionales siguen siendo opcionales y la conversación continúa sin ellas. Nunca se usan criterios sensibles o discriminatorios, como origen, salud o religión, para priorizar.

El contexto español condiciona las preguntas

Los estudiantes de bachillerato preguntan por la PAU (antes Selectividad), por las notas de corte y por las preinscripciones. Quienes vienen de FP preguntan por las pasarelas hacia el grado. En un centro privado, la pregunta recurrente es el precio y las becas. El agente debe explicar el proceso con las páginas publicadas por el centro y remitir a la fuente oficial, sin prometer plaza. Sobre la calidad de los títulos, ANECA es la agencia de evaluación y acreditación; el agente solo debe citar la acreditación que el centro publica.

Un scoring en dos ejes que el equipo puede auditar

Un score útil tiene dos ejes legibles, encaje e intención, en lugar de un número opaco. Para cada ficha, el equipo debe poder responder por qué esa persona está arriba en la lista.

El ejemplo es ilustrativo y debe calibrarse con sus propios datos de conversión. Las ponderaciones no son referencias de mercado.

La suma coloca a la persona en un nivel de acción, nunca en una decisión de admisión.

• Prioritario: llamada rápida de un asesor, con el resumen de la conversación.
• Seguimiento: secuencia informativa e invitación a una jornada o webinar.
• Nutrir: interés a largo plazo, contenidos útiles y recordatorio planificado.
• Fuera de oferta: respuesta útil y remisión a una opción más adecuada.

Fije las reglas antes del lanzamiento

Si el score se aleja de la realidad, se corrige. Pida a los asesores que señalen las fichas mal clasificadas, lea las conversaciones cada semana al principio y ajuste las ponderaciones. Registre los cambios de reglas, porque pueden pedírselos un candidato, su DPD o un auditor. Nuestra guía de lead scoring en captación de estudiantes detalla la calibración en el CRM.

El traspaso al equipo: cuándo, cómo y con qué

El traspaso debe seguir disparadores explícitos, y el asesor debe recibir una ficha que pueda usar sin releer todo el chat. Un traspaso apresurado desperdicia la cualificación.

Disparadores

Se traspasa de inmediato en tres casos: la persona pide hablar con alguien, expone una situación sensible o una queja, o el agente no tiene una respuesta fiable. Se traspasa con prioridad cuando el score alcanza el nivel más alto o se solicita una llamada.

Contenido de la ficha

1. Nombre y datos de contacto que la persona decidió facilitar.
2. Titulación, nivel, convocatoria y modalidad.
3. El score y las señales que lo explican.
4. Resumen de la conversación y preguntas sin respuesta.
5. Consentimiento obtenido, su canal y su fecha.

Un plazo de respuesta por nivel, fijado por su centro, completa el dispositivo. Véase nuestra guía de enrutamiento de leads y SLA.

Skolbot funciona con este esquema. Su agente web responde a partir del contenido del propio centro, cualifica al candidato, envía la conversación y la cualificación al CRM y el equipo humano toma el relevo. El seguimiento por WhatsApp o teléfono puede hacerse desde la ficha del CRM. Las conexiones concretas con su CRM se confirman en una demo, aquí no se dan por supuestas.

Salvaguardas en España: RGPD, LSSI y AI Act

Cualificar candidatos supone tratar datos personales y, a veces, elaborar perfiles. Cuatro puntos requieren una decisión por escrito antes del lanzamiento.

Base jurídica e información. El RGPD exige una base jurídica, información clara, un plazo de conservación y un marco para los encargados del tratamiento; la LOPDGDD lo completa en España. La AEPD es la autoridad de control y publica guías sobre IA y protección de datos. Pida a su DPD que revise el dispositivo y valore si hace falta una evaluación de impacto. Si pueden escribir menores, redacte el aviso en lenguaje sencillo.

Comunicaciones comerciales. Un chat no equivale a consentimiento para recibir publicidad. La LSSI regula las comunicaciones comerciales por vía electrónica y, como regla, exige consentimiento previo. Registre a qué ha accedido la persona, por qué canal y cuándo, identifique al centro en cada mensaje y facilite la baja.

Decisiones automatizadas. El artículo 22 del RGPD limita las decisiones basadas únicamente en tratamiento automatizado con efectos significativos. De ahí el principio de diseño: el score ordena la lista de llamadas, una persona decide todo lo que afecte a la admisión y nadie queda descartado sin revisión humana.

AI Act. El Reglamento europeo de IA obliga a informar de que se interactúa con un sistema de IA y clasifica como de alto riesgo los sistemas destinados a determinar el acceso o la admisión a centros educativos. Un score que solo prioriza una llamada es otro uso. Aun así, no lo emplee para restringir información o solicitudes, y pida a su DPD o asesoría jurídica que valore su caso, porque las obligaciones se aplican por fases.

La infraestructura también cuenta. La plataforma de Skolbot aplica del lado del servidor residencia de datos en la Unión Europea, pero la evaluación de impacto que usted conserve sigue siendo suya.

Medir sin engañarse

Mida resultados que su oficina de admisiones ya sigue, no volúmenes de conversaciones. Cuatro son útiles: el tiempo hasta la primera llamada tras una consulta nocturna, la proporción de fichas traspasadas con titulación y convocatoria rellenas, la asistencia a las jornadas reservadas y la frecuencia con que los asesores corrigen el score.

Establezca su propia línea de base antes del lanzamiento. La tasa de conversión de otro centro dice poco de su embudo, y aquí no publicamos ninguna cifra sin fuente verificada.

Por dónde empezar

Empiece por un solo recorrido, por ejemplo los másteres o la modalidad online, con tres a cinco preguntas de cualificación. Cargue las páginas de titulaciones, precios y plazos, pruebe el agente delante de sus asesores y corrija el contenido antes de abrirlo al público.

Después amplíe. Nuestra guía para elegir un agente de IA de captación de estudiantes ofrece una rejilla de evaluación, y los agentes de IA para captar estudiantes en educación superior cubren todo el embudo.