Cómo automatizar pruebas de nivel y asignación de grupos sin convertir la IA en evaluador académico

Primero se confirma el nivel y después se busca el grupo

Para quien hace la prueba puede parecer un único paso. Para el centro no lo es. Una puntuación sirve para valorar el nivel y la disponibilidad sirve para encontrar un grupo adecuado. Si ambas decisiones se mezclan, una limitación de horarios o plazas puede terminar influyendo en una valoración que debería hacerse con criterios académicos.

Separar estos pasos evita dos problemas. Una puntuación no debería convertirse automáticamente en una decisión académica. Tampoco debería rebajarse o elevarse el nivel para encajar a la persona en el grupo que tenga plazas.

En una academia de idiomas se ve con claridad. Una prueba puede orientar hacia A2, B1 o B2, pero el centro debe decidir cómo utiliza ese resultado. Si hay dudas, necesita una revisión adicional antes de confirmar el nivel. El hecho de que exista una plaza disponible en un grupo concreto no resuelve esa duda.

Aquí nos centramos en esa primera asignación. Los cambios posteriores de horario, grupo, recuperaciones y conflictos de plazas se gestionan después. En ese momento ya existe un nivel confirmado y lo que toca es comprobar horarios, plazas y las demás condiciones de la matrícula. La guía general sobre automatización para academias y centros de formación recoge el resto de procesos habituales de un centro.

Muchas tareas pueden automatizarse sin utilizar IA

No hace falta utilizar un modelo de IA para todo. Cuando el resultado esperado está definido de antemano, una regla suele ser más sencilla de mantener y más fácil de comprobar. Además, permite saber con precisión por qué se ha obtenido una puntuación determinada.

La diferencia importa también para el mantenimiento. Si una respuesta correcta vale un punto, basta con aplicar esa regla y guardar el resultado. Y si un grupo B1 de las 18:00 ya está completo, la plaza debe consultarse en el sistema que gestiona las inscripciones. La IA no mejora ninguna de esas dos comprobaciones.

Cuando una recomendación de IA empieza a influir en el nivel

Utilizar IA para preparar información no es lo mismo que utilizarla para recomendar el nivel que recibirá una persona. En el primer caso facilita el trabajo del evaluador. En el segundo, su salida empieza a formar parte de la decisión académica.

Esta diferencia también tiene implicaciones regulatorias. El Reglamento europeo de inteligencia artificial incluye determinados usos en educación y formación profesional entre los sistemas de alto riesgo, incluidos algunos destinados a evaluar o determinar el nivel educativo.

En 2026 la Comisión Europea publicó un proyecto de directrices con un ejemplo muy próximo a este caso. Describe una herramienta adaptativa utilizada para valorar si un alumno debe situarse en un nivel principiante, intermedio o avanzado. El documento la presenta como un posible uso de alto riesgo por su finalidad.

Las mismas directrices distinguen ese caso de una herramienta que prepara preguntas o información para que después valore el educador. Ese segundo uso puede considerarse preparatorio, según cómo esté diseñado y utilizado.

Añadir una aprobación humana al final no resuelve por sí solo las implicaciones regulatorias. Hay que revisar para qué se utiliza la IA, qué recomendación produce y qué peso tiene en la decisión final.

Confirmar el nivel y asignar un grupo son pasos distintos

Una persona puede tener un nivel correctamente confirmado y no encontrar todavía un grupo adecuado. La asignación depende de varias condiciones administrativas. Hay que comprobar el horario y la modalidad que necesita la persona. También la sede y las plazas disponibles. Ninguna de esas condiciones debería alterar la valoración académica.

• Horario disponible para la persona.
• Modalidad presencial, online o híbrida.
• Sede cuando existe más de un centro.
• Edad o tramo cuando sea relevante para la organización del curso.
• Intensidad o número de horas semanales.
• Tipo de curso aunque comparta nivel.
• Plazas reales en cada grupo.

Si el nivel confirmado es B1 y solo quedan plazas en A2, la solución no es cambiar el nivel. El centro puede ofrecer otra franja, otra modalidad o la alternativa que tenga definida. La falta de plaza no debería modificar el nivel académico.

Cómo pasar de la prueba a un grupo disponible

Cada academia organiza esta evaluación de una forma distinta. Algunas utilizan solo un test escrito y otras añaden entrevista o certificados previos. También hay cursos en los que no hace falta realizar prueba. Identificar los pasos reales permite decidir qué tareas merece la pena automatizar y cuáles siguen necesitando revisión.

1. Se comprueba si hace falta una prueba o si el centro puede reconocer el nivel por otra vía prevista.
2. Se envía el acceso y se registra si la prueba está pendiente, iniciada o completada.
3. Se reciben las respuestas y las partes objetivas se corrigen con las reglas definidas.
4. Se prepara el material que requiere valoración y se utiliza IA solo cuando ayuda a revisar mejor ese contenido.
5. Se separan los resultados claros de los que necesitan revisión.
6. Se confirma el nivel según los criterios académicos del centro.
7. Se buscan grupos compatibles con ese nivel y con las condiciones de la persona.
8. Se registra la asignación cuando ya está confirmada.
9. Se comunica el resultado junto con el siguiente paso que corresponda.

Antes de la prueba suele existir una fase de captación o matrícula. La persona puede haber llegado por un formulario, WhatsApp, email o teléfono. El centro debería poder consultar los datos ya recogidos sin volver a pedírselos. La entrada sobre captación y matrícula de alumnos explica esa fase anterior.

Una pregunta tipo test, una redacción y una prueba oral requieren tratamientos distintos

Preguntas cerradas con respuesta conocida

Son las más fáciles de automatizar. El centro define la respuesta correcta, la puntuación y los rangos que utiliza. Introducir IA en esa corrección solo añade complejidad si la respuesta ya es conocida. También hace más difícil explicar un resultado que con una regla sería completamente trazable.

Respuestas escritas abiertas

La automatización puede ordenar las respuestas y localizar fragmentos relacionados con los criterios del centro. Cuando la valoración exige juicio académico, la IA debe preparar la revisión, no sustituirla. El evaluador debe poder volver a la respuesta original cuando necesite comprobar una interpretación.

Pruebas orales

Si existe una base legítima para grabar o transcribir la prueba, la IA puede generar una transcripción y separar intervenciones. Eso facilita la revisión y permite localizar con más rapidez un fragmento concreto. No autoriza a inferir salud, origen, discapacidad u otras características sensibles a partir de la voz o del comportamiento.

Certificados o información previa

Un certificado puede evitar parte de la prueba si el centro ha definido cómo reconocerlo. La automatización puede registrar el documento y aplicar esas reglas. Las equivalencias que no estén previstas deben revisarse.

En academias de idiomas puede utilizarse el MCER —Marco Común Europeo de Referencia para las Lenguas— para hablar de niveles A1 a C2. Una prueba interna de colocación no equivale por ello a una certificación oficial del nivel MCER.

Los resultados dudosos deben quedar pendientes de revisión

Una automatización fiable también tiene que saber cuándo no puede continuar. Si los datos no bastan para confirmar el nivel o asignar el grupo, el caso debe quedar pendiente con un motivo comprensible. Así el equipo sabe qué falta y puede intervenir sin repetir toda la revisión.

En esos casos debe quedar registrado qué falta, quién tiene que revisarlo y qué condición permitirá continuar. Así administración y dirección académica pueden saber por qué el caso sigue pendiente sin interpretar códigos internos.

AI Act: cuándo una prueba de nivel con IA puede entrar en alto riesgo

El Reglamento (UE) 2024/1689 incluye en su anexo III determinados usos de IA en educación y formación profesional que pueden clasificarse como alto riesgo. Entre ellos figuran sistemas destinados a evaluar resultados de aprendizaje y a valorar el nivel educativo al que una persona puede acceder. Por eso importa distinguir una herramienta de apoyo de otra cuya recomendación condiciona esa decisión.

Eso no convierte en alto riesgo cualquier automatización de una academia. Enviar el enlace de una prueba, corregir preguntas cerradas con reglas o consultar plazas son tareas distintas de evaluar el nivel mediante IA.

La situación cambia cuando la IA se utiliza para evaluar o recomendar el nivel y esa salida condiciona de forma relevante el curso o nivel al que tendrá acceso la persona.

El proyecto de directrices de la Comisión publicado en 2026 incluye ejemplos de ambos casos. A fecha de redacción siguen siendo directrices en borrador: ayudan a interpretar la clasificación, pero no sustituyen el Reglamento ni el análisis jurídico del sistema concreto.

No hace falta conservar todos los datos de la prueba en todas las herramientas

Una prueba puede incluir datos personales y, en respuestas abiertas u orales, información que el centro no necesita conservar indefinidamente. Si interviene un proveedor de IA, también hay que decidir qué datos necesita realmente ese servicio y durante cuánto tiempo se conservarán. Guardar más información no mejora por sí mismo la evaluación.

La AEPD ha insistido en 2026 en exactitud, finalidad y minimización en tratamientos con IA. En una academia esto se traduce en decisiones bastante concretas:

• No copiar el examen completo a todas las herramientas. El CRM puede necesitar saber que la prueba está completada sin guardar cada respuesta.
• No duplicar una grabación oral por comodidad. Cada copia y conservación debe responder a una finalidad concreta.
• Comprobar que la prueba corresponde a la persona correcta. Una prueba asociada al alumno equivocado puede provocar errores en toda la gestión posterior.
• Limitar quién puede consultar la evaluación. Quien gestiona horarios no tiene por qué acceder al contenido completo de la prueba.
• Revisar los proveedores que intervienen. Si se utiliza una plataforma externa de IA, hay que saber qué datos recibe y en qué condiciones los trata.

Si el centro trabaja con menores, debe tener en cuenta la protección reforzada y el papel de progenitores o tutores cuando corresponda. Eso dependerá del tipo de centro, la edad del alumnado y la base jurídica utilizada.

El RGPD también establece garantías frente a determinadas decisiones basadas únicamente en tratamiento automatizado que produzcan efectos jurídicos o afecten significativamente. No toda asignación de grupo entra en ese supuesto. Aun así, una revisión humana no debería reducirse a pulsar «aceptar» cuando hace falta una valoración real del resultado.

Cada dato debe quedar en la herramienta que corresponda

Es habitual que la plataforma de pruebas tenga sus propios usuarios y resultados, mientras el software académico conserva la ficha del alumno y admisiones trabaja con un CRM. El problema aparece cuando nadie tiene claro qué dato debe considerarse definitivo. Esa duda puede acabar en correcciones manuales o en mensajes distintos según la herramienta consultada.

No hace falta copiar toda la información a todas partes. Es mejor definir qué responsabilidad tiene cada herramienta:

• Plataforma de pruebas guarda las respuestas y los resultados técnicos cuando corresponda.
• Sistema académico registra el nivel y el grupo una vez confirmados.
• CRM de admisiones mantiene la información comercial mientras el alumno todavía está en esa fase.
• Automatización traslada los datos necesarios y crea avisos cuando falta una comprobación.

Antes de actuar, el equipo debe saber qué aplicación contiene el dato definitivo. Si el sistema académico registra B1 y la plataforma conserva un resultado preliminar diferente, tiene que quedar claro cuál de los dos está confirmado.

La entrada sobre software de academia y procesos que quedan fuera del sistema explica cómo conectar herramientas sin convertir una de ellas en depósito de toda la información.

Métricas que ayudan a detectar dónde sigue habiendo trabajo manual

No hace falta aumentar el porcentaje de decisiones automáticas para considerar que la gestión mejora. Puede ser más útil reducir esperas, eliminar copias manuales y derivar con más precisión los casos dudosos. Las métricas deberían ayudar a localizar dónde sigue interviniendo el equipo y por qué.

Qué revisar antes de automatizar una prueba de nivel

Antes de añadir IA, merece la pena revisar varios casos reales y comprobar cómo se trabaja hoy. La revisión debería incluir pruebas claras, resultados dudosos y situaciones en las que no había un grupo compatible.

• ¿Qué personas necesitan realmente una prueba?
• ¿Qué partes tienen respuestas objetivas y cuáles necesitan valoración?
• ¿Qué criterios utiliza el centro para confirmar el nivel?
• ¿Qué ocurre cuando una puntuación queda justo entre dos niveles?
• ¿Quién revisa una prueba abierta u oral?
• ¿Qué información podría preparar la IA antes de esa revisión?
• ¿Qué salida de IA llegaría a influir realmente en el nivel?
• ¿Dónde se registra el nivel confirmado?
• ¿Cómo se consultan los grupos compatibles y las plazas?
• ¿Puede la falta de plaza terminar alterando el nivel?
• ¿Qué respuestas, audios o documentos se conservan y durante cuánto tiempo?
• ¿Qué ocurre cuando el resultado es dudoso, falta una parte o un sistema no responde?

En algunos centros bastará con automatizar convocatorias, corrección objetiva y registro. En otros, el mayor ahorro estará en preparar las respuestas abiertas para revisión. También puede ocurrir que el problema aparezca después: el nivel ya está confirmado, pero la asignación de grupo sigue dependiendo de consultas manuales entre varias herramientas.

Preguntas frecuentes sobre pruebas de nivel e IA

El centro debe poder explicar cómo se confirmó el nivel y por qué se asignó ese grupo

Automatizar no debería dificultar saber qué ocurrió. El centro debe poder consultar qué datos se utilizaron y quién confirmó la decisión cuando hizo falta. Esa información también sirve para corregir errores y revisar los criterios si aparecen discrepancias recurrentes.

Si una persona queda entre dos niveles, debería poder revisarse qué respuestas se tuvieron en cuenta y qué partes se corrigieron automáticamente. También debe constar qué información preparó la IA, quién confirmó el nivel y con qué criterios se buscó después el grupo.

Con ese registro, la IA puede ahorrar trabajo de preparación sin ocultar cómo se tomó la decisión. Si no existe, un error puede pasar de una herramienta a otra sin que quede claro dónde se originó. Automatizar más no resolvería ese problema.