VantalogicsHablar de tu productoRespuesta corta
El costo de un tutor de IA se mide por alumno activo por mes, no por consulta. Depende de tres variables: mensajes por alumno, contexto recuperado por mensaje y modelo elegido. En EdTech la unidad económica es ajustada, así que el cálculo se hace antes del prototipo: si supera el margen del plan que vende la función, no hay producto.
En casi todos los sectores donde trabajamos, la pregunta de costo llega al final: primero se decide qué construir y después cuánto sale. En EdTech ese orden no funciona, y es la diferencia que más proyectos hunde.
La razón es la unidad económica. Un plan de alumno cuesta lo que cuesta, el uso es alto y sostenido durante el ciclo lectivo, y una función de IA con costo variable por alumno se resta directamente de un margen que ya era finito.
No el token, no la consulta, no el curso. El costo se mide por alumno activo por mes, porque es la unidad en la que está expresado el ingreso.
El cálculo tiene tres variables:
Mensajes por alumno activo por mes. Es el número más difícil de estimar antes de lanzar y el que más varía. Un proxy razonable es el volumen actual del foro y del soporte multiplicado por un factor: un tutor disponible recibe bastantes más preguntas que un foro donde hay que esperar respuesta.
Contexto recuperado por mensaje. Cuántos pasajes del material entran en cada respuesta, y de qué largo. Es la variable que el equipo controla y la que más se subestima.
Modelo elegido. Con una diferencia de un orden de magnitud entre los modelos chicos y los grandes de la misma familia.
Multiplicadas, dan el número que hay que comparar contra el margen del plan.
Casi siempre es la segunda variable, y casi siempre por la misma decisión de arquitectura.
La forma más rápida de construir un tutor es meter mucho contexto: la unidad entera, el historial completo de la conversación, el material relacionado por las dudas. Funciona bien, se construye en días y multiplica el costo por varias veces sin mejorar la respuesta de forma proporcional.
La segunda causa es el historial. Una conversación de tutoría larga arrastra todos los mensajes anteriores en cada turno, así que el costo del mensaje número veinte es varias veces el del primero. Sin una estrategia de resumen, las conversaciones largas son las caras y son justamente las de los alumnos más comprometidos.
Van en orden de cuánto rinden por esfuerzo.
Recuperación acotada. Traer los pasajes que responden la pregunta, no la unidad entera. Requiere que el material esté partido por unidad conceptual y bien indexado, que es trabajo previo y es el mismo trabajo que hace buena la respuesta. Es la única palanca que baja el costo y mejora la calidad al mismo tiempo.
Ruteo por modelo. La mayoría de las preguntas de un curso son de comprensión sobre material que ya se recuperó, y no requieren el modelo más caro. Un clasificador barato al frente decide, y la diferencia en la factura es grande.
Caché de lo repetido. En un curso, las preguntas se concentran fuertemente: las mismas veinte dudas cubren una porción alta del volumen, sobre todo alrededor de las entregas. Reconocer eso y responder desde caché es directo y muy rentable.
Resumen del historial. Comprimir los turnos viejos de la conversación en vez de arrastrarlos enteros. Es la palanca que evita que las conversaciones largas dominen la factura.
Es aritmética, y por eso conviene hacerla antes y no después.
Del lado del ingreso: cuánto deja el plan por alumno por mes, después de todo lo demás. Del lado del costo: el número que salió arriba.
Si el costo estimado del tutor es una fracción chica del margen, hay producto y la conversación pasa a ser sobre calidad. Si es una fracción grande, la función tiene que ir en un plan superior, tener un techo de uso o directamente no ir.
Y si el costo estimado supera el precio del plan, lo que hay no es un producto sino una promoción con pérdida disfrazada de innovación. Pasa más seguido de lo que parece, porque el prototipo se construye con veinte usuarios internos y nadie multiplica por la base entera.
Antes del prototipo del tutor, la búsqueda semántica sobre el mismo contenido. Cuesta un orden de magnitud menos, se mide sin tocar la evaluación, y produce exactamente el dato que falta: qué preguntan los alumnos, con qué palabras y con qué frecuencia.
Con ese dato, la estimación de mensajes por alumno deja de ser una suposición. Y como la búsqueda necesita el mismo contenido transcripto, partido e indexado que el tutor, el trabajo no se tira: es la primera mitad del mismo proyecto.
El set de evaluación de un tutor educativo: los cinco tipos de caso que tiene que incluir, cómo se mide la abstención correcta y qué umbral se acuerda antes de abrir la función.
Criterios para decidir la primera función de IA de una plataforma educativa: qué resuelve cada una, cuánto cuestan, qué riesgo tienen y por qué el orden casi siempre es el mismo.
Las cinco razones por las que la recuperación sobre material de un curso falla más que sobre documentación técnica, y qué hay que cambiar en la preparación del contenido.