Una respuesta incorrecta y un malentendido son hallazgos distintos
Dos estudiantes reciben la misma calificación en la misma pregunta por motivos sin relación. Uno malinterpretó las instrucciones. El otro no entiende el concepto que evalúa la pregunta. Una retroalimentación que trata ambos casos como idénticos no ayuda a ninguno.
Los distingues mirando el resto del trabajo. Una laguna conceptual deja rastro: la misma suposición repetida tres veces, y una definición usada en el sentido equivocado a lo largo de toda la entrega. El descuido ocurre una vez y luego queda contradicho en otro lugar de la misma entrega.
Esta distinción afecta lo que el docente hace después, así que se le pide al agent que la haga, no que asigne un puntaje. El agent aporta evidencia y una lectura. La evaluación se queda con quien imparte el curso.
El agent no da calificaciones, y el material no va directo al estudiante. La salida es un borrador, con los pasajes en los que se apoya, para que un docente lo edite, discrepe o descarte.
Cómo se construye el agent en Agent Studio
Tu prompt debe incluir la rúbrica, el registro de retroalimentación de tu departamento y, lo más útil, entregas anteriores con los errores que ya marcaste como conceptuales o como descuidos.
El system prompt deja claro que el agent no da puntos, no asigna calificaciones, no hace comparaciones con otros estudiantes y no incluye afirmaciones sobre la capacidad. Los hallazgos se refieren a un solo trabajo.
Cada afirmación debe ir con el pasaje en el que se apoya, para que un docente pueda comprobar la lectura de inmediato, en lugar de volver a leer toda la tarea.
Por cada criterio de una rúbrica necesitas tres estados: cumplido con evidencia, no cumplido con evidencia, y evidencia insuficiente en la entrega. El tercer estado es en el que quien califica tiene que hacer un juicio de verdad.
El flujo de calificación pasa la entrega extraída al nodo Agent Chat. El acceso queda limitado a la tarea, no al expediente del estudiante ni a su historial en otros cursos.
Google Docs recibe el borrador, y el docente lo edita ahí. Un nodo Human in the Loop retiene la publicación. Nada llega al estudiante hasta que se pasa este nodo.
Airtable registra los casos en que el docente discrepó de la lectura. Esas discrepancias desarrollan los prompt skills, para que el agent aprenda tus estándares particulares, no unos generales.
De qué está hecho este agent
- Prompt skills: rúbrica, registro de retroalimentación del departamento y entregas anteriores con errores ya clasificados.
- System prompt: sin puntaje, sin calificación, sin comparación entre estudiantes y sin afirmación sobre la capacidad.
- System prompt: cada hallazgo cita el pasaje en el que se apoya.
- Agent Chat (Util): recibe la entrega extraída, acotada solo a esta tarea.
- Google Docs (Integration): sostiene el borrador que edita el docente.
- Email (Human in the Loop): retiene la publicación. Nada llega a un estudiante sin ese control.
- Cuando un ActionFlow basta: Si el trabajo es comprobar una entrega contra los criterios de la rúbrica y citar los pasajes que coinciden, construye el flujo de trabajo. Esa secuencia cubre la calificación directa.
Preguntas frecuentes
Empieza a crear flujos de IA
Crea una cuenta gratuita, abre una plantilla o un lienzo en blanco y ejecuta tu primer ActionFlow.
Boletín
Recibe actualizaciones del producto
Nodos nuevos, agents y notas de producto. Solo enviamos correo cuando merece la pena abrirlo.