toolbox
Inicio / Aprendizaje y calificaciones / Estimador de capacidad de alumnos de tutoría con IA

Estimador de capacidad de alumnos de tutoría con IA

Estima la capacidad de alumnos de una operación de tutoría con IA cuando parte del servicio requiere supervisión humana. El cálculo convierte el tiempo semanal del equipo en minutos útiles y lo divide por la carga media de supervisión generada por cada alumno.

Es útil para productos en los que la IA automatiza gran parte de la interacción, pero todavía existen revisiones, escalados o controles humanos. El resultado permite probar cuánto cambia la capacidad al modificar la frecuencia de sesiones, el porcentaje de sesiones que necesitan intervención y el tiempo medio de revisión.

Carga de supervisión humana

h
%
min
%
Resultado
—
alumnos de capacidad semanal estimada
Minutos humanos útiles/semana—
Carga humana por alumno/semana—
Revisiones humanas por alumno/semana—

1. Indica el equipo de supervisión
Introduce el número de personas que pueden revisar escalados o controles procedentes del tutor de IA.

2. Define las horas realmente disponibles
Usa horas semanales dedicadas a supervisión, no la jornada completa si existen otras responsabilidades.

3. Estima las sesiones por alumno
Introduce la frecuencia media de sesiones de IA por alumno y semana.

4. Añade la tasa de revisión humana
Indica qué porcentaje de esas sesiones genera una revisión, escalado o validación por una persona.

5. Introduce el tiempo por revisión
Usa los minutos medios necesarios para resolver cada intervención humana.

6. Reserva margen de utilización
Ajusta el porcentaje efectivo para reflejar tareas auxiliares y variabilidad antes de comparar la capacidad con tu demanda prevista.

Minutos humanos útiles = E × H × 60 × U Revisiones por alumno = S × R Carga humana por alumno = S × R × M Capacidad = ⌊Minutos humanos útiles / Carga humana por alumno⌋

Variables:

  • E: supervisores humanos
  • H: horas disponibles por supervisor y semana
  • U: utilización efectiva como decimal
  • S: sesiones de IA por alumno y semana
  • R: proporción de sesiones que requieren revisión humana
  • M: minutos por revisión

Supuestos: El modelo se centra en el cuello de botella humano. Si la infraestructura técnica o los límites del proveedor de IA imponen una capacidad inferior, deben evaluarse aparte.

Qué significa el resultado

Alumnos de capacidad semanal estimada.

El resultado es una estimación basada en los valores introducidos; revisa los supuestos cuando cambie el contexto operativo.

Datos:

  • 6 supervisores
  • 22 h por supervisor y semana
  • 4 sesiones por alumno y semana
  • 18 % de sesiones con revisión humana
  • 12 min por revisión
  • 78 % de utilización

Cálculo:
Minutos útiles = 6 × 22 × 60 × 0,78 = 6.177,6 min
Revisiones por alumno = 4 × 0,18 = 0,72
Carga por alumno = 0,72 × 12 = 8,64 min
Capacidad = ⌊6.177,6 / 8,64⌋ = 715 alumnos

Resultado: 715 alumnos

Interpretación: Con esos supuestos, la supervisión humana puede sostener unas 715 plazas activas por semana antes de agotar su tiempo útil.

¿Qué significa una tasa de revisión humana del 0 %?

Significa que el modelo no asigna carga humana a las sesiones y, por tanto, no puede calcular un límite de capacidad basado en supervisión. Aun así pueden existir límites técnicos o de calidad fuera de este cálculo.

¿Debo contar las conversaciones totalmente automáticas?

Sí para estimar las sesiones por alumno, pero solo generan carga humana a través del porcentaje que requiere revisión. Así se separa uso de IA y esfuerzo de supervisión.

¿Cómo trato los escalados muy largos?

Usa un promedio representativo o segmenta los casos por complejidad y calcula escenarios distintos. Una media demasiado baja puede sobreestimar la capacidad.

¿La utilización puede ser del 100 %?

Es matemáticamente posible, pero deja cero margen para coordinación, incidencias o variación de carga. El porcentaje debería reflejar el tiempo realmente utilizable en tu operación.

¿Este cálculo mide la capacidad técnica del modelo de IA?

No. Estima el cuello de botella humano asociado a la supervisión. Límites de concurrencia, tokens, latencia o proveedor deben evaluarse con métricas técnicas específicas.