Controles de integridad sobre los outputs de IA

Supervisamos cada resultado generado por IA mediante validaciones humanas, revisiones automáticas y feedback de usuarios para garantizar su precisión y equidad.

Validación humana obligatoria

• Cada curso generado mediante IA en Tauniqo pasa por revisión humana antes de ser liberado al alumnado.

• Esta revisión se realiza en dos momentos clave:

  • Setup inicial: el equipo pedagógico de Tauniqo (Instructional Designers) valida y ajusta los contenidos generados automáticamente, con hasta dos rondas de revisión antes de la entrega.

  • Creación autónoma por el cliente: los formadores disponen de herramientas para editar, aceptar o descartar las propuestas del copilot (descripciones, roleplays, quizzes) en tiempo real.

Doble validación automática de evaluaciones

• Para las evaluaciones (tanto en roleplays formativos como en IA-Recruitment) se aplica un sistema de redundancia técnica:

  • Primer modelo: genera la evaluación inicial de la interacción.

  • Segundo modelo independiente: reevalúa el mismo resultado.

  • Si los resultados coinciden → se marca con “✔✔ Evaluación validada correctamente”.

  • Si los resultados difieren → aparece la alerta “Puede haber errores en la evaluación”, y el caso se deriva automáticamente a una revisión humana designada.

• Este mecanismo reduce el riesgo de errores o sesgos en las evaluaciones.

• Actualmente, las discrepancias entre ambos modelos se detectan en aproximadamente 2,03 % de las evaluaciones.

Bucle de feedback del usuario en tiempo real

• Todos los criterios de evaluación incluyen un sistema de thumbs up / thumbs down:

  • Permite a los usuarios marcar si consideran que la evaluación ha sido correcta o incorrecta.

  • Cada acción se registra junto con un ID único de informe, que se envía automáticamente a los administradores de sistema para su revisión.

  • Este sistema genera trazabilidad y facilita el refinamiento continuo de los criterios de evaluación.

• Actualmente, los usuarios reportan posibles inconsistencias en torno al 0,5 % de las interacciones.

Prevención de sesgos

• No analizamos grabaciones de voz ni vídeo para evitar posibles sesgos discriminatorios.

• En su lugar, todas las evaluaciones se basan únicamente en la transcripción de las interacciones, lo que asegura un enfoque más objetivo, equitativo y libre de sesgos.