Empieza donde estés: Escalando el soporte de IA en un sistema de múltiples colegios en Canvas

Descripción general

El Community College System of New Hampshire (CCSNH) se asoció con LearnWise AI para ofrecer apoyo académico inmediato a los estudiantes en un sistema distribuido de varias facultades que utiliza Canvas. En lugar de esperar a un consenso institucional sobre la política de IA, CCSNH comenzó con un caso de uso específico y bien definido: integrar soporte de IA en el campus directamente en Canvas donde los estudiantes ya estaban trabajando.

Tras un año, la implementación presta servicio a estudiantes de siete facultades y diez sedes, resolviendo la mayoría de las consultas dentro de la plataforma y logrando una adopción que va mucho más allá del alumnado. Los planes futuros incluyen ampliar los casos de uso al apoyo al profesorado y cerrar las brechas de conocimiento del personal dentro del LMS.

Contexto y desafío

El Community College System of New Hampshire es una institución distribuida que presta servicio a comunidades de todo New Hampshire a través de siete facultades y diez sedes físicas. Su población estudiantil es diversa: estudiantes de edad tradicional, adultos que retoman sus estudios, estudiantes de bachillerato con matrícula doble y estudiantes exclusivamente en línea que normalmente no acuden al campus.

Apoyar a esa variedad de estudiantes en un sistema distribuido generó una serie de tensiones conocidas:

• Presencia distribuida, equipo reducido: una iniciativa de IA dedicada que comenzó con una persona y que desde entonces ha crecido hasta tres, trabajando en siete facultades.
• Necesidades diversas de los estudiantes: una población estudiantil que abarca estudiantes de edad tradicional, adultos, trabajadores y alumnos totalmente en línea, cada uno con diferentes preguntas, horarios y expectativas de apoyo.
• Incertidumbre institucional sobre la IA: no existe una política de IA a nivel de sistema y el debate sobre la gobernanza en todo el sector aún está en desarrollo.

La pregunta fundamental: ¿cómo avanzar con la IA cuando aún no existen las condiciones institucionales para una política integral?

La respuesta de CCSNH se convirtió en el eje central de su implementación: no hace falta una política de IA para empezar. Hace falta un caso de uso.

Solución: construir el caso de uso en paralelo a la política

CCSNH implementó LearnWise AI Campus Support dentro de Canvas, centrándose en un problema único y bien definido: ofrecer a los estudiantes asistencia inmediata y contextual en el mismo lugar donde ya estaban trabajando.

Centrarse en el caso de uso. CCSNH implementó un soporte por chat con IA centrado en un problema específico y bien definido dentro del entorno de aprendizaje activo, demostrando primero un valor concreto y desarrollando la gobernanza teórica en paralelo.

Mantener una base de conocimientos cerrada y propiedad de la institución. La objeción inicial más común era si la IA ayudaría a los estudiantes a hacer trampa. La respuesta fue estructural: el sistema funciona con una base de conocimientos cerrada, propiedad de la institución, no con la web abierta ni con contenido general de los cursos. La institución siempre tiene el control total sobre la información que se incluye.

‍Crear sistemas cerrados de contenido y datos. Un sistema cerrado es mejor que las bases de datos abiertas para establecer una verdadera confianza institucional. Los líderes académicos y de TI se sintieron cómodos con la adopción de la IA porque los límites de lo que la herramienta podía y no podía acceder estaban claramente definidos desde el principio.

Nativo de Canvas, justo a tiempo. La capa de soporte reside dentro de Canvas, apareciendo donde los estudiantes ya están estudiando, en lugar de en un portal independiente que los estudiantes tendrían que recordar buscar.

Las conversaciones sobre gobernanza se llevaron a cabo junto con la implementación, basadas en datos de uso reales en lugar de especulaciones. Los propios límites operativos de la herramienta sirvieron como marco de gobernanza inicial.

Cifras clave

• 89.3% Tasa de resolución de la IA, registrada durante el último año de implementación. En cada semestre (otoño, primavera y verano), las métricas se han mantenido constantemente entre el 80% alto y el 90% bajo. La tasa de resolución de la IA ha seguido siendo una base sólida y realista para un equipo de tres personas que gestiona la solución un año después de su uso generalizado.
• 52% de sesiones de soporte iniciadas directamente desde las páginas de tareas activas, lo que demuestra que integrar la asistencia en el flujo de trabajo existente es más eficaz que utilizar un portal de soporte independiente.
• 74,2 % de las solicitudes se recibieron durante el horario habitual (de 6:00 a 18:00), frente al 25,8 % fuera de ese horario. Esta fue la cifra más sorprendente: la suposición inicial era que la cobertura fuera del horario laboral era la brecha que debíamos cerrar. En cambio, la tendencia se ha desplazado hacia un mayor autoservicio durante el día: menos visitas al servicio de asistencia técnica y más resolución de problemas de forma independiente y al instante.
• 87,9 % de las solicitudes provinieron de estudiantes, 12,1 % de parte del profesorado. El uso por parte del profesorado es la tendencia más reciente y ya señala el camino a seguir: a medida que aumenta su uso, se ponen de manifiesto lagunas de conocimiento y necesidades de recursos específicas en este colectivo, lo que indica claramente dónde ampliar la base de conocimientos.

La colaboración

CCSNH ha descrito la colaboración con LearnWise como proactiva, fácil de gestionar y solidaria.

• Facilidad de uso: una experiencia de incorporación fluida que garantizó una configuración rápida y una alineación inmediata con el sistema.
• Respuesta rápida: un soporte receptivo y proactivo por parte del equipo de LearnWise cuando surgían imprevistos en el día a día.
• El soporte en la práctica: el valor de la colaboración se refleja en la realidad operativa: revisiones periódicas, respuestas rápidas y un equipo accesible, más allá de la fase inicial de implementación.

Conclusiones clave

1. El caso de uso es más importante que la política. Las instituciones no necesitan empezar con una política de adopción perfecta, sino con un caso de uso. En lugar de esperar al documento de directrices perfecto, centrarse en ofrecer un valor real e inmediato a los estudiantes mientras se protegen los datos, la privacidad y el conocimiento institucional es un buen punto de partida.
2. Lo cerrado es mejor que lo abierto. Para generar confianza institucional, una base de conocimientos cerrada es superior a las bases de datos abiertas. La privacidad y la seguridad controlada de los datos son la base para una adopción académica a gran escala.
3. Aborda a los estudiantes donde surgen las dificultades. El soporte integrado en el flujo de trabajo es el que realmente se utiliza. El soporte externo es solo un portal que los estudiantes deben recordar buscar.

Mirando hacia el futuro

• Expansión hacia nuevos casos de uso: el uso por parte del profesorado ha comenzado a revelar lagunas de conocimiento específicas, y el siguiente paso es desarrollar más recursos en esas áreas: convertir la participación inicial del profesorado en un camino más claro y con mayor apoyo.
• Tutor estudiantil con IA: un posible caso de uso futuro que ofrece contenido personalizado del curso, tareas y apoyo al estudio.
• Desarrollo continuo de la gobernanza: la política institucional de IA sigue evolucionando junto con su implementación, basándose en patrones de uso reales en lugar de solo en marcos teóricos.

A medida que el modelo de CCSNH madura, el enfoque centrado en los casos de uso, junto con una evaluación honesta de lo que aún está en desarrollo, se está convirtiendo en un punto de referencia para otros sistemas universitarios comunitarios distribuidos que enfrentan las mismas interrogantes.

Este estudio de caso fue adaptado de la sesión de socios de LearnWise AI con CCSNH en InstructureCon 2026, “Learnwise: Start Where You Are: Scaling AI Support Across a Multi-College System in Canvas”