X5 Tech cuenta cómo se creó en 7 días un servicio de IA para preparar exámenes internacionales

En el intensivo AI Talent Camp, el equipo de ExamLab Bot construyó en una semana un servicio de IA funcional para profesores de exámenes internacionales. El sistema convierte el syllabus y los plazos en una trayectoria de estudio personalizada y reduce la preparación del plan de 3–4 horas a unos dos minutos.

Cuál era el problema

La idea parte de un problema muy concreto de los profesores de IB y A-Level. Para aceptar a un nuevo alumno no basta con leer el syllabus: hay que convertirlo en un plan detallado de 20–30 semanas que tenga en cuenta la fecha del examen, el horario, los temas ya vistos y el nivel actual. Si una clase se aplaza o el estudiante se retrasa, hay que recalcular el plan. Cada alumno exige unas cuatro horas de preparación rutinaria, y es este trabajo, no la enseñanza en sí, lo que limita el crecimiento.

Por eso muchos profesores directamente no trabajan con trayectorias personalizadas completas: algunos se guían por la intuición, otros usan una misma plantilla para todos y otros simplemente rechazan nuevos alumnos. En un segmento en el que las clases con un experto de alto nivel cuestan 30–40 mil rublos al mes, esto supone una pérdida directa de ingresos. El equipo de ExamLab Bot decidió automatizar precisamente esa capa organizativa repetitiva: crear el plan, tener en cuenta las restricciones, actualizarlo según el progreso y controlar el avance hacia el objetivo.

Cómo se construyó el MVP

En siete días, el equipo acotó deliberadamente el proyecto a dos funciones clave: crear una trayectoria personalizada según el objetivo, el plazo y el nivel del alumno, y después ajustarla en función del progreso y del feedback del profesor. Como interfaz eligieron un bot de Telegram para no perder tiempo en un frontend web pesado. El plan se gestiona en Google Sheets y el horario se sincroniza con Google Calendar. Como resultado, generar un plan lleva unos dos minutos en lugar de 3–4 horas de preparación manual.

• el profesor o el administrador define el objetivo, el plazo, el nivel, el tiempo disponible y las prioridades
• el bot genera un plan de estudio detallado para todo el periodo
• el plan se guarda en Google Sheets y los eventos se envían a Google Calendar
• cuando cambia el progreso, la IA recalcula la trayectoria sin rehacerla desde cero

A nivel técnico, el servicio se basa en un esquema multiagente. Un orquestador en Python coordina agentes con distintos roles: uno se encarga de la estrategia y la distribución del tiempo; otro, del detalle de las clases, los deberes y los tests; un tercero, del procesamiento por lotes de programas largos, y una capa independiente verifica la estructura, las fechas y la cobertura completa. El stack incluye Python 3.11+, asyncio, aiogram, SQLAlchemy, PostgreSQL y la API de OpenRouter. El equipo descartó LangChain y LangGraph en favor de llamadas directas: así resulta más fácil controlar los prompts, la lógica de reintentos y la velocidad de desarrollo.

«Un producto mínimo que funciona con un pipeline limpio vale más que

intentar abarcarlo todo».

Por qué lo lograron en una semana

El intensivo se planteó como un ciclo de producto corto, no como un hackathon convencional con demos por el simple hecho de hacer demos. Día a día, el equipo pasó del discovery y la definición del problema a la evaluación de riesgos y la PoC, y de ahí al MVP, el feedback de usuarios y la defensa final. Los mentores insistían en que el objetivo no era lucirse en el escenario, sino sentar las bases de un producto de IA real que pudiera seguir desarrollándose. Eso obligaba a tomar decisiones de arquitectura rápidas, descartar funciones innecesarias y aferrarse a un caso de uso funcional en lugar de a ideas vistosas.

Los autores del proyecto subrayan que la velocidad no se debió a la magia de las herramientas de IA por sí sola. La interfaz, los escenarios de interacción con el profesor e incluso la elección del primer segmento de usuarios cambiaron varias veces a lo largo de la semana. Apostar por una versión mínima funcional y por pruebas rápidas en escenarios reales resultó más útil que intentar diseñar de antemano un sistema perfecto. El siguiente paso es una beta cerrada con 10–15 profesores; después llegarán más exámenes y la preparación para el EGE.

Qué significa esto

El caso de ExamLab Bot demuestra que, hoy en EdTech, lo que mejor funciona son los productos de IA especializados con una métrica de utilidad clara. Aquí esa métrica fue el tiempo: las horas de preparación manual se convirtieron en minutos, y el profesor tiene la posibilidad de escalar su actividad sin aumentar la carga administrativa. La lección también sirve para otros equipos: las interfaces sencillas, las integraciones directas y la validación frecuente con usuarios suelen aportar más que un stack complejo y una larga lista de funcionalidades.