Construye una rúbrica transparente que explique los criterios de evaluación en lugar de delegar las calificaciones a un modelo.
Esta guía propone un flujo de trabajo para hacer que las expectativas de evaluación sean visibles para estudiantes y evaluadores. Es un patrón de planificación, no una prueba de primera mano afirmada, garantía o sustituto del juicio profesional.
Necesitas resultados de aprendizaje, política institucional y propietario de la evaluación. No pegues contraseñas, claves API, información de salud, identificadores gubernamentales o datos de clientes/empleados sin censurar en un servicio de AI a menos que tu organización haya aprobado explícitamente ese procesamiento.
Entrada: brief de tareas y resultados.
Salida esperada: una rúbrica con ejemplos, notas de moderación y revisión de accesibilidad.
La disponibilidad de herramientas, el comportamiento del modelo, los límites de plan y los términos pueden cambiar. Verifica la documentación actual de cada proveedor y la configuración de cuenta de tu organización antes de configurar un flujo de trabajo.
Escribe una oración describiendo la decisión que este trabajo debe respaldar: una rúbrica con ejemplos, notas de moderación y revisión de accesibilidad. Lista lo que está confirmado, lo que es desconocido y quién puede aprobar una versión final. Pon enlaces de origen junto a reclamaciones de material; el texto generado nunca es la fuente de una reclamación.
Crea un paquete de entrada que contenga el brief de tareas y los resultados. Elimina nombres, detalles de contacto directo, credenciales de cuenta y cualquier material que no sea necesario para esta tarea. Por ejemplo, usa un enlace de origen o ID de registro interno en lugar de un documento confidencial pegado. Indica qué la salida no debe hacer: no debe tomar una decisión sobre una persona, publicar automáticamente o representar una declaración incierta como confirmada.
Entrega: proporciona el brief delimitado, el paquete de entrada y la carpeta de origen a la persona que hace el primer borrador. Esa persona debe ser capaz de explicar por qué cada elemento incluido es necesario.
Para cada criterio, escribe cómo se ve el trabajo inicial, en desarrollo y competente usando pruebas observables. Modera la rúbrica contra trabajo de muestra anonimizado con otro evaluador antes de que los estudiantes la reciban.
En Claude, solicita un primer paso estructurado, no una respuesta final. Una instrucción útil es: "Usa solo el material que aparece a continuación. Produce encabezados, una tabla de pruebas, preguntas abiertas y un borrador. Etiqueta cualquier cosa no respaldada por el material como requiere verificación". Adjunta los IDs de origen junto al párrafo o fila relevante.
Lee el resultado línea por línea contra el paquete de entrada. Elimina reclamaciones que no pueden rastrearse y separa una hipótesis útil de una decisión. La salida de trabajo en este punto debe ser un borrador vinculado a fuentes, no un activo pulido.
Entrega: pasa el borrador, los enlaces de origen y las preguntas sin resolver al revisor de dominio. Pídele al revisor que responda con correcciones, contexto faltante y una aprobación explícita sí/no en cualquier reclamación sensible.
Usa Notion AI para organizar los cambios del revisor en tres grupos: correcciones requeridas, opciones que debe tomar el propietario responsable y mejoras opcionales. No pidas al modelo que resuelva un desacuerdo o deduzca aprobación. El propietario responsable decide qué versión se convierte en la copia de trabajo aprobada.
Solo entonces usa Canva Magic Studio para hacer la salida solicitada: una rúbrica con ejemplos, notas de moderación y revisión de accesibilidad. Mantén la copia de trabajo vinculada a fuentes junto a la versión formateada. Si una entrega cambia formato, por ejemplo, de notas a una presentación, prototipo o mensaje automatizado, compara las dos versiones para calificadores eliminados, números alterados y énfasis visual engañoso.
Si la automatización es parte del paso final, configura una aprobación humana nombrada antes de que cualquier cosa se envíe, publique o cambie un registro. Incluye una condición de parada, una alerta de error y una forma de revertir una acción parcial sin eliminar el rastro de pruebas.
Entrega: el propietario responsable aprueba la rúbrica final con ejemplos, notas de moderación y revisión de accesibilidad.
Antes del lanzamiento, confirma:
AI puede omitir contexto, producir errores plausibles y reflejar sesgo en el material que se le proporciona. Este flujo de trabajo no es adecuado para decisiones autónomas sobre personas, asesoramiento regulado o acciones irreversibles. Comienza con una muestra pequeña e inspecciona cargos basados en el uso, créditos de generación, almacenamiento y límites de asientos pagados antes de escalar.