Por qué Orienta usa IA y no solo psicometría
Cuando alguien escucha que Orienta es "un test vocacional con IA" piensa lo más razonable: ah, otro chatbot pegado encima de un instrumento que ya existía. Es la lectura que yo mismo tendría desde afuera. Y es incorrecta — pero entiendo por qué se sostiene. Vale la pena explicar por qué hicimos lo que hicimos.
Lo que la psicometría hace bien
Un test psicométrico bien construido — y los que usamos lo son, no inventamos uno propio — convierte preguntas blandas ("¿te gusta trabajar solo?") en un vector de aptitudes e intereses comparable contra una población. Eso es muchísimo. Es lo que permite decir, con base estadística, que un perfil con alta apertura, baja necesidad de estructura y fuerte habilidad verbal probablemente disfrute estudiar Comunicación Social más que Ingeniería Civil.
Lo que no hace bien es contestar la pregunta del estudiante. Porque la pregunta del estudiante nunca es "¿qué carrera soy?". Es "sí, pero ¿esa universidad acá? ¿esa carrera con becas? ¿y si me equivoco?". Es una pregunta abierta, contextual, móvil.
Por qué IA generativa, y dónde no
El error sería poner un LLM a hacer el diagnóstico. Los modelos generativos son malos predictores estadísticos sobre data estructurada; las regresiones llevan ventaja desde hace décadas y la siguen teniendo. No tocamos eso.
Donde sí cambian las reglas es en la capa de explicación, contexto y exploración. Un buen consejero vocacional no te entrega un PDF — conversa contigo. Compara. Te pregunta de vuelta. Recuerda lo que dijiste hace cinco minutos. Para miles de estudiantes simultáneamente, esa función no existía hasta hace tres años.
La línea exacta
El modelo psicométrico calcula el perfil — un wizard de 103 preguntas en 14 bloques temáticos. La IA toma ese perfil — datos fríos, números — y los traduce en 8 informes personalizados que el estudiante puede leer, comparar y discutir. Una nunca reemplaza al otro. La IA jamás genera el diagnóstico; la psicometría jamás genera la conversación.
Esa separación es la que protege la calidad del producto. Si en algún momento dejamos que el modelo invente compatibilidades, perdimos. Si nos quedamos solo con el reporte estático, también perdimos — porque el chico no lo lee.
Y cuando el modelo falla
Esta es la parte que más me importa y la que casi nadie habla en público. Los LLM fallan. Devuelven JSON malformado, alucinan campos, se quedan callados, o se caen por rate-limit. Si tu producto depende de uno solo, tu uptime es el suyo.
Por eso el pipeline de Orienta tiene fallback explícito entre Gemini y OpenAI, validación estructural en cada salto, y un guard que rechaza salidas que no respeten el esquema esperado. Sí, cuesta más código. Sí, vale cada línea.
El punto
La IA no es lo que hace que Orienta funcione. Lo que hace que funcione es que un instrumento serio se puede usar como nunca antes — sin la fricción del PDF, sin la barrera del lenguaje técnico, sin tener que pagar un consejero por hora.
El día que esa frase deje de ser cierta, dejamos de usar IA. Es herramienta, no producto.