El Problema: 23% de abandono anual y una llamada que siempre llegaba tarde
Academia Nortelis es una red de 6 centros de formacion en el Levante: oposiciones, refuerzo escolar e idiomas. 1.400 alumnos matriculados, cuota media de 119 euros al mes y un equipo de 9 coordinadores que hacian el seguimiento a mano.
El problema no era captar alumnos. Era que se enteraban de que un alumno se iba cuando ya se habia ido.
- 23% de abandono anual: 322 de 1.400 alumnos dejaban el curso a medias
- Cada baja se llevaba de media 3 meses de cuota sin cobrar, unos 357 euros por alumno
- 96 horas al mes del equipo llamando a alumnos que ya habian decidido marcharse
- 21 dias de media entre la primera senal de riesgo y la primera llamada
- Solo el 58% renovaba matricula al curso siguiente
"Cuando llamabamos, el alumno ya estaba matriculado en otro sitio. No teniamos un problema de captacion, teniamos un problema de enterarnos tarde", cuenta la directora academica.
La Solucion: un agente de IA que puntua el riesgo de cada alumno cada noche
Un CRM con alertas avisa cuando el alumno cursa la baja, es decir, cuando ya no hay nada que hacer. Lo que faltaba en Nortelis era cruzar cuatro fuentes que vivian en sistemas separados y convertirlas en una sola senal, dias antes de la decision.
Score de riesgo por alumno, recalculado cada noche
El agente cruza asistencia (control de accesos), notas de las pruebas internas, estado de los recibos y actividad en el aula virtual. Cada noche devuelve un score de 0 a 100 por alumno. Los pesos se aprendieron del historico de tres cursos, 2.100 bajas reales. La senal que mas pesaba no era la nota: era la caida de asistencia a las clases de refuerzo opcionales de martes y jueves.
El aviso llega al tutor, no a un panel que nadie abre
Cada manana el tutor de cada grupo recibe su lista: entre 3 y 5 alumnos en riesgo, el motivo en una linea y la accion sugerida. Sin abrir informes ni buscar nada. El seguimiento dejo de depender de que alguien se acordara.
El plan de contacto se redacta solo, el contacto lo hace una persona
El agente escribe el borrador segun el motivo, porque no es lo mismo un alumno que falla por horario que uno con recibos devueltos. El tutor lo revisa y lo envia. La conversacion con el alumno y con la familia sigue siendo humana: ahi no se automatiza nada.
Trazabilidad y control de los datos
Cada score guarda las cuatro senales que lo dispararon, asi que direccion puede auditar por que se marco a un alumno concreto. Los datos no salen de la infraestructura de la academia, un requisito no negociable cuando trabajas con menores de edad y RGPD.
Los Resultados: abandono del 23% al 9% en 6 meses
- Tasa de abandono anual: 23% a 9%, un 61% menos, 196 alumnos retenidos al ano
- Deteccion del riesgo: de 21 dias a 2 dias, un 90% mas rapido
- Horas al mes de seguimiento manual: de 96 h a 25 h, 71 horas recuperadas cada mes
- Renovacion de matricula: del 58% al 79%
- Contacto util: de 1 de cada 5 llamadas a 3 de cada 5
El coste de no hacer nada estaba medido: 322 bajas al ano por 357 euros de cuota no cobrada son 114.954 euros, unos 9.580 euros al mes, mas 96 horas de coordinacion (unos 2.016 euros al mes a 21 euros la hora). En total, cerca de 11.600 euros al mes que se iban sin que nadie los contabilizara. La inversion fue de 11.800 euros de implantacion mas 640 euros al mes de licencia, 19.480 euros el primer ano. El retorno del primer ano: 69.972 euros en cuotas retenidas (196 alumnos por 357 euros) mas 17.892 euros en horas liberadas (71 h al mes por 21 euros durante 12 meses), 87.864 euros.
ROI: 351% en el primer ano, con payback en 2 meses.