¿Por qué los consejos universitarios de AI ignoran el ajuste, el presupuesto y las probabilidades?

2026-08-25

¿Cómo se comparan las herramientas de AI centradas en clasificaciones con el asesoramiento basado en ajuste, presupuesto y probabilidades?

La mayoría de las herramientas generales de AI para la universidad ordenan las instituciones por prestigio porque las clasificaciones son abundantes, estructuradas y fáciles de recuperar, no porque predigan si un estudiante será admitido, podrá pagar la factura o terminará una carrera. Asesores especializados como el College Admissions Consultant de Jenova, KapAdvisor de Kaplan y Kollegio generan listas más útiles cuando reciben un perfil completo: carrera prevista, límite de precio neto, rango académico y restricciones geográficas.

La diferencia entre un listado de clasificaciones y una lista universitaria viable aparece en cuatro aspectos:

✅ Ajuste del programa — la fortaleza de la carrera, el modelo de enseñanza y las vías profesionales superan la posición general para la mayoría de los estudiantes, porque los ingresos y el empleo varían considerablemente según el campo de estudio ✅ Ajuste financiero — el precio publicado es una guía deficiente; la matrícula publicada promedio en 2025–26 va desde $4,150 en instituciones públicas de dos años hasta $45,000 en instituciones privadas sin fines de lucro de cuatro años ✅ Probabilidad de admisión — una lista de instituciones con tasas de admisión del 4% al 8% desperdicia solicitudes salvo que el estudiante tenga un perfil verdaderamente distintivo ✅ Entorno de finalización — los estudiantes con subajuste tienen sistemáticamente menos probabilidades de graduarse que sus pares bien ajustados

Para comparar estas herramientas con honestidad, conviene dejar de preguntar cuál nombra las «mejores» universidades y comenzar a preguntar cuál mantiene las cuatro restricciones a la vista al mismo tiempo.

Mano robótica de AI que guía a un estudiante por un camino hacia un edificio universitario, ilustrando la inteligencia artificial en el asesoramiento de admisión universitaria

¿Por qué las herramientas genéricas de AI recurren a las clasificaciones en 2026?

Los chatbots genéricos recurren a las clasificaciones porque las listas de prestigio contienen los datos universitarios más densos y reproducidos con frecuencia en la web pública, mientras que los datos de precio neto, programas específicos y probabilidades de admisión son escasos, dependen del estudiante y con frecuencia están detrás de un muro de pago. Es un problema de datos, no una filosofía de asesoramiento.

Tres fuerzas estructurales mantienen en circulación las respuestas centradas en clasificaciones. Primero, los corpus de entrenamiento y los índices de búsqueda están saturados de recopilaciones de «las 25 mejores», por lo que una petición única como «¿A qué universidades debería postularme?» recupera jerarquías de prestigio por defecto. Segundo, las clasificaciones llegan en tablas ordenadas; los ingresos familiares, la contribución familiar esperada, el interés por una carrera y la estrategia del asesor no. Tercero, casi la mitad de los estudiantes ya utiliza AI por su cuenta para elegir instituciones, completar solicitudes y prepararse para exámenes, según una encuesta de EAB citada en 2026, lo que significa que las respuestas moldeadas por clasificaciones llegan ahora a estudiantes que nunca se sientan con un asesor.

La capacidad de asesoramiento humano hace que este atajo resulte más tentador. La proporción de la American School Counselor Association citada por The Hechinger Report es de 372 estudiantes por asesor a nivel nacional, y la carga asciende a 570 en Arizona y 565 en Michigan. NACAC estima que solo alrededor de una quinta parte del tiempo de los asesores se destina a orientación universitaria, y casi una de cada cinco escuelas secundarias no tiene ningún asesor universitario. Cuando un estudiante de penúltimo año, agotado, pide una lista a un chatbot a las 11 p. m., el modelo devuelve lo que puede recuperar al instante.

Angel Pérez, CEO de la National Association for College Admission Counseling, ha sido directo sobre el problema de calidad: preguntar a la AI generativa a qué universidad entrará un estudiante no produce respuestas fiables. La información que los asesores más desean delegar —cómo presentar la FAFSA o cuándo realizar el SAT— es procedimental. La información que los estudiantes más necesitan —el ajuste, la compatibilidad y la forma única de cada solicitante— es precisamente lo que una respuesta ordenada por clasificaciones omite.

¿Qué se debe evaluar en un asesor universitario de AI?

Un asesor universitario de AI debe juzgarse por su capacidad para mantener cuatro restricciones a la vez: ajuste del programa, asequibilidad neta, probabilidad de admisión y entorno de finalización. La posición en una clasificación es un quinto dato débil, útil solo después de satisfacer los cuatro primeros.

Este modelo de lista universitaria de cuatro restricciones es el marco de evaluación utilizado en todo este artículo. Una institución que falla en una sola restricción es una mala recomendación, aunque ocupe una posición elevada en una clasificación nacional.

El ajuste del programa pregunta si el campus realmente enseña bien el campo previsto, no si la universidad es famosa. Un estudiante que aspira a enfermería, contabilidad o informática puede estar mal atendido por una institución prestigiosa cuyo departamento pertinente es pequeño, teórico o tiene cupos limitados. El Center on Education and the Workforce de Georgetown documenta grandes diferencias de rendimiento entre 152 carreras, por lo que la investigación a nivel de carrera debe formar parte de la primera evaluación, no de la última.

La asequibilidad neta pregunta cuánto pagará realmente la familia después de las becas y subvenciones. Una investigación de Eduventures informó que el 99% de los padres y tutores tiene una preferencia respecto al costo de las opciones universitarias de sus estudiantes. El precio publicado no puede responder a esa pregunta. El especialista en ayuda financiera Mark Kantrowitz lleva tiempo sosteniendo que las familias necesitan ajuste académico, ajuste social y ajuste financiero en conjunto, no solo prestigio.

La probabilidad de admisión pregunta si las calificaciones, los resultados de exámenes, los cursos realizados y el contexto del estudiante se ubican dentro del rango reciente de admitidos de una institución. Sin ello, las listas de AI se reducen a una acumulación de aspiraciones.

El entorno de finalización pregunta si el estudiante tiene un ajuste adecuado, sobreajuste o subajuste. La selectividad no es el objetivo; terminar los estudios sí lo es. Investigadores de Brookings han demostrado que los estudiantes con subajuste tienen menos probabilidades de graduarse.

Las herramientas que no pueden incorporar ingresos, carrera, geografía y expediente académico —o no pueden recordarlos entre sesiones— seguirán optimizando la única variable que pueden ver: la posición.

¿Qué herramientas universitarias de AI tienen en cuenta el ajuste, el costo y las probabilidades de admisión?

Entre las opciones ampliamente utilizadas en 2026, College Admissions Consultant de Jenova y KapAdvisor son las más sólidas para transformar el perfil de un estudiante en una lista con restricciones, mientras que Kollegio y Counselly son más fuertes en la compatibilidad gratuita y las preguntas sobre el proceso, y los chatbots genéricos siguen siendo los más débiles en presupuesto y probabilidades. Ninguna reemplaza a un asesor humano en confianza y defensa del estudiante.

Función / dimensión	KapAdvisor (Kaplan)	Kollegio	Jenova College Admissions Consultant	Counselly	ChatGPT / Gemini genéricos
Análisis de ajuste a nivel de programa	Información de instituciones más conocimiento del asesor; la profundidad por carrera varía	El recomendador de AI y el cuestionario ajustan instituciones al perfil	Compatibilidad respaldada por investigación en carrera, ubicación y pedagogía, con restricciones persistentes	Preguntas y respuestas para encontrar instituciones; la profundidad depende de la petición	Suele recurrir a la posición general salvo que el usuario exija un filtro por carrera
Modelado de precio neto / presupuesto	Motor publicado de precio neto limitado; el costo se analiza en peticiones de planificación	Compatibilidad de becas y funciones de ayuda financiera en el producto gratuito	Puede investigar calculadoras de precio neto, COA y patrones de ayuda; no cuenta con una NPC institucional integrada	Preguntas y respuestas de ayuda financiera disponibles; profundidad de calculadora sin verificar	Con frecuencia cita precios publicados o promedios desactualizados
Probabilidad de admisión	Posicionamiento explícito sobre «probabilidades de ser admitido», basado en la extensa base de datos de admisiones de Kaplan	Compatibilidad frente a «miles de puntos de datos»; el funcionamiento interno del modelo no está publicado	Construcción de categorías probable / objetivo / aspiracional basada en rangos de expediente y exámenes	Orientación sobre el proceso más que modelado estadístico	Poco fiable; Pérez, de NACAC, advierte que este es precisamente el ámbito donde falla la AI genérica
Perfil persistente del estudiante	Carga de documentos, como puntuaciones y expedientes, en Premium	Historial de cuestionarios y recomendaciones basado en cuenta	Historial de chat ilimitado y memoria entre sesiones sobre presupuesto, puntuaciones y preferencias	Chat con asesor basado en sesiones	Débil, salvo que el usuario vuelva a pegar el perfil completo cada vez
Precios (a fecha de 2026)	Nivel gratuito; Premium figura por $199	Producto gratuito para consumidores	Nivel gratuito de la plataforma; planes de pago desde $20 hasta $500 al mes con mayor uso	Precios públicos sin verificar	Planes gratuitos o Plus/Pro para consumidores
Mejor para	Estudiantes que ya utilizan la preparación de Kaplan y desean comentarios sobre ensayos y estimaciones de probabilidades	Estudiantes que quieren un sistema de compatibilidad sin costo y alertas de becas	Estudiantes que necesitan una estrategia de varias semanas, con memoria persistente, para la lista, los ensayos y el calendario	Estudiantes que desean respuestas sobre el proceso las 24 horas	Consultas factuales rápidas, no como sustituto del asesoramiento

KapAdvisor

KapAdvisor es el asesor virtual de admisiones de Kaplan, ofrecido de forma gratuita y como producto Premium. Sus funciones publicadas incluyen apoyo personalizado para ensayos, análisis de informes de puntuaciones SAT/PSAT y expedientes cargados, práctica diaria de SAT y ACT, y orientación sobre las probabilidades de admisión. Esa combinación es más sólida que un chatbot genérico en probabilidades y exámenes.

La limitación es institucional. KapAdvisor está construido en torno a la preparación para exámenes de Kaplan y al enfoque de la «universidad soñada», por lo que puede seguir dando un peso excesivo a objetivos selectivos si el estudiante no comunica un presupuesto estricto. La revisión de ensayos Premium es útil, pero no equivale a un modelo vivo de ajuste financiero.

Kollegio

Kollegio promociona un recomendador gratuito de AI, herramientas de becas y apoyo para ensayos las 24 horas, y afirma que los estudiantes pueden «no pagar nada y obtener los servicios de un asesor universitario de $10,000». Para familias sin presupuesto de asesoramiento, un sistema de compatibilidad sin costo es una ventaja real.

La contrapartida es la transparencia. La lógica de compatibilidad, la precisión del precio neto y la forma en que el producto trata las restricciones de estudiantes de bajos ingresos o primera generación no están documentadas de forma independiente como lo estaría la metodología de un asesor. Las herramientas gratuitas también tienen incentivos más débiles para decirle a un estudiante que no solicite admisión a un campus famoso.

Jenova College Admissions Consultant

College Admissions Consultant de Jenova está diseñado para la selección de instituciones, la estrategia de ensayos y la gestión de calendarios frente a un perfil específico. Dado que opera en una plataforma con memoria persistente y herramientas de investigación en vivo, puede mantener un límite de precio neto, una carrera prevista y un rango de exámenes a la vista durante semanas de trabajo, en lugar de reiniciarse después de un chat.

Las limitaciones honestas importan. No incorpora una base de datos histórica privada de solicitantes y no tiene integración con Common App ni Naviance. Las estimaciones de probabilidades de admisión son rangos fundamentados en investigación, no un modelo estadístico cerrado entrenado con millones de expedientes previos. Los estudiantes que desean un diagrama de dispersión emitido por la institución aún necesitan la plataforma de su asesor.

Counselly y otros bots de proceso

Counselly se posiciona como un asesor de AI para encontrar instituciones, redactar ensayos y recorrer los pasos de admisión. Productos similares incluyen GradGPT para solicitudes, ayuda y calendarios; Orbit para la compatibilidad de universidades y becas; y CollegeFit para preguntas y respuestas gratuitas las 24 horas. The Princeton Review se concentra en el perfeccionamiento de ensayos en lugar de la construcción de listas.

Estas herramientas destacan por su disponibilidad. Son más débiles cuando el estudiante nunca revela sus ingresos o cuando la interfaz premia peticiones como «las mejores universidades para mí», que el modelo traduce silenciosamente en clasificaciones.

¿Cómo cambia el subajuste los resultados de graduación?

El subajuste —matricularse en una institución menos selectiva de lo que permiten las cualificaciones del estudiante— se asocia con una menor finalización de estudios de licenciatura, menor satisfacción y resultados profesionales iniciales más débiles, especialmente para estudiantes que podrían haber accedido a un campus con mayor apoyo. La AI centrada únicamente en clasificaciones que dirige a estudiantes de alto rendimiento y bajos ingresos hacia campus «seguros» o conocidos puede reproducir accidentalmente este patrón.

Un resumen de investigación de AERA de 2021 concluyó que los estudiantes con subajuste tienen sistemáticamente menos probabilidades de graduarse, mientras que los estudiantes con sobreajuste tienen sistemáticamente más probabilidades de graduarse que sus pares con ajuste adecuado. Brookings llegó al mismo punto central: los estudiantes con subajuste terminan la universidad a tasas más bajas. Por eso, «simplemente elige una institución más barata y menos selectiva» no es automáticamente una decisión presupuestaria sensata.

Gráfico de barras de tasas de graduación a seis años de estudiantes afroamericanos e hispanos según la selectividad universitaria, que muestra cómo el subajuste reduce las probabilidades de finalización

El gráfico anterior, elaborado a partir de Crossing the Finish Line (2009), de Bowen, Chingos y McPherson, y difundido por Bellwether Education Partners, hace concreta la gradiente de finalización para estudiantes afroamericanos e hispanos. Las tasas promedio de graduación a seis años aumentan desde el 20% en instituciones de dos años y el 23% en instituciones de cuatro años no competitivas hasta el 55% en instituciones muy competitivas, el 71% en altamente competitivas y el 85% en las más competitivas.

El ejemplo de subajuste en ese gráfico es contundente. Un estudiante que podría ajustarse a una institución altamente competitiva, con una tasa de graduación del 71%, pero se matricula en una muy competitiva obtiene una tasa cercana al 55%, 16 puntos inferior. Un subajuste considerable hacia una institución competitiva reduce el promedio al 38%, aproximadamente la mitad de la tasa de finalización de la institución que correspondía a su perfil.

Esta es la implicación contraria a la intuición para los consejos de AI. Ignorar por completo la selectividad no es la cura para la obsesión con las clasificaciones. La selectividad es un indicador impreciso de recursos, efectos de pares e infraestructura para la finalización. El error consiste en usar la posición como la única clave de ordenación, no en usar el ajuste como una de las cuatro restricciones.

¿Cómo deben los estudiantes sopesar el ajuste del programa frente al prestigio?

Los estudiantes deben tratar la posición general como un criterio de desempate después de confirmar que un campus ofrece la carrera, el estilo de enseñanza y la vía profesional inicial correctos, porque los resultados a nivel de programa divergen mucho más de lo que admiten la mayoría de las tablas de clasificación. El prestigio es un promedio a nivel de campus; las carreras son específicas de cada especialidad.

Las personas con títulos de licenciatura tienen aproximadamente la mitad de probabilidades de estar desempleadas que sus pares cuyo nivel máximo de estudios es un diploma de secundaria, pero ese promedio oculta los efectos del campo. Los datos de Georgetown a nivel de carrera existen precisamente porque un título de biología, uno de enfermería y uno de bellas artes no generan la misma distribución de empleo o ingresos. Una AI que recomienda «las mejores universidades nacionales» a un futuro contador, docente o analista de ciberseguridad está respondiendo a una pregunta distinta de la que hizo el estudiante.

El ajuste del programa también incluye pedagogía y acceso. Una universidad de investigación muy bien clasificada puede ser una mala opción para un estudiante que necesita seminarios pequeños, prácticas clínicas garantizadas o un calendario de formación cooperativa. A la inversa, una institución pública regional con un programa profesional sólido y acreditado puede superar a un campus famoso cuyo departamento relevante es secundario.

Aquí es donde un Career Advisor resulta más útil que otra tabla de clasificaciones. Mapear ocupaciones, requisitos de licencia y rutas habituales de titulación antes de fijar una lista universitaria evita que la carrera se convierta en una consideración tardía. La misma lógica se aplica dentro del asesor de admisiones de Jenova: la primera petición debe indicar el campo, no la universidad soñada.

Una prueba práctica: si eliminar el número de la clasificación hace que la recomendación se derrumbe, la recomendación nunca trató realmente sobre el ajuste.

¿Qué requiere un análisis realista del ajuste financiero?

Un análisis realista del ajuste financiero comienza con el precio neto para el tramo de ingresos de la familia, no con la matrícula publicada, y trata el prestigio inasequible como un ajuste fallido en lugar de una aspiración halagadora. La mayoría de las respuestas de AI fallan esta prueba porque citan precios publicados y promedios nacionales.

Los precios publicados por College Board para 2025–26 ilustran por qué los promedios inducen a error. La matrícula y las tasas promedio para una institución pública de cuatro años dentro del estado son $11,950; fuera del estado, $31,880; para una institución pública de dos años dentro del distrito, $4,150; y para una institución privada sin fines de lucro de cuatro años, $45,000. Después de las becas y subvenciones, el panorama vuelve a cambiar: la matrícula y las tasas netas estimadas son de aproximadamente $2,300 para estudiantes nuevos a tiempo completo y dentro del estado en instituciones públicas de cuatro años, y de $16,910 en instituciones privadas sin fines de lucro de cuatro años.

La cifra total que las familias realmente sienten es más alta. La Education Data Initiative sitúa el costo anual promedio, incluidos libros, materiales y gastos de manutención, en $38,270 por estudiante. U.S. News informó que la matrícula y las tasas promedio en instituciones privadas clasificadas aumentaron alrededor de un 3.3% para 2025–26. Mientras tanto, el 71.4% de los estudiantes universitarios recibe algún tipo de ayuda federal o no federal, por lo que dos estudiantes en el mismo campus pueden enfrentarse a facturas completamente distintas.

Los ingresos agravan la distorsión. IHEP ha demostrado que los estudiantes de los hogares con menores ingresos tendrían que aportar casi el 150% de los ingresos de su familia en muchas instituciones. La actualización de asequibilidad de Brookings de 2026 registra cómo esas cargas han cambiado con el tiempo. Una AI que felicita a un estudiante de bajos ingresos por acceder a una universidad privada de «mejor valor» sin abrir la calculadora de precio neto no está ofreciendo asesoramiento universitario. Está recitando marketing.

Las herramientas federales de comparación existen por una razón. El U.S. Department of Education publica recursos sobre asequibilidad y transparencia universitaria específicamente para que las familias comparen costos, ayuda y préstamos. Todo asesor de AI serio debe dirigir a los estudiantes allí, o a la calculadora de precio neto de cada institución, antes de que una universidad permanezca en la lista.

Lumina Foundation, citando investigaciones de la Reserva Federal, señala que la universidad sigue siendo rentable en promedio para la mayoría de los estudiantes. Los promedios no pagan la factura de una familia individual. El ajuste financiero es la restricción que transforma una lista halagadora en una lista que un estudiante puede aceptar en abril.

¿Cómo se crea una lista universitaria equilibrada con AI?

Se crea una lista equilibrada proporcionando primero al modelo restricciones estrictas —carrera, límite de precio neto, rango académico y geografía— y luego exigiendo una combinación de opciones probables, objetivo y aspiracionales, en lugar de pedir las «mejores» universidades. La calidad de la lista está determinada en gran medida por la calidad de ese informe inicial.

Una petición moldeada por clasificaciones tiene este aspecto:

«¿Cuáles son las mejores universidades de Estados Unidos?»

Una petición de cuatro restricciones tiene este aspecto:

«Soy estudiante de primera generación con un GPA no ponderado de 3.6, 1320 en el SAT y un límite anual de precio neto de $18,000. Quiero estudiar informática o sistemas de información, preferiblemente a menos de cuatro horas de Atlanta. Crea una lista de 10 instituciones con 3 probables, 4 objetivo y 3 aspiracionales. Para cada institución, indica el tamaño o enfoque del programa de informática, el rango de admisión publicado más reciente y cómo estimar el precio neto para una familia con ingresos de $62,000.»

En College Admissions Consultant de Jenova, la secuencia útil es:

Indicar los datos académicos, presupuesto, carrera y condiciones no negociables en el primer mensaje.
Pedir una lista de 10 a 12 instituciones ya ordenada en probables, objetivo y aspiracionales, con una nota de una línea sobre el ajuste del programa y un siguiente paso de precio neto para cada una.
Eliminar cualquier campus que no cumpla el presupuesto o el ajuste del programa, aunque el nombre sea famoso.
Solo entonces redactar ensayos y un calendario de plazos para la lista restante.
Si los exámenes son la restricción determinante, trasladar el trabajo de puntuación al SAT/ACT Tutor para que la dimensión de probabilidades pueda cambiar de verdad.

El flujo de trabajo publicado de KapAdvisor está más orientado a documentos. Los estudiantes pueden empezar con la herramienta gratuita y, después, en Premium cargar informes de puntuaciones y expedientes para analizar el perfil y recibir comentarios sobre ensayos adaptados a cada universidad. Es un camino sólido para solicitantes que ya tienen una lista corta y necesitan ayuda para ejecutarla. Es un camino más débil si la propia lista corta era una tabla de clasificaciones.

El proceso de Kollegio comienza con un cuestionario y un recomendador. Trate esas coincidencias como candidatas, no como una lista terminada. Evalúe cada opción restante con una calculadora de precio neto y la lectura de la página de la carrera antes de pagar una tasa de solicitud.

Dos reglas de proceso evitan que la AI vuelva a caer en el modo prestigio. Nunca acepte una lista que no incluya al menos tres instituciones que probablemente el estudiante pueda pagar y a las que probablemente pueda ingresar. Nunca mantenga una opción aspiracional que la familia no pueda pagar ni siquiera con una suposición generosa de ayuda.

¿Qué dicen los expertos en asesoramiento universitario sobre los consejos centrados en clasificaciones?

Los líderes del asesoramiento sostienen cada vez más que la AI es útil para el trabajo procedimental y las respuestas fuera de horario, pero peligrosa cuando sustituye las listas de prestigio por el ajuste, la compatibilidad y la realidad financiera. Los expertos más cercanos al asesoramiento escolar quieren que los modelos eliminen las tareas administrativas para que las personas puedan hablar sobre el estudiante.

«El reflejo de las clasificaciones en la AI para consumidores es un problema de recuperación de información disfrazado de asesoramiento. El texto de la web pública está repleto de listas ordenadas de universidades famosas y casi vacío de los AGI de una familia concreta, las plazas clínicas de un departamento específico o el contexto de inflación de calificaciones de una escuela secundaria determinada. Si no se fuerzan esos datos en la petición —y se conservan en memoria— el modelo optimizará la única variable ordenada que puede ver.»

«Tratamos una lista universitaria útil como un objeto de cuatro restricciones. El ajuste del programa, el precio neto, el rango de admisión y el entorno de finalización deben superar todos un umbral mínimo. Una universidad que falla en una restricción no es una aspiración halagadora; es una solicitud desperdiciada o, peor aún, un subajuste que reduce las probabilidades de obtener un título. La selectividad sigue perteneciendo al modelo porque el ajuste predice la finalización. Simplemente no puede ser la clave de ordenación.»

«El otro modo de fallo es el chat de una sola consulta. Las familias cambian las estimaciones de ayuda, los resultados de exámenes y el interés por una carrera durante meses. Un asesor que no pueda recordar el límite de $20,000 del martes pasado volverá a introducir alegremente campus de $80,000 el jueves. El contexto persistente no es una función de comodidad en este ámbito. Es la diferencia entre asesoramiento y trivialidades.»

— Equipo de Producto de Jenova, diseñadores de Agentes especializados en asesoramiento de admisiones utilizados por estudiantes de más de 70 países

Las voces de las escuelas llegan al mismo punto desde la otra dirección. Diana Moldovan, directora de colocación universitaria y profesional de la Urban Assembly School for Law and Justice de Nueva York, dijo a The Hechinger Report que la confianza no puede reemplazarse y que la AI es más valiosa cuando libera a los asesores para hablar sobre opciones académicas, sociales y financieras. Angel Pérez, de NACAC, ha dicho que las herramientas diseñadas específicamente deben encargarse de la mecánica de SAT y FAFSA para que los asesores puedan centrarse en «el ajuste, la compatibilidad y los aspectos únicos de cada estudiante».

Ese consenso es la verdadera acusación contra la AI centrada en clasificaciones. Los propios expertos del sector no piden a los modelos una mejor lista de las 20 mejores. Piden sistemas que dejen de responder a la pregunta equivocada.