Ecosistema educativo
Tres plataformas de un grupo educativo con más de una docena de marcas, en web y en apps para iOS y Android. Llevé su diseño de enero de 2025 a marzo de 2026.
El nombre del cliente y de sus productos están anonimizados. Los visuales son recreaciones esquemáticas de las interfaces reales.
TLDR
Contexto
El grupo vende cursos, másteres, títulos universitarios y formación para empresas bajo más de una docena de marcas. Detrás hay tres plataformas que comparten lenguaje de diseño.
El reto
Las tres plataformas están conectadas. El equipo docente atiende desde la suya a los alumnos de las otras dos, y puede ver lo mismo que ve cada alumno, en modo solo lectura. El contenido de los cursos vive en Moodle, y las plataformas lo envuelven.
Además, las tres comparten un mismo sistema de diseño, así que cada decisión se multiplicaba por cada marca, en web y en las apps. Y por dentro, el equipo docente corregía y repartía a mano decenas de miles de comunicaciones.
Estas son las cuatro decisiones que más pesaron.
Decisión 01
Las bandejas acumulaban decenas de miles de comunicaciones y había que actuar sobre ellas de una en una. Encontrar a un alumno o una conversación exigía filtrar por una jerarquía de seis niveles, el trabajo se repartía de forma desigual y, si alguien dejaba el equipo, sus conversaciones se quedaban sin dueño.
Una interfaz pensada para el volumen: selección múltiple que permite elegir la página o todo el contenido y procesarlo en segundo plano; filtros avanzados ordenados según la jerarquía real del cliente; y un reparto automático según las comunicaciones en curso de cada persona, con un estado «Disponible / No disponible» y bajas que preguntan qué hacer con lo abierto.
Fueron las decisiones de base de la plataforma docente: lo que vino después, como la corrección con IA, se apoya en una bandeja que aguanta el volumen y en un reparto justo del trabajo. En los filtros, facultad y escuela solo se activan al elegir un área, las instituciones se combinan con «Y/O» y los contadores rápidos no se mezclan con los filtros, para que nunca den resultados contradictorios.
Decisión 02
Con la bandeja resuelta, el siguiente cuello de botella era corregir: el equipo docente revisaba cada entrega a mano.
La IA propone una corrección a partir de la entrega, el solucionario y los criterios del curso. El tutor ve las tres piezas a la vez y la valida o la edita antes de enviarla.
La corrección no es automática del todo: el tutor sigue revisando cada entrega. A cambio, el alumno nunca ve una nota que un docente no haya validado, y siempre hay una salida manual.
Decisión 03
Cada cliente quería ver su marca, sus colores y su catálogo, y diseñar cada marca por separado era imposible de mantener con más de una docena.
Un solo sistema con muchas identidades: una paleta base compartida, escalas de color primaria y secundaria por marca, variables con un modo para cada una y notas de traducción en español, inglés e italiano.
Cada cliente sube su logo y elige entre paletas cerradas, sin colores libres. Pierde algo de libertad, pero el sistema sigue siendo uno solo y cada marca nueva sale de configurarlo.
Decisión 04
La plataforma del alumno había crecido por acumulación. La portada, en web y en app, era un escaparate: un buscador y filas de catálogo con precios y valoraciones, y lo que el alumno estaba estudiando quedaba en una tira pequeña. «Mis cursos» no recogía todo lo que aprende, y una suscripción comprada en la app no se podía gestionar desde la web.
Rediseñé la arquitectura de información de la web y de la app. La portada empieza ahora por el alumno: sus cursos en progreso y su bandeja de entrada, y el catálogo queda debajo, como recomendaciones. La navegación agrupa lo demás por lo que el alumno necesita hacer (aprender, acceso rápido, soporte y recursos) y, en la app, «Mi aprendizaje» ocupa el centro de la barra inferior.
Quien ya está matriculado entra para avanzar, no para comprar. El catálogo sigue a la vista, pero ya no tapa lo que la persona tiene a medias. Para no romper su costumbre, una versión temporal permitió pasar de «Mis cursos» a «Mi aprendizaje» poco a poco.
Decisiones pensadas para el móvil
Resultados
Un sistema de diseño para más de 12 marcas en web, apps móviles y herramientas internas.
Trabajo que antes era manual, como corregir, repartir conversaciones o actualizar estados, pasó a ser asistido, automático o de un solo paso. Las acciones masivas son el ejemplo más claro: el equipo, que antes cambiaba las comunicaciones una a una, nos contó que ahora lo resuelve en un par de clics.
Lo cuento con la pantalla de corrección, de los requisitos a la versión en producción.
Cada dos semanas me reunía con los stakeholders para recoger requisitos, y a menudo con el equipo de profesores, que nos contaban sus necesidades y las fricciones que encontraban. Todo quedaba en un glosario compartido para que diseño, desarrollo y negocio usaran las mismas palabras.
Ordené los flujos en FigJam, con las dudas anotadas en el propio flujo, y bajé las ideas a wireframes de baja resolución, en Figma y, muchas veces, en papel.
Los wireframes pasaban a alta resolución hito a hito, y cada hito se presentaba a los stakeholders antes de seguir.
Cada dos semanas presentaba los prototipos a los stakeholders, junto con cómo había ido el sprint y las mejoras. También probaba con los profesores, en sesiones o a través de lo que me contaban después de usarlo, y eso se convertía en mejoras de usabilidad.
Antes de pasar a desarrollo resolvía los casos límite: errores, estados vacíos, cambios sin guardar o despublicar con matrículas activas. Unos 70 modales y estados en el tercer hito.
Entregaba prototipos enlazados que mostraban los flujos exactos y todos los casos posibles, y redactaba en Jira cada tarea con sus criterios de aceptación, para desarrollo y para QA. El equipo lo construía por hitos, con el mismo glosario.
Lo que aprendí
La corrección con IA funciona porque el tutor sigue decidiendo: la IA le ahorra el primer borrador.