Puse a prueba 10 herramientas de evaluación con IA: qué tan bien califica cada una en la práctica

Califique las evaluaciones en segundos con una calificación de IA rápida y precisa

Empieza gratis

Todas las herramientas de esta categoría dicen usar IA para calificar.
Lo que separa a las mejores de las simplemente buenas es, básicamente,

1) qué pueden calificar
2) cuánto de la corrección es automática y cuánto pasa por revisión humana
3) a dónde van a parar los resultados.

Una calificación de IA en la que no puedes confiar de forma fiable es peor que no usar ninguna herramienta.

Esta comparación es para gerentes de L&D, especialistas en diseño instruccional y líderes de formación que compran para programas corporativos o de formación técnica, no para cuestionarios de aula. Dejé fuera Quizizz, Kahoot y Mentimeter porque son herramientas de participación, no sistemas de evaluación.

Los cuatro tipos de herramientas de evaluación con IA

Las herramientas de evaluación no son una sola categoría, y la etiqueta "calificación con IA" esconde cuatro productos muy distintos. Identifica primero qué tipo necesitas antes de comparar funciones.

• Correctores automáticos califican trabajos que ya tienes: Gradescope, CoGrader y EssayGrader.
• Motores y plataformas de evaluación gestionan bancos de preguntas, exámenes y calificación de respuestas abiertas, muchas veces integrables: Learnosity, Questionmark y Cognii.
• Generadores de cuestionarios convierten un documento o una URL en preguntas que se califican solas: QuizGecko y el generador de cuestionarios integrado en Coursebox.
• Evaluación integrada en el LMS es una función más dentro de una plataforma de formación: Coursebox, Disprz y 360Learning.

Cómo evalué cada herramienta

Puse en la balanza cuatro cosas con las que un equipo de calificación realmente tiene que lidiar:

• Cómo funciona la calificación: si califica de forma automática o mantiene a una persona en el proceso para las respuestas abiertas, porque la corrección con IA todavía necesita una revisión en todo lo que tenga peso real.
• Qué puede evaluar: opción múltiple, escritas y redacciones, competencias, código, manuscritas u orales. No todas las herramientas califican lo que uno da por hecho.
• A dónde van los resultados: SCORM, xAPI, LTI o sincronización con el libro de calificaciones. Una nota atrapada dentro de la herramienta es un problema de reportes.
• El costo real: precios públicos cuando existen, o mediante cotización cuando no.

Aviso de transparencia: Coursebox es mi propio producto, y en esta lista queda en el segundo puesto. Lo sometí exactamente a las mismas pruebas que a todas las demás herramientas, y cada vez que otra opción encajaba mejor, lo dije sin rodeos.

Qué califica realmente cada herramienta

1. Learnosity

Ideal para: editoriales y organismos certificadores que integran evaluación dentro de su propio producto.

Learnosity es una API de evaluación integrable, no una aplicación en la que inicias sesión; su motor Feedback Aide califica respuestas abiertas a gran escala.

• Califica: más de 50 tipos de preguntas (opción múltiple, arrastrar y soltar, respuesta en audio y video, fórmulas) además de redacciones y respuestas abiertas cortas a través de Feedback Aide.
• Precisión: asistida por IA, con aprobación humana; pruebas independientes reportan una concordancia de 0,91 (kappa cuadrática ponderada) con evaluadores humanos sobre 850 redacciones.
• Resultados: a través de sus API de reportes y datos, así que la exportación la construyes tú; no se menciona un paquete SCORM o xAPI listo para usar.
• Precio: por cotización y de nivel empresarial, sin una prueba autoservicio que refleje el entorno real de producción.

Notas de la prueba: Al meterme de lleno en la herramienta, noté cierta fricción a la hora de crear contenido. Por ejemplo, tenía que entrar y salir del modo edición dos o tres veces solo para pasar de previsualizar una pregunta a modificarla, algo que se nota cuando el banco de preguntas es grande.

Mi conclusión: el motor más completo de la lista, pero necesita desarrolladores y presupuesto para un contrato. Sin ambas cosas, toda esa profundidad de funciones se desperdicia.

2. Coursebox

Ideal para: equipos de formación que quieren crear el curso y calificarlo en el mismo lugar.

Coursebox es nuestro propio producto, así que va por delante la transparencia. Califica las evaluaciones dentro de la misma herramienta donde creas e impartes el curso, en lugar de ser una aplicación de corrección aparte.

• Califica: cuestionarios, respuestas escritas y redacciones, respuesta corta, entregas basadas en escenarios y archivos subidos (PDF, DOCX, TXT).
• Precisión: la IA califica, con la opción de revisión humana antes de que la nota quede definitiva, así nada de peso real sale sin revisar.
• Resultados: SCORM y LTI, para que las evaluaciones y los resultados pasen a cualquier LMS.
• Precio: plan gratuito; de pago desde unos $29/mes; Enterprise a cotización.

Notas de la prueba: Como esta es la nuestra, me apoyo en nuestros propios datos de soporte. La pregunta que más recibimos sobre evaluación es cómo configurarla: cosas como las reglas del cuestionario, el orden aleatorio de las preguntas, la nota mínima de aprobación, los reintentos y la calificación. La IA se encarga de corregir, pero yo reservaría algo de tiempo para dejar esas reglas ajustadas como quieres.

Mi conclusión: la mejor opción cuando la evaluación es un paso más dentro de crear e impartir formación. Si solo necesitas calificar redacciones de forma independiente, una herramienta especializada como CoGrader encaja mejor.

3. Questionmark

Ideal para: exámenes de certificación y cumplimiento normativo, regulados y de alto riesgo.

Questionmark es una plataforma de evaluación empresarial, hoy parte de Learnosity, diseñada para exámenes auditables y defendibles.

• Califica: exámenes de opción múltiple y banco de preguntas, además de respuestas extensas escritas mediante calificación con IA basada en rúbricas.
• Precisión: asistida por IA con revisión humana obligatoria; cada puntaje final necesita la aprobación de una persona.
• Resultados: la mejor cobertura de estándares de la lista: LTI, SCORM, AICC y xAPI, además de Workday, Cornerstone y SuccessFactors.
• Precio: por cotización, de nivel empresarial.

Notas de la prueba: Lo que probaría antes de comprometerme es qué tan bloqueado queda todo después de publicar. No pude editar preguntas una vez que la evaluación ya estaba activa. No hay un paso de revisión de preguntas, y ni los estudiantes ni los supervisores reciben avisos automáticos.

Mi conclusión: elígela cuando el examen tiene que resistir una auditoría. Es demasiado para simples verificaciones informales de conocimiento, y su número de reseñas es escaso (3,8 en Capterra).

4. Gradescope

Ideal para: corrección técnica: exámenes, series de ejercicios, trabajos manuscritos y código.

Gradescope (de Turnitin) es la herramienta con más formatos de esta lista: maneja papel, digital y código en un mismo lugar.

• Califica: opción múltiple en hojas de burbujas, trabajos manuscritos, redacciones y programación mediante un corrector automático; la única herramienta de la lista que corrige manuscritos y código.
• Precisión: híbrida: la IA agrupa respuestas parecidas y el docente asigna la nota.
• Resultados: se exporta a tu libro de calificaciones; la integración con el LMS está en el plan institucional.
• Precio: el plan Basic es gratuito; el Institutional funciona por cotización.

Notas de la prueba: El agrupamiento de respuestas y la edición de rúbricas son bastante sólidos. Donde me quemé fue con los trabajos en grupo. Gradescope hace que los propios estudiantes reporten quién está en su equipo, y cuando uno de ellos dejó fuera de la lista a un compañero, ese compañero se quedó con cero puntos en silencio hasta que me di cuenta. Yo llevaría los proyectos grupales a tu LMS en su lugar.

Mi conclusión: insuperable para exámenes y corrección de materias STEM. Está pensada para educación superior, así que los flujos de competencias y cumplimiento normativo no son su terreno.

5. CoGrader

Ideal para: equipos que sobre todo califican redacciones y trabajos escritos.

CoGrader es un corrector de redacciones muy enfocado: importas el trabajo, defines una rúbrica y la herramienta redacta una nota y una retroalimentación.

• Califica: solo redacciones y respuestas abiertas escritas.
• Precisión: la IA hace el borrador, el docente tiene la última palabra.
• Resultados: Google Classroom para todos, Canvas y Schoology en los planes escolares, e importación y exportación de archivos en el resto de los casos.
• Precio: nivel gratuito (100 envíos al mes), de pago desde unos $19/mes.

Notas de la prueba: Resolvió sin problema una consigna de redacción única y bien enfocada. En cuanto le di un trabajo que mezclaba tres preguntas en un solo texto, la retroalimentación de la rúbrica se volvió vaga, así que de ahí en adelante mantuve cada consigna centrada en una sola pregunta clara.

Mi conclusión: el flujo de calificación de trabajos escritos más limpio de la lista. Hace solo una cosa, así que no ofrece cuestionarios ni evaluación de competencias.

6. EssayGrader

Ideal para: corrección de trabajos escritos en gran volumen y con presupuesto ajustado.

EssayGrader califica respuestas escritas, desde respuestas cortas hasta redacciones largas, y publica datos reales de precisión.

• Califica: redacciones, DBQ, informes, estudios de caso y diarios de aprendizaje; entregas en video en el plan Pro.
• Precisión: la IA califica y el docente revisa; reporta menos del 4% de variación frente a la calificación humana en un estudio de más de 1.000 redacciones.
• Resultados: Google Classroom, Canvas (se sincroniza con SpeedGrader) y Schoology.
• Precio: la más transparente de la lista: gratis hasta 50 redacciones, y luego de $6,99 a $34,99/mes.

Notas de la prueba: Las rúbricas personalizadas son lo más fuerte, y la retroalimentación es en general acertada. Lo que me hizo tener cuidado fue la consistencia: pasé la misma redacción dos veces y obtuve dos notas distintas, así que la dejaría como una primera pasada rápida que luego una persona confirma.

Mi conclusión: muy buena relación calidad-precio y honesta sobre su precisión. Está pensada para el ámbito educativo, así que no ofrece competencias ni SCORM para cumplimiento normativo en formación corporativa.

7. Cognii

Ideal para: práctica formativa de respuesta abierta, instantánea y a gran escala.

Cognii es un motor de evaluación conversacional que califica respuestas abiertas en tiempo real y va guiando al estudiante hacia el dominio del tema.

• Califica: redacciones cortas y preguntas de respuesta abierta; por diseño, no hace opción múltiple.
• Precisión: totalmente automática e instantánea; reporta un 96% de concordancia con evaluadores humanos en redacciones cortas.
• Resultados: se presenta como fácil de integrar, pero no publica detalles concretos sobre LMS, SCORM o exportación.
• Precio: por cotización, sin precios públicos.

Mi conclusión: realmente útil para la práctica de reintentar hasta dominar el tema. Su escasa presencia pública (sin reseñas reales en G2 o Capterra, sin detalles de exportación) la hace una compra empresarial más difícil de justificar.

8. QuizGecko

Ideal para: convertir documentos en cuestionarios autocalificados rápidamente.

QuizGecko genera cuestionarios a partir de un documento, una URL o un texto, y califica respuestas cortas y redacciones de forma automática.

• Califica: opción múltiple, verdadero o falso, respuesta corta, relacionar columnas, completar espacios y redacción.
• Precisión: calificación automática, sin ningún paso humano obligatorio declarado.
• Resultados: exportación en CSV y opción de compartir o integrar en herramientas como Google Classroom; sin SCORM o xAPI nativos.
• Precio: desde unos $16/mes; el plan Enterprise con API desde unos $500/mes.

Notas de la prueba: Cuando le di mis propios apuntes, las preguntas volvieron centradas en el tema pero bastante generales, parafraseando el material en lugar de apuntar a las palabras exactas que quería evaluar. El truco al que llegué fue darle una página web en lugar de un PDF. A mí me pareció que funcionaba mejor con URL que con documentos.

Mi conclusión: rápida y económica para verificaciones de conocimiento. Vale la pena aclarar que es una herramienta de cuestionarios, no un sistema de evaluación de registro oficial.

9. Disprz

Ideal para: equipos de L&D que quieren evaluación dentro de una plataforma de desarrollo de habilidades.

Disprz es una plataforma de L&D y desarrollo de habilidades donde la evaluación es una función más, junto con el aprendizaje y los análisis de datos.

• Califica: cuestionarios y verificaciones de conocimiento, además de ejercicios de escenarios creados con IA; las evaluaciones subjetivas dependen de la retroalimentación del jefe directo o de los pares.
• Precisión: los cuestionarios se califican solos, pero el trabajo subjetivo lo revisa una persona, no la IA (una función de evaluación conversacional todavía está por llegar).
• Resultados: compatible con SCORM y xAPI, e independiente del LMS.
• Precio: por cotización (Capterra menciona un nivel de entrada de unos $3 por usuario); calificada con 4,7 en Capterra a partir de 38 reseñas.

Notas de la prueba: Los cuestionarios y los módulos funcionaron bien. Donde me topé con la pared fue en los reportes: los gráficos de analítica inteligente son básicos y las opciones de reporte limitadas, así que terminé exportando los datos para armar yo mismo un reporte más detallado.

Mi conclusión: te sirve si quieres la evaluación incluida junto con el desarrollo de habilidades, no un corrector de IA dedicado a respuestas abiertas.

10. 360Learning

Ideal para: creación colaborativa de cursos donde la evaluación es un complemento ligero.

360Learning es un LMS colaborativo; su evaluación es básica y gira en torno a la validación del docente.

• Califica: opción múltiple, completar espacios y preguntas de respuesta abierta.
• Precisión: las respuestas abiertas las valida un docente (Validar, Reintentar o Rechazar); no las califica la IA.
• Resultados: importación SCORM y reportes nativos del LMS.
• Precio: plan Team desde $8 por usuario al mes; Business por cotización; la mejor calificada en volumen de reseñas (4,7 en Capterra, más de 500).

Notas de la prueba: La evaluación se siente como algo secundario. Meter un cuestionario dentro de un curso resultó más engorroso de lo que debería ser, y el motor de fondo es liviano: no hay bancos de preguntas reales, ni aleatorización ni temporizadores, así que solo confiaría en ella para una verificación de conocimiento y poco más.

Mi conclusión: un LMS excelente, pero el que peor encaja aquí para evaluación con IA; su motor de cuestionarios carece de bancos de preguntas, aleatorización y temporizadores.

Lo que yo elegiría

Si la evaluación es parte de crear e impartir formación, empieza por Coursebox: califica redacciones, cuestionarios y escenarios en un mismo lugar, mantiene un paso opcional de revisión humana y exporta por SCORM y LTI. Cuando lo que buscas es integrar la evaluación dentro de tu propio producto, Learnosity es el motor más profundo, siempre que cuentes con desarrolladores. Para certificaciones auditadas y de alto riesgo, la respuesta es Questionmark. Si solo necesitas calificar redacciones, CoGrader tiene el flujo más limpio y EssayGrader ofrece la mejor relación calidad-precio. Gradescope se lleva los exámenes, los trabajos manuscritos y el código, y Cognii es la opción para práctica formativa instantánea. Lo que descartaría para un programa de formación corporativa son las herramientas donde la evaluación es un añadido de último momento, como Disprz, o donde el motor de cuestionarios se queda corto, como 360Learning.

Aclaración: Coursebox es una herramienta nuestra, y en esta comparación intenté ubicarla en el lugar que honestamente le corresponde, ni más arriba ni más abajo.