Evaluaciones redactadas con IA
Borradores de IA construidos sobre evidencia — objetivos, evaluaciones anteriores y señales de trabajo — con una barrera estricta de responsabilidad humana para que la IA nunca envíe.
Por qué importa
La página en blanco es la razón de que las evaluaciones lleguen tarde, y el sesgo de memoria, la razón de que sean injustas. El redactor de IA de Kit ataca ambas: reúne evidencia real — los objetivos y avances de la persona evaluada, su evaluación anterior, sus expectativas del rol, sus propias notas y (con opt-in) su trabajo realmente entregado — y produce un borrador estructurado que responde a las preguntas del ciclo. Lo que no hará, por diseño, es enviar.
El modelo es la IA redacta, las personas deciden. Y no es un eslogan: se aplica en la ruta de envío, se registra en la evidencia y se comunica a la persona evaluada. Según el artículo 22 del RGPD, una decisión con efectos jurídicos o igualmente significativos sobre una persona no puede basarse únicamente en un tratamiento automatizado, y los tribunales han interpretado ese «únicamente» de forma estricta: una persona que estampa su sello sobre la salida de la máquina no cuenta como intervención humana. Las barreras de Kit están construidas para que tu proceso de evaluación nunca cruce esa línea.
Important
El evaluador humano responde de cada evaluación enviada. Una evaluación asistida por IA no puede enviarse hasta que el evaluador haya editado el borrador de forma sustancial o haya marcado explícitamente «He revisado este borrador de IA y lo asumo como mi propia valoración». Ambas rutas quedan estampadas con marca temporal en los metadatos de la evaluación. La IA nunca envía, nunca puntúa a nadie por autoridad propia y nunca puentea al evaluador — si tú lo envías, tú respondes.
Generar un borrador
Abre cualquier evaluación de tu cola y pulsa Draft with AI (redactar con IA). La generación es síncrona: unos segundos después, el formulario está relleno y listo para editar. El redactor reúne:
| Evidencia | Fuente |
|---|---|
| Objetivos + avances | Los objetivos de la persona evaluada: título, estado, progreso y última nota |
| Evaluación anterior | El resumen del responsable en la última acta de evidencia finalizada de la persona evaluada |
| Expectativas del rol | El resumen del rol del participante para este ciclo |
| Las notas de la propia persona evaluada | El campo Your own notes de su autoevaluación — trabajo invisible para las herramientas, como mentoría e incidentes |
| Señales de trabajo (opt-in) | MR fusionadas y actividad de revisión obtenidas en vivo desde las fuentes conectadas — solo si marcas la casilla en ese borrador |
La salida rellena las respuestas a las preguntas del ciclo, una puntuación global propuesta (solo si encaja en la escala de la plantilla) y un resumen escrito como temas más contribuciones representativas. Desde ese momento la evaluación queda marcada como asistida por IA, y la marca la acompaña hasta el acta de evidencia.
El prompt es narrativo por construcción: el redactor cita trabajo representativo, reconoce las contribuciones de dirección y habilitación de IA, y tiene prohibido producir métricas de volumen, clasificaciones o comparaciones entre personas.
El rastro de responsabilidad
Todo lo relativo al borrador se registra en el ai_draft_metadata de la evaluación — cifrado y trasladado a la evidencia congelada:
- Generación — cuándo se redactó, quién lo pidió y una copia literal de lo que produjo la IA.
-
Edición sustancial — cada guardado compara tu contenido con el borrador literal de la IA; el primer cambio real estampa
edited_at. -
Autoría explícita — enviar un borrador sin editar exige la casilla de autoría, que estampa
owned_aty tu nombre. - Transparencia de señales — si se usaron señales de trabajo, los elementos exactos (títulos, enlaces, fechas — nunca estadísticas) se guardan y se muestran a la persona evaluada antes de la finalización: «Estos elementos se obtuvieron al redactar el borrador y son visibles para la persona evaluada».
El acta de evaluación finalizada marca cada evaluación con ai_assisted: true/false, y el PDF de evidencia lo imprime — transparencia total tanto para la persona evaluada como para el auditor.
| Acción intentada | Qué hace Kit |
|---|---|
| Enviar un borrador de IA intacto, sin marcar la casilla | Rechazado: «debe editarse o asumirse explícitamente antes de enviar — un borrador de IA sin revisar no puede ser evidencia» |
| Enviar tras ediciones sustanciales | Permitido; edited_at en el rastro |
| Enviar sin editar con la casilla de autoría marcada | Permitido; owned_at + nombre en el rastro |
| Que la IA envíe por su cuenta | Imposible — no existe ninguna ruta de código |
Créditos y modos de fallo
La redacción consume los créditos de IA de tu cuenta, medidos como cualquier otra función de IA (consulta Integrations > AI Settings) — una completion de LLM por borrador. Si los créditos se agotan, recibes un mensaje específico («Los créditos de IA de esta cuenta se han agotado — escribe la evaluación a mano o recarga») en lugar de un fallo silencioso. Si el modelo o una fuente de señales no responde, el borrador falla de forma limpia o se degrada — un GitLab caído se convierte en una nota en el contexto del borrador, nunca en un formulario roto — y siempre puedes escribir a mano.
En resumen
- Pide a las personas evaluadas que cuiden sus objetivos y Your own notes antes de redactar — evidencia que entra, calidad que sale
- Pulsa Draft with AI; marca la casilla de señales de trabajo solo con conocimiento de la persona evaluada
- Edita el borrador — contrasta cada afirmación con tu propio criterio
- Si de verdad no cambias nada, marca la casilla de autoría de forma deliberada
- Comprueba que el panel de transparencia de señales muestra lo que esperas antes de enviar
Y ahora qué
- Fuentes de señales de trabajo — conecta GitLab para que los borradores citen trabajo real entregado
- Evidencia SOC 2 y exportaciones — cómo ve un auditor la marca de asistencia por IA