GradeLab vs Lettria

GradeLab es una plataforma de evaluación creada para escuelas, universidades, centros de capacitación y organismos gubernamentales que necesitan calificar exámenes escritos a mano y digitales de manera más rápida sin perder el control del docente. Carga hojas de respuestas escaneadas o realiza pruebas en línea, y el sistema aplica tus rúbricas para puntuar ensayos, matemáticas, diagramas y documentos de formato mixto, señalando cualquier elemento que requiera revisión humana.

Lo que la distingue es su enfoque en flujos de trabajo reales de exámenes: OCR entrenado en la escritura a mano de los estudiantes en más de 30 idiomas, calificación en pantalla para examinadores distribuidos, generación de preguntas desde PDFs, formato de papel de examen en LaTeX y APIs REST para integraciones con LMS y EdTech. Las instituciones pueden implementarlo en sus propias instalaciones para que los datos de los exámenes permanezcan dentro de su red.

GradeLab está dirigido a escuelas K-12, departamentos de educación superior, centros de preparación para exámenes, equipos de formación corporativa y programas de evaluación del sector público que manejan grandes volúmenes de papel y desean una calificación constante con análisis que padres y administradores realmente puedan entender.

Lettria construye una capa de contexto gráfico que convierte documentos empresariales y bases de datos en grafos de conocimiento respaldados por ontologías para equipos de automatización. Su producto Knowledge Studio GraphRAG analiza PDFs, tablas, exportaciones de SAP y anexos escaneados, luego responde preguntas de múltiples saltos con citas de fuentes. Perseus es la plataforma de desarrollo para generar ontologías y grafos sin modelar manualmente cada entidad.

Las herramientas Vector RAG recuperan fragmentos similares; Lettria sigue relaciones explícitas a través de datos estructurados y no estructurados. La empresa publica comparativas de referencia que muestran agentes gráficos con un 81.7% de precisión general frente al 57.5% de los agentes vectoriales, además de afirmaciones de texto a gráfico con un 30% más de precisión y hasta 400 veces más rápida extracción que los LLM generales. Esa compensación favorece a los equipos regulados que necesitan auditorías en lugar de una búsqueda semántica rápida.

Grupos de finanzas, salud, legal e ingeniería usan Lettria para informes ESG, literatura biomédica, corpus de contratos y manuales técnicos. Los estudios de caso citan a Alfa Laval (+30% de precisión en extracción), AP-HP (+60% de rapidez en investigación) y Wisecube procesando 108 GB de texto biomédico en más de 500 clases monitoreadas.