Cómo TAL Education Group escala el aprendizaje impulsado por IA con Milvus
Búsqueda semántica en milisegundos
Recuperación instantánea en miles de millones de vectores, reemplazando la lenta coincidencia difusa
Mayor precisión en la calificación
Comprensión semántica más precisa para respuestas abiertas y multimodales de los estudiantes
Mayor calidad de las recomendaciones
La búsqueda vectorial de alta recuperación muestra contenido relevante que la búsqueda por palabras clave pasa por alto
Aceleraciones de extremo a extremo
Canales de calificación, recuperación y recomendación más rápidos con latencia general reducida
Acerca de TAL Education Group
TAL Education Group (NYSE: TAL) es una de las principales empresas de tecnología educativa de Asia, que presta servicio a millones de estudiantes y familias. Fundada en 2003 y cotizada en la Bolsa de Nueva York en 2010, TAL ha crecido desde su negocio de tutorías Xueersi hasta convertirse en una amplia cartera de productos de aprendizaje digital, incluidos Xueersi.com, Xueersi Smart Devices, MathGPT y otras marcas educativas impulsadas por la tecnología, todos diseñados para apoyar a los estudiantes en casa y en entornos de aulas digitales.
A medida que TAL se expandía más profundamente en el aprendizaje impulsado por IA —abarcando tutoría personalizada, calificación automatizada, recomendación de contenido y recuperación de conocimiento multimodal—, la empresa necesitaba una nueva infraestructura de datos capaz de respaldar estas cargas de trabajo intensivas en cómputo a escala. Al elegir Milvus como base para su plataforma de recuperación vectorial, TAL obtuvo el rendimiento, la escalabilidad y la flexibilidad necesarios para impulsar una calificación más rápida, recomendaciones más precisas y una búsqueda semántica más inteligente en todos sus productos. Milvus ahora desempeña un papel clave en el apoyo a la misión más amplia de TAL: ofrecer experiencias de aprendizaje de alta calidad, impulsadas por la tecnología, que sean accesibles, eficientes y eficaces para cada estudiante.
Desafíos que enfrentan los sistemas de aprendizaje impulsados por IA de TAL
TAL está implementando IA en varios escenarios de enseñanza fundamentales: calificación automatizada, recomendaciones de recursos de aprendizaje y recuperación de documentos basada en vectores. Pero a medida que estos servicios escalaban, la empresa alcanzó rápidamente los límites de los sistemas de datos tradicionales. La educación en línea moderna genera enormes volúmenes de contenido complejo y multimodal, mientras que la calificación impulsada por IA requiere tanto un alto rendimiento como una comprensión profunda de las respuestas de los estudiantes. Estas presiones pusieron de manifiesto problemas estructurales que la infraestructura heredada simplemente no podía abordar.
1. Crecimiento explosivo de los datos multimodales
TAL procesa cientos de miles de nuevas preguntas y respuestas cada día en distintas materias, niveles escolares y formatos, incluidas imágenes, diagramas y fórmulas escritas a mano. Esta afluencia constante de datos lleva a las bases de datos tradicionales más allá de su capacidad para indexar y recuperar datos de manera eficiente. A medida que crecen las plataformas de aprendizaje digital de TAL, el backend debe escalar sin problemas para respaldar las crecientes demandas de almacenamiento, la recuperación vectorial de alto rendimiento y los picos repentinos de tráfico durante exámenes y períodos de aprendizaje de máxima actividad, todo ello sin comprometer el rendimiento ni la disponibilidad.
2. Ineficiencias operativas en el proceso de calificación
La calificación humana no puede seguir el ritmo de la escala del aprendizaje en línea moderno. Una sola prueba puede llevarle a un profesor entre 15 y 20 minutos evaluarla, y las preguntas subjetivas a menudo generan puntuaciones inconsistentes entre calificadores. A la escala de TAL, esto da lugar a cuellos de botella en la calificación y consume un valioso tiempo docente que podría redirigirse hacia la instrucción personalizada.
Además, TAL mantiene una vasta biblioteca de explicaciones, soluciones y materiales de aprendizaje, pero estos activos están dispersos entre distintos sistemas. Sin una recuperación inteligente, los recursos de alta calidad permanecen infrautilizados, creando brechas entre la creación de contenido y las necesidades reales de los estudiantes.
3. Altos requisitos de precisión para la retroalimentación impulsada por IA
La calificación con IA debe hacer más que coincidir palabras clave: debe comprender el significado. Los sistemas de TAL necesitan identificar equivalencia semántica, interpretar diversas formas de expresión y calificar a los estudiantes de manera justa y consistente. Cualquier explicación generada debe ser precisa, pedagógicamente sólida y apropiada para la edad. Para respaldar esto, TAL requiere un grafo de conocimiento robusto que vincule cada pregunta con los conceptos adecuados y mapee sus relaciones. Los sistemas tradicionales no están diseñados para respaldar este nivel de razonamiento semántico a escala.
Impulsando los sistemas de calificación y aprendizaje con IA de TAL con Milvus
A medida que TAL escalaba sus servicios de calificación y aprendizaje impulsados por IA, necesitaba una infraestructura vectorial capaz de soportar cargas de trabajo masivas de embeddings con alta precisión y capacidad de respuesta en tiempo real. Tras evaluar múltiples soluciones, TAL seleccionó Milvus como el motor central de su plataforma de datos vectoriales.
Sobre Milvus, TAL construyó una arquitectura modular que garantiza una alta calidad de los datos, una integración fluida con las aplicaciones y una mejora continua del sistema.
Canalización de procesamiento de datos: datos limpios, consistentes y listos para vectores
La canalización de procesamiento de datos de TAL constituye la base de todo el sistema. Las preguntas, respuestas y materiales de aprendizaje se ingieren desde múltiples fuentes, incluidas API, cargas por lotes y extracción OCR de imágenes o escritura a mano. Una vez ingerido, todo el contenido pasa por normalización, extracción de características y controles de calidad antes de transformarse en embeddings vectoriales. Esta canalización garantiza que todo lo almacenado en Milvus sea limpio, consistente y esté optimizado para una recuperación semántica de alta calidad.
Base de datos vectorial Milvus: recuperación de alto rendimiento a escala de miles de millones
En el centro de la arquitectura de TAL se encuentra la base de datos vectorial Milvus, que ofrece almacenamiento vectorial a escala de miles de millones y búsqueda semántica de alto rendimiento. La arquitectura distribuida de Milvus y la indexación de vecinos más cercanos aproximados (ANN) permiten a TAL servir consultas de similitud en milisegundos, incluso entre cientos de millones y miles de millones de embeddings. La estrategia multiíndice de Milvus ayuda a TAL a equilibrar velocidad y precisión, mientras que MySQL almacena metadatos estructurados como control de versiones y asignaciones de índices. Esto mantiene los datos vectoriales y los datos relacionales estrechamente sincronizados.
Hoy, este despliegue de Milvus gestiona más de 1B de vectores en más de 20 colecciones, con un único clúster que maneja millones de solicitudes de recuperación al día.
Servicios de aplicación: convertir la recuperación vectorial en impacto educativo
La capa de servicios de aplicación convierte las capacidades de Milvus en un impacto educativo real.
Calificación con IA: Utiliza similitud semántica para evaluar las respuestas de los estudiantes y generar explicaciones.
Recomendaciones: Encuentra preguntas similares adaptadas al nivel de aprendizaje y al progreso de un estudiante.
Deduplicación de contenido: Detecta contenido repetitivo o redundante para mantener la calidad del banco de preguntas.
Cada servicio depende de la capacidad de Milvus para ofrecer una recuperación rápida y precisa a escala, garantizando que estudiantes y educadores reciban resultados oportunos, personalizados y consistentes.
Marco de evaluación de calidad: un circuito cerrado para la mejora continua
Para mantener la fiabilidad a escala, TAL creó un marco de evaluación continua de la calidad en todo el sistema. Cada resultado de calificación generado por IA recibe una puntuación de confianza basada en la similitud semántica, el rendimiento histórico y los comentarios de los docentes. Estas señales alimentan un circuito estructurado de retroalimentación que identifica anomalías, ajusta la lógica de puntuación, actualiza los parámetros del modelo y mejora la calidad de la recuperación con el tiempo.
Este mecanismo de circuito cerrado garantiza que el sistema se vuelva más preciso a medida que crece el uso, en lugar de degradarse bajo cargas de trabajo más pesadas.
Mejoras reales de rendimiento y nuevas posibilidades impulsadas por Milvus
Tras desplegar Milvus en sus entornos de nube híbrida, TAL observó rápidamente mejoras importantes en el rendimiento del sistema y en la calidad de las experiencias de aprendizaje impulsadas por IA.
Recuperación a nivel de milisegundos a escala de miles de millones
Milvus ahora maneja miles de millones de vectores con búsqueda semántica a nivel de milisegundos, reemplazando los lentos métodos de coincidencia aproximada que antes frenaban la calificación con IA, las recomendaciones y la recuperación de contenido. Con Milvus implementado, los resultados llegan más rápido, la precisión aumenta y docentes y estudiantes obtienen respuestas más consistentes en todos los ámbitos.
Mayor precisión y mayor estabilidad
La búsqueda de similitud vectorial de Milvus proporciona a TAL una comprensión mucho más profunda de las respuestas de los estudiantes. En comparación con sus sistemas anteriores, Milvus ofrece:
Resultados de recuperación más precisos, especialmente para preguntas abiertas y multimodales
Recuperación de mayor calidad, mostrando contenido relevante que la búsqueda por palabras clave no puede igualar
Rendimiento estable a escala de miles de millones, incluso durante los periodos pico de exámenes
Procesamiento integral más rápido, reduciendo la latencia para la calificación y las recomendaciones
Estos avances elevan no solo la eficiencia del sistema, sino también la calidad instructiva, lo que permite que la IA comprenda mejor la intención del estudiante y responda con mayor relevancia pedagógica.
Desbloqueando nuevas capacidades de IA en todo el ecosistema
Más allá de acelerar los procesos existentes, Milvus permitió una oleada de nuevas funcionalidades en las plataformas de aprendizaje de TAL:
Calificación con IA: Una correspondencia semántica más precisa mejora la consistencia de las puntuaciones y la calidad de las explicaciones.
Plataforma interna de mensajería instantánea: Una recuperación de documentos más rápida y relevante mejora la colaboración y la reutilización de contenido.
Preguntas y respuestas de la base de conocimientos: La recuperación precisa a nivel de fragmento ofrece respuestas que la búsqueda por palabras clave nunca podría mostrar.
Impulsando la equidad y la eficiencia educativas
Las mejoras de Milvus se traducen en beneficios reales en el aula. Una calificación con IA más rápida y fiable reduce la carga de trabajo del profesorado y crea puntuaciones más consistentes para grupos grandes de estudiantes. Una mejor recuperación semántica facilita encontrar y reutilizar recursos de aprendizaje de alta calidad. En conjunto, estas mejoras ayudan a TAL a ofrecer un apoyo más personalizado y equitativo a cada estudiante.
Mayor eficiencia operativa y observabilidad
Para los equipos de ingeniería, Milvus también simplifica las operaciones del día a día. La consola web Attu, la herramienta oficial de administración de Milvus, hace que la inspección de vectores y la gestión de colecciones sean más intuitivas, reduciendo la sobrecarga operativa. Al mismo tiempo, las integraciones con Prometheus + Alertmanager proporcionan una visibilidad profunda de la latencia, el estado de los nodos, la utilización del almacenamiento y los patrones de error. Esta observabilidad ayuda a TAL a mantener servicios estables y predecibles, incluso durante aumentos repentinos de tráfico y grandes ciclos de exámenes.
Qué sigue: Crecer con Milvus y la comunidad
Con Milvus firmemente implementado en varios equipos, TAL ahora mira hacia cómo la búsqueda vectorial puede apoyar aún más sus iniciativas de IA. Ejecutar Milvus a escala de miles de millones le ha dado a los ingenieros de TAL una visión clara de lo que funciona bien y de dónde nuevas mejoras podrían generar un impacto aún mayor.
TAL planea mantenerse activo en la comunidad de Milvus: compartiendo conocimientos reales de producción, dando retroalimentación sobre nuevas funciones y trabajando estrechamente con los colaboradores para dar forma a la próxima ola de capacidades de bases de datos vectoriales. Mejoras como una migración de datos entre clústeres más sencilla y una optimización continua del rendimiento harían aún más fácil para TAL introducir Milvus en más productos.
Para mantener los servicios críticos funcionando sin problemas, TAL también opera Zilliz Cloud, el servicio Milvus totalmente gestionado, junto con su implementación de Milvus de código abierto. Esta configuración dual activa proporciona al equipo una fiabilidad adicional durante las actualizaciones o los periodos de alto tráfico y garantiza que estudiantes y docentes siempre tengan una experiencia de aprendizaje estable.
A medida que TAL continúa creando herramientas de IA más inteligentes y escalables para la educación, Milvus seguirá siendo una parte clave de su pila tecnológica, ayudando a la empresa a ofrecer soluciones de aprendizaje más rápidas, inteligentes y fiables para millones de familias.
Nota: Este estudio de caso fue escrito por Zhiming Huang y Muzi Lee, los científicos de datos sénior de TAL Education Group, y se traduce, edita y republica aquí con permiso.
- Acerca de TAL Education Group
- Desafíos que enfrentan los sistemas de aprendizaje impulsados por IA de TAL
- Impulsando los sistemas de calificación y aprendizaje con IA de TAL con Milvus
- Mejoras reales de rendimiento y nuevas posibilidades impulsadas por Milvus
- Qué sigue: Crecer con Milvus y la comunidad
Contenido
Industria
Educación