Pon un examen a la IA
Una demostración pulida no explica cómo responde un proceso ante una petición difícil.

Define el aprobado
La guía de evaluación de Anthropic parte de criterios específicos y medibles. Proponemos elegir una tarea y escribir qué debe contener una respuesta útil, qué debe evitar y cuándo parar por falta de información. [1]
Guarda casos difíciles
Crea un pequeño conjunto privado con ejemplos cuyo uso esté autorizado. Incluye datos ausentes, instrucciones contradictorias y solicitudes fuera de alcance. Anota la decisión esperada; no apruebes una explicación solo por su seguridad.
Compara los mismos casos
Tras cambiar instrucciones o modelo, repite los casos y registra versión y errores reales. Conserva los fallos. Una prueba limitada no acredita fiabilidad en todos los idiomas o clientes. Este artículo propone un método, no un resultado comparativo.


