Saber pedir a ChatGPT un correo con buen tono no demuestra que una persona sepa decidir si ese texto puede enviarse a un cliente. Un borrador aparentemente correcto puede incluir una fecha no confirmada, una condición comercial inexistente, una promesa operativa fuera de alcance o información que conviene no compartir. La habilidad que interesa observar no es solo la redacción: es la revisión humana antes de usar el resultado.
Una formación en ChatGPT puede comprobar esta habilidad con una prueba breve y segura basada en casos ficticios. Cada participante recibe una consulta simulada, una fuente interna creada para el ejercicio y un borrador deliberadamente imperfecto. Después debe corregirlo, explicar sus decisiones y señalar qué aspectos requieren validación. Así, la evaluación se centra en el criterio aplicado al puesto, no en la cantidad de prompts utilizados.
El problema: un texto fluido puede seguir siendo inadecuado
La IA generativa puede ayudar a estructurar una respuesta, resumir información aportada o proponer un tono inicial. Sin embargo, la documentación de ChatGPT recomienda revisar, corregir y verificar las respuestas antes de utilizarlas o compartirlas. En una comunicación comercial o de atención, esa revisión debe comprobar que cada afirmación relevante está respaldada por la información disponible y que no se convierte una suposición en un compromiso frente al cliente. [1]
Por ello, una prueba no debería premiar un correo más largo, persuasivo o elaborado. Debe mostrar si la persona elimina afirmaciones no sustentadas, pregunta por los datos ausentes y distingue entre lo que puede comunicar y lo que debe escalar. Por ejemplo, si el borrador afirma que una incidencia quedará resuelta el viernes, la respuesta esperada no es conservar la frase por sonar útil, sino comprobar si la ficha del caso confirma ese plazo.
Escoge un caso único y de bajo riesgo para cada perfil
Diseñar un ejercicio por función facilita que la revisión sea observable. Para ventas, puede emplearse una petición ficticia de presupuesto; para atención al cliente, una actualización sobre una incidencia simulada; y para administración, una solicitud de documentación incompleta. Conviene no mezclar los tres puestos en una misma prueba: cada uno trabaja con autorizaciones, lenguaje y decisiones distintas.
El caso debe mantenerse en comunicaciones de bajo riesgo. Es preferible excluir decisiones contractuales, compromisos económicos, reclamaciones complejas o mensajes que requieran una validación especializada. Un ejemplo hipotético: una clienta ficticia pregunta si un servicio incluye una integración concreta. La ficha del ejercicio indica que debe confirmarse con el responsable técnico. Si ChatGPT redacta que la integración está incluida, la persona participante debe retirar esa afirmación y plantear el siguiente paso de validación.
- Define un destinatario, un objetivo y un contexto ficticios.
- Indica qué persona o rol puede validar precios, plazos, alcance o condiciones.
- Limita el material a datos simulados y evita conectarlo a buzones, CRM o automatizaciones reales.
Prepara un paquete de prueba con una fuente autorizada
El paquete puede incluir cuatro elementos: el mensaje inicial del cliente ficticio, una ficha interna vigente para el ejercicio, el borrador generado con IA y una instrucción de trabajo. La ficha interna es la fuente autorizada de la prueba. Si un dato no aparece allí, la persona no debe completarlo por intuición ni pedir a la herramienta que lo invente: debe dejar constancia de que necesita confirmación.
Introduce entre dos y cuatro problemas deliberados en el borrador para que la tarea exija revisar y no solo reescribir. Pueden ser una fecha sin confirmar, un servicio incluido que no figura en la ficha, una petición de datos innecesarios o un tono poco adecuado. Las funciones de ChatGPT pueden variar según el plan, la plataforma, la región y la configuración del espacio de trabajo; por eso, la prueba debe evaluar una conducta de revisión que no dependa de una función concreta de la herramienta. [1]
- Incluye una instrucción expresa de no copiar datos reales de clientes, operaciones, precios, credenciales o conversaciones internas.
- Separa visualmente la ficha autorizada del borrador que debe revisarse.
- Aclara que el objetivo es detectar límites y corregir, no lograr una respuesta aparentemente perfecta.
Evalúa decisiones de revisión con una rúbrica sencilla
Una rúbrica común reduce la subjetividad y permite comparar ejercicios. Puede usar tres niveles por criterio: cumple, requiere corrección y no cumple. Evalúa la exactitud, la identificación de información pendiente, el tratamiento prudente de datos y la utilidad comunicativa. Esta última dimensión observa si la respuesta tiene un tono apropiado, explica el siguiente paso y se dirige correctamente a la persona destinataria.
El marco AI RMF de NIST plantea definir medidas ligadas al contexto de uso y documentar los conjuntos de prueba, métodos y resultados de evaluación. Aplicado a esta formación, conviene conservar el caso utilizado, la versión inicial, la versión revisada, la rúbrica y una nota breve con el motivo de cada cambio. No se trata de convertir el ejercicio en una auditoría compleja, sino de disponer de evidencia útil para mejorar la práctica. [3]
- Exactitud: corrige o matiza lo que la ficha no respalda.
- Información pendiente: identifica qué falta antes de confirmar precio, plazo, alcance o solución.
- Confidencialidad y límites: elimina datos innecesarios e indica cuándo debe consultar a un responsable autorizado.
Compara versiones y repite con un caso nuevo
La comparación entre el primer borrador y la versión revisada revela mejor el aprendizaje que una valoración del texto final aislado. Pide a cada participante que marque los cambios y explique, en una o dos frases, por qué los realizó. Así se puede distinguir una corrección de estilo de una decisión relevante: retirar un compromiso no autorizado, solicitar información adicional o dirigir la consulta al rol que debe aprobarla.
Realiza una segunda prueba posterior con un supuesto diferente, no con el mismo ejercicio memorizado. Un responsable de ventas, soporte o calidad puede revisar una muestra junto con la persona formadora, siempre sobre borradores no enviados o casos simulados. NIST contempla la participación de especialistas de dominio y de personas que no desarrollaron directamente la solución en los procesos de evaluación. Los errores que se repitan servirán para ajustar los ejemplos y las prácticas de la siguiente formación. [3]
Preguntas frecuentes
¿Qué errores conviene incluir en un borrador ficticio generado con ChatGPT?
Incluye errores que la persona pueda detectar con la ficha del caso: una fecha no confirmada, una condición no indicada, una promesa fuera de alcance, una petición de información innecesaria o un siguiente paso mal asignado. Evita escenarios de alto riesgo o que exijan valoración legal, financiera o especializada.
¿Cómo se mide si la formación en ChatGPT se ha trasladado al puesto?
Puedes repetir la evaluación con un caso ficticio nuevo y aplicar la misma rúbrica. Observa si la persona detecta afirmaciones no respaldadas, solicita datos antes de responder y deriva las validaciones al responsable correspondiente. La comparación debe servir para orientar refuerzos formativos, no para prometer resultados automáticos.
¿Hace falta usar datos reales de clientes para evaluar la revisión humana?
No. Los datos simulados reducen la exposición innecesaria de información y permiten controlar qué respuesta está respaldada. Además, en espacios de trabajo gestionados, el acceso a herramientas y datos depende de miembros, roles, permisos y políticas configuradas; la autenticación por sí sola no sustituye esos controles.