Saber demanar a ChatGPT un correu amb un bon to no demostra que una persona sàpiga decidir si aquest text es pot enviar a un client. Un esborrany aparentment correcte pot incloure una data no confirmada, una condició comercial inexistent, una promesa operativa fora de l’abast o informació que convé no compartir. L’habilitat que interessa observar no és només la redacció: és la revisió humana abans d’utilitzar el resultat.
Una formació en ChatGPT pot comprovar aquesta habilitat amb una prova breu i segura basada en casos ficticis. Cada participant rep una consulta simulada, una font interna creada per a l’exercici i un esborrany deliberadament imperfecte. Després l’ha de corregir, explicar les seves decisions i assenyalar quins aspectes requereixen validació. Així, l’avaluació se centra en el criteri aplicat al lloc de treball, no en la quantitat de prompts utilitzats.
El problema: un text fluid pot continuar sent inadequat
La IA generativa pot ajudar a estructurar una resposta, resumir informació aportada o proposar un to inicial. Tanmateix, la documentació de ChatGPT recomana revisar, corregir i verificar les respostes abans d’utilitzar-les o compartir-les. En una comunicació comercial o d’atenció, aquesta revisió ha de comprovar que cada afirmació rellevant està avalada per la informació disponible i que no es converteix una suposició en un compromís davant del client. [1]
Per això, una prova no hauria de premiar un correu més llarg, persuasiu o elaborat. Ha de mostrar si la persona elimina afirmacions sense fonament, pregunta per les dades absents i distingeix entre allò que pot comunicar i allò que ha d’escalar. Per exemple, si l’esborrany afirma que una incidència quedarà resolta divendres, la resposta esperada no és conservar la frase perquè sona útil, sinó comprovar si la fitxa del cas confirma aquest termini.
Tria un cas únic i de baix risc per a cada perfil
Dissenyar un exercici per funció facilita que la revisió sigui observable. Per a vendes, es pot fer servir una petició fictícia de pressupost; per a atenció al client, una actualització sobre una incidència simulada; i per a administració, una sol·licitud de documentació incompleta. Convé no barrejar els tres llocs en una mateixa prova: cadascun treballa amb autoritzacions, llenguatge i decisions diferents.
El cas s’ha de mantenir en comunicacions de baix risc. És preferible excloure decisions contractuals, compromisos econòmics, reclamacions complexes o missatges que requereixin una validació especialitzada. Un exemple hipotètic: una clienta fictícia pregunta si un servei inclou una integració concreta. La fitxa de l’exercici indica que cal confirmar-ho amb la persona responsable tècnica. Si ChatGPT redacta que la integració està inclosa, la persona participant ha de retirar aquesta afirmació i plantejar el pas següent de validació.
- Defineix una persona destinatària, un objectiu i un context ficticis.
- Indica quina persona o rol pot validar preus, terminis, abast o condicions.
- Limita el material a dades simulades i evita connectar-lo a bústies de correu, CRM o automatitzacions reals.
Prepara un paquet de prova amb una font autoritzada
El paquet pot incloure quatre elements: el missatge inicial del client fictici, una fitxa interna vigent per a l’exercici, l’esborrany generat amb IA i una instrucció de treball. La fitxa interna és la font autoritzada de la prova. Si una dada no hi apareix, la persona no l’ha de completar per intuïció ni demanar a l’eina que se la inventi: ha de deixar constància que necessita confirmació.
Introdueix entre dos i quatre problemes deliberats en l’esborrany perquè la tasca exigeixi revisar i no només reescriure. Poden ser una data sense confirmar, un servei inclòs que no consta a la fitxa, una petició de dades innecessàries o un to poc adequat. Les funcions de ChatGPT poden variar segons el pla, la plataforma, la regió i la configuració de l’espai de treball; per això, la prova ha d’avaluar una conducta de revisió que no depengui d’una funció concreta de l’eina. [1]
- Inclou una instrucció expressa de no copiar dades reals de clients, operacions, preus, credencials o converses internes.
- Separa visualment la fitxa autoritzada de l’esborrany que s’ha de revisar.
- Aclareix que l’objectiu és detectar límits i corregir, no aconseguir una resposta aparentment perfecta.
Avalua decisions de revisió amb una rúbrica senzilla
Una rúbrica comuna redueix la subjectivitat i permet comparar exercicis. Pot utilitzar tres nivells per criteri: compleix, requereix correcció i no compleix. Avalua l’exactitud, la identificació de la informació pendent, el tractament prudent de les dades i la utilitat comunicativa. Aquesta última dimensió observa si la resposta té un to adequat, explica el pas següent i s’adreça correctament a la persona destinatària.
El marc AI RMF de NIST planteja definir mesures vinculades al context d’ús i documentar els conjunts de prova, els mètodes i els resultats de l’avaluació. Aplicat a aquesta formació, convé conservar el cas utilitzat, la versió inicial, la versió revisada, la rúbrica i una nota breu amb el motiu de cada canvi. No es tracta de convertir l’exercici en una auditoria complexa, sinó de disposar d’evidència útil per millorar la pràctica. [3]
- Exactitud: corregeix o matisa allò que la fitxa no avala.
- Informació pendent: identifica què falta abans de confirmar preu, termini, abast o solució.
- Confidencialitat i límits: elimina dades innecessàries i indica quan ha de consultar una persona responsable autoritzada.
Compara versions i repeteix amb un cas nou
La comparació entre el primer esborrany i la versió revisada revela millor l’aprenentatge que una valoració del text final aïllat. Demana a cada participant que marqui els canvis i expliqui, en una o dues frases, per què els ha fet. Així es pot distingir una correcció d’estil d’una decisió rellevant: retirar un compromís no autoritzat, sol·licitar informació addicional o dirigir la consulta al rol que l’ha d’aprovar.
Fes una segona prova posterior amb un supòsit diferent, no amb el mateix exercici memoritzat. Una persona responsable de vendes, suport o qualitat pot revisar una mostra juntament amb la persona formadora, sempre sobre esborranys no enviats o casos simulats. NIST preveu la participació d’especialistes de domini i de persones que no han desenvolupat directament la solució en els processos d’avaluació. Els errors que es repeteixin serviran per ajustar els exemples i les pràctiques de la formació següent. [3]
Preguntes freqüents
Quins errors convé incloure en un esborrany fictici generat amb ChatGPT?
Inclou errors que la persona pugui detectar amb la fitxa del cas: una data no confirmada, una condició no indicada, una promesa fora de l’abast, una petició d’informació innecessària o un pas següent mal assignat. Evita escenaris d’alt risc o que exigeixin una valoració legal, financera o especialitzada.
Com es mesura si la formació en ChatGPT s’ha traslladat al lloc de treball?
Pots repetir l’avaluació amb un cas fictici nou i aplicar la mateixa rúbrica. Observa si la persona detecta afirmacions no avalades, demana dades abans de respondre i deriva les validacions a la persona responsable corresponent. La comparació ha de servir per orientar reforços formatius, no per prometre resultats automàtics.
Cal fer servir dades reals de clients per avaluar la revisió humana?
No. Les dades simulades redueixen l’exposició innecessària d’informació i permeten controlar quina resposta està avalada. A més, en espais de treball gestionats, l’accés a eines i dades depèn de membres, rols, permisos i polítiques configurades; l’autenticació per si sola no substitueix aquests controls.