Misiunea 6 · Evaluare bazată pe dovezi
Notați ceea ce susține transcrierea, nu ceea ce își imaginează modelul.
Produceți o revizuire delimitată asistată de AI, cu dovezi ale transcripției citate, incertitudine explicită, rezumate faptice, acțiuni recomandate și o cale de trecere umană.
Revizuirea AI este consultativă. Nu înlocuiește QA uman și nu trebuie să ia decizii cu impact mare în materie de angajare, credit, juridice, medicale sau alte decizii similare.
Secvență de construcție
- Definiți fiecare criteriu de rubrică, scorul mărginit, dovezile de transcriere necesare, raționamentul, încrederea și comportamentul de dovezi lipsă.
- Separați rezumatul faptelor de scorul evaluativ și interziceți angajamentele inventate, faptele clienților sau rezultatele.
- Versiune rubrica, promptul și traseul model utilizat pentru fiecare rezultat.
- Executați regresii de normalizare a scorurilor fixe sub, la și deasupra fiecărei limite de interval acceptate.
- Rulați o transcriere contradictorie și un exemplu de calibrare revizuit de oameni.
- Scrieți scorul, raționamentul, rezumatul și acțiunile următoare înapoi la elementul CRM corect și verificați read-back.
Dovada necesară
- Versiune rubrica, scor structurat JSON și rezultate exacte ale regresiei la limită.
- Citări de transcriere sau un rezultat explicit cu dovezi insuficiente pentru fiecare criteriu.
- Rezultat advers, comparație de calibrare, anulare umană și CRM read-back.
Fișiere și surse de referință
Documentația oficială a furnizorului
Poarta de evaluare
Pasa
Admite: fiecare scor este inspectabil, legat de dovezi, delimitat, versiuneat, testat la limită și reversibil de către un evaluator uman.
Revizui
Revizuire: există rezultate utile, dar citările, incertitudinea, limitele scorului, calibrarea sau anularea umană sunt incomplete.
Eșec greu
Eșec greu: apar dovezi fabricate, punctaj nesusținut, incertitudine ascunsă sau decizii autonome cu impact ridicat.
Trimitere revizuită de oameni