Cómo medir si la IA es útil

La utilidad se mide en los resultados del usuario. Defina criterios antes de ver las respuestas en lugar de cambiar las reglas después.

Puedes seguir este curso sin cuenta ni programación. Los ejemplos utilizan datos sintéticos y es necesario comprobar los resultados de la IA.

Cómo funciona, paso a paso

Defina el éxito antes de optimizar

Preparar solicitudes representativas y respuestas o propiedades esperadas. Incluya casos comunes, ambigüedad, datos faltantes y errores de herramientas. Para RAG, mida la recuperación de evidencia por separado de la corrección de las respuestas. Recall@k mide la proporción de evidencia relevante encontrada en los primeros k resultados; precision@k mide la proporción de resultados devueltos que son relevantes. Para los agentes, también realice un seguimiento de las acciones, los permisos y las detenciones. Un LLM como juez puede acelerar la evaluación, pero necesita una calibración con respecto a los humanos. No cambie el indicador, el modelo y el índice simultáneamente si desea comprender qué mejoró los resultados.

La fluidez y la verdad se verifican por separado.

Una alucinación es un contenido incorrecto o sin fundamento presentado como respuesta. Puede surgir por falta de información, ambigüedad o patrones combinados incorrectamente. Solicite evidencia y verifique el documento original, fecha, unidades y condiciones. Es posible que una cita real aún no respalde el reclamo. Utilice fuentes actuales para hechos actuales, una calculadora para aritmética y “no pueda determinar” cuando faltan pruebas. No trate la confianza expresada en prosa como una probabilidad calibrada.

El costo pertenece a todo el camino.

Cuente llamadas de modelos, tokens de entrada y salida, incorporaciones, reclasificación, visión y herramientas. El razonamiento puede consumir tokens facturables sin una respuesta visible igualmente larga. Los costos de indexación y los costos de conversación difieren. Utilice precios actuales en lugar de un número permanente de un curso. Una estimación simple es tokens/1.000.000 × precio más operaciones adicionales; Los créditos de la aplicación pueden tener su propia conversión. Compare el costo por tarea exitosa, no solo por llamada. La ejecución paralela puede reducir la latencia y al mismo tiempo aumentar el consumo total. Un presupuesto necesita una condición de parada verificada.

El esquema explicativo

Siga las flechas sólidas para el flujo principal. Las flechas azules discontinuas proporcionan datos o contexto; Las flechas discontinuas de color rosa muestran comentarios o resultados devueltos. Colores y formas distinguen modelos, tiendas, decisiones y resultados. En pantallas pequeñas, desplázate horizontalmente para seguir todo el esquema.

Un ejemplo completo

Para las preguntas frecuentes, puntúe la fecha límite correcta, las condiciones preservadas, la claridad y la ausencia de afirmaciones inventadas. La prosa elegante con una fecha límite equivocada no cumple el criterio crítico.

Pruébalo tú mismo

1. Cree una rúbrica para 20 solicitudes y especifique qué fallas bloquean el lanzamiento.
2. Registre la entrada, la fuente y el resultado esperado antes de ejecutar el experimento. Utilice únicamente los datos ficticios del ejemplo.
3. Siga las etapas del diagrama. En cada paso registre qué información se recibe y se produce; No confunda el resultado intermedio con el resultado final.
4. Repita después de eliminar la información necesaria o hacer que la entrada sea ambigua. Compruebe si el sistema aclara, detiene o inventa una respuesta.
5. Comparar con la solución explicada. Conserve la configuración, fecha, resultado y una explicación de las diferencias. Cambie una cosa y vuelva a probar.

Una solución explicada

La rúbrica separa los criterios requeridos de las preferencias de estilo y permite comparaciones repetibles. Un ejercicio exitoso le permite mostrar la conexión entre los aportes, las etapas y el resultado. Cuando falta información, una respuesta cautelosa es más útil que detalles inventados. Compare más que estilo: compruebe también las condiciones, las fuentes y las operaciones.

Cuándo resulta útil y cuáles son sus límites

Un promedio puede ocultar un fallo raro pero importante. Elija este enfoque cuando mejore una necesidad medida. Mantenga una línea de base simple y compare los resultados utilizando insumos idénticos. Un ejemplo exitoso no establece confiabilidad en todas las situaciones.

Comprueba lo que has aprendido

¿Un buen puntaje de estilo demuestra el éxito del agente?

No. El agente puede escribir maravillosamente después de utilizar la herramienta o los datos incorrectos.

¿Es suficiente un enlace en una respuesta?

No; debe respaldar el reclamo específico y adaptarse al momento y las circunstancias.

¿Qué resultado debería producir este ejercicio?

La rúbrica separa los criterios requeridos de las preferencias de estilo y permite comparaciones repetibles.

Términos que conviene recordar

• Regresión / Regresión: Un cambio que rompe un caso previamente correcto.
• Toma de tierra: Fundamentar una respuesta en evidencia verificable.
• Latență / Latencia: Tiempo hasta un resultado útil.

Fuentes y su próximo paso

• LangGraph — Flujos de trabajo y agentes
• Hugging Face — LLM Course
• OpenRouter — tokens de razonamiento

Para preparar: U02 — Patio de juegos como laboratorio · D04 — Buenas preguntas para probar RAG