Artículo
AA-PersonalityBench compara estilos
Artificial Analysis presentó AA-PersonalityBench el 19 de octubre de 2026, con resultados fechados al 20. La propuesta abre una conversación útil para quienes eligen asistentes: una respuesta puede resultar agradable, clara o convincente y todavía necesitar comprobación. Evaluar cómo está escrita y comprobar lo que afirma requieren criterios distintos.
Para llevar esa distinción al trabajo, construiremos una rúbrica: una tabla con criterios explícitos para revisar respuestas. Usaremos dos textos ficticios de atención al cliente. No son respuestas de modelos, pruebas ejecutadas ni resultados del benchmark. El objetivo es aprender a justificar una preferencia de estilo sin convertirla en una garantía sobre los datos.
Qué se está comparando y bajo qué condiciones
Cada modelo responde una vez por pregunta, sin instrucciones de sistema: 30 preguntas por rasgo, 30 rasgos, 900 en total. Son preguntas de una evaluación, no novecientas personas ni novecientas empresas. Conviene conservar esa unidad de análisis al explicar el tamaño del conjunto.
Una instrucción de sistema puede establecer reglas para un asistente: su función, el tono esperado o cómo debe manejar información faltante. Comparar su comportamiento sin esas instrucciones responde una pregunta diferente de revisar un asistente ya configurado para una empresa. No representa una configuración empresarial personalizada.
Si tu equipo busca un tono sobrio, puede escribir primero qué entiende por sobriedad. Por ejemplo: responder la pregunta antes de añadir contexto, evitar elogios innecesarios y distinguir lo confirmado de lo pendiente. Esos criterios serían decisiones propias del equipo, sin asumir que coinciden con las definiciones del evaluador.
Antes de elegir una herramienta, separa dos objetivos: describir su forma habitual de responder y comprobar si satisface una tarea concreta con tus reglas. El primer objetivo puede orientar preguntas para el segundo; no lo sustituye.
Una comparación por pares necesita una pregunta precisa
Otros modelos de IA comparan pares de respuestas con nombres de modelo ocultos, orden aleatorio y distribución equilibrada entre jueces. Para comprender el mecanismo, piensa en la diferencia entre preguntar qué texto resulta más fácil de recorrer y preguntar qué texto tiene datos correctos. La respuesta a una pregunta no resuelve automáticamente la otra.
En una revisión propia, mostrar dos textos sin su procedencia puede ayudar a centrar la discusión en lo que está escrito. Pero ocultar el nombre tampoco elimina por sí solo los desacuerdos. Un equipo necesita explicar qué evidencia del texto respalda su elección y permitir que otra persona revise ese razonamiento.
Una pregunta demasiado amplia, como cuál texto es mejor, mezcla criterios. Alguien puede preferir brevedad mientras otra persona valora una explicación extensa. Es más útil preguntar si la respuesta identifica la acción siguiente, si presenta una condición importante antes de la despedida o si obliga a releer para encontrar lo esencial.
Rúbrica ficticia: responder sin inventar una confirmación
Imaginemos a la tienda ficticia Faro Norte. Una clienta solicita cambiar el horario de entrega. Para este ejercicio sólo existe una nota inventada que acredita la recepción de la solicitud; no hay confirmación del nuevo horario. Redactamos dos alternativas propias para discutirlas en clase.
Texto A, inventado: Ya cambiamos tu entrega al viernes por la tarde. Todo está resuelto. Gracias por confiar en nosotros.
Texto B, inventado: Recibimos tu solicitud de cambio. El horario del viernes todavía está pendiente de confirmación. Te comunicaremos el horario cuando esté confirmado.
El texto A suena definitivo y puede ser fácil de leer. Sin embargo, su confirmación no está respaldada por la nota del ejercicio. El B distingue recepción y confirmación, aunque antes de utilizarlo habría que comprobar que la organización realmente puede cumplir el seguimiento prometido. No hemos enviado ninguno.
| Dimensión | Pregunta de revisión | Evidencia que usaríamos | Lo que queda separado |
|---|---|---|---|
| Claridad | ¿Se entiende el estado de la solicitud? | Las frases concretas que describen ese estado. | Que el estado comunicado sea verdadero. |
| Tono | ¿Trata a la clienta con respeto? | Las palabras y fórmulas elegidas. | La existencia de una reserva confirmada. |
| Organización | ¿La condición pendiente aparece a tiempo? | El orden de la información. | La capacidad de cumplir la promesa. |
| Verificación factual | ¿Cada afirmación tiene respaldo? | La nota ficticia y el dato que aún falta. | Que una redacción resulte más atractiva. |
La última fila funciona como una revisión aparte. No conviene compensar una confirmación inventada con puntos por amabilidad. Tampoco hace falta declarar un ganador general: podemos preferir la estructura de un texto y rechazar una de sus afirmaciones.
Leer un percentil sin convertirlo en exactitud
Los percentiles son relativos al conjunto evaluado, no porcentajes de acierto. Una posición dentro de un grupo responde dónde queda un resultado respecto de otros. Una tasa de aciertos responde cuántas respuestas cumplen una condición comprobada. Para interpretar una cifra hay que saber cuál de esas preguntas está contestando.
En nuestra rúbrica, decir que un texto parece más cálido no establece que su afirmación esté respaldada. Del mismo modo, un criterio llamado transparencia necesita una definición: ¿se reconoce una información pendiente?, ¿se explica una condición?, ¿se puede contrastar lo afirmado? La etiqueta, por sí sola, no realiza esas comprobaciones.
Si alguien presenta una comparación al equipo, pídele que complete la frase: este resultado indica más presencia de esta característica dentro de este conjunto. Después pregunta qué evidencia falta para tu tarea. Así evitas transformar una posición relativa en una probabilidad de éxito para una operación distinta.
Un ejercicio de revisión que deje decisiones claras
Vuelve a los dos textos sin añadir datos al caso. Marca cada afirmación como respaldada por la nota, pendiente de evidencia o incompatible con lo conocido. Después subraya qué palabras explican tu preferencia de tono u organización. Mantén ambos registros separados para que otra persona pueda discutir una decisión sin tener que aceptar la otra.
Ahora propone una revisión breve del texto B que no prometa un seguimiento no establecido. Explica qué quitaste y por qué. El aprendizaje está en relacionar cada cambio con un criterio, sin presentar esta conversación de clase como una medición del producto anunciado.
Banco completo privado; metodología enlazada no revisada. Esta lectura se limita al artículo de lanzamiento retenido. No reconstruye las preguntas privadas ni afirma reproducir la evaluación.
Para seguir practicando la lectura de cifras, revisa cómo interpretar la encuesta de IBM. Si el asistente además puede actuar, la explicación de autoridad y permisos de agentes ayuda a formular otra pregunta: quién puede autorizar una acción, independientemente de cómo esté redactada.
Preguntas frecuentes
¿Un texto breve siempre es más útil?
Depende de la tarea. Puede facilitar una confirmación sencilla y omitir una condición necesaria en un caso complejo. Define primero qué información debe conservar.
¿Podemos usar esta rúbrica como un diagnóstico de modelos?
No. Es una herramienta de discusión con textos inventados. No contiene ejecuciones, muestras de productos ni un procedimiento validado de diagnóstico.
¿Qué hacer si dos revisores discrepan sobre el tono?
Pide a cada revisor que señale palabras concretas y explique qué criterio aplica. La discrepancia puede revelar preferencias distintas que necesitan una decisión del equipo.
¿Se puede conservar el estilo y corregir el contenido?
Sí, como objetivo editorial: mantener una estructura útil y sustituir afirmaciones sin respaldo. La versión corregida necesita su propia revisión antes de utilizarse.
Fuente: Artificial Analysis.
En la Comunidad IA puedes trabajar estas distinciones y diseñar criterios de revisión para las tareas de tu equipo.
