Un framework, due funzioni
CLEAR è volutamente essenziale. Usa le stesse tre domande sia quando si scrive un prompt sia quando si valuta la risposta. In questo modo i criteri del test sono visibili prima che il modello risponda, invece di inventare un sistema di punteggio a posteriori.
Quando scrivi il prompt: Cosa dovrebbe sapere l’IA? Quando valuti: La risposta ha compreso e usato correttamente il contesto rilevante?
Quando scrivi il prompt: Quali regole si applicano? Quando valuti: La risposta ha rispettato le regole, i vincoli e i limiti richiesti?
Quando scrivi il prompt: Che cosa dovrebbe restituire esattamente l’IA? Quando valuti: La risposta ha effettivamente fornito la risposta e il risultato attesi?
C — Contesto
Il Contesto verifica se la risposta ha compreso la situazione fornita. Può includere l’obiettivo dell’utente, il pubblico, il materiale di partenza, il livello di conoscenza, i fatti che devono restare invariati o altre informazioni necessarie per svolgere correttamente il compito.
Un punteggio alto nel Contesto non significa che ogni affermazione fattuale della risposta sia stata verificata in modo indipendente. Significa che la risposta ha usato correttamente il contesto fornito per quel compito.
L — Limiti
I Limiti sono le regole esplicite che definiscono la risposta. Quando possibile, li rendiamo verificabili oggettivamente: numero di parole, numero di punti elenco, numero di paragrafi, etichette obbligatorie, una frase finale richiesta o un vincolo come l’uso esclusivo di risorse gratuite.
I controlli meccanici, come il numero di parole e il numero di elementi richiesti, vengono registrati come fatti, non stimati a vista.
I vincoli che richiedono un giudizio — per esempio preservare il significato o mantenere il tono richiesto — vengono spiegati nella valutazione visibile.
EAR — Risposta e risultato attesi
EAR pone la domanda più pratica: la risposta ha davvero dato all’utente ciò di cui aveva bisogno? Qui valutiamo completezza, utilità, conservazione del significato e adeguatezza del risultato allo scopo richiesto.
Una risposta può restare sotto il limite di parole e usare le etichette corrette, ma omettere comunque una dipendenza importante, cambiare il grado di certezza o produrre qualcosa che non è pronto per l’uso previsto.
La risposta soddisfa il compito nel suo insieme: usa il contesto rilevante, rispetta le regole e conserva il significato e il risultato pratico richiesti dall’utente.
Come viene prodotto un punteggio CLEAR
Ogni test sulla qualità delle risposte segue la stessa sequenza di base. L’obiettivo è ripetibilità e trasparenza, non sostenere che una singola esecuzione manuale sia un benchmark scientifico.
La scala 1–10
Scarso: il requisito è stato in gran parte mancato.
Parziale: rimangono carenze importanti.
Buono: il requisito è stato sostanzialmente soddisfatto, ma il problema è abbastanza rilevante da contare.
Molto buono: quasi completamente soddisfatto, con solo un problema minore.
Pienamente soddisfatto: non è stato rilevato alcun problema significativo per quella dimensione.
Usato quando una dimensione non si applica realmente. Non trasformiamo “non applicabile” in un 10/10 artificiale.
Un esempio reale: formato perfetto, significato cambiato
In Test 5, a quattro assistenti è stato chiesto di riassumere una nota di progetto per un manager. La fonte diceva che il redesign del sito web “è previsto per il lancio il 12 settembre”. ChatGPT lo ha riassunto così: “Il redesign del sito web verrà lanciato il 12 settembre”.
Perché è importante: la data è rimasta, ma lo stato no. “Previsto per il lancio” è un’informazione condizionale sul progetto; “verrà lanciato” presenta l’evento come certo. In un riepilogo per il management, questo può modificare in modo sostanziale decisioni, scadenze e aspettative basate sullo stato del progetto.
La risposta ha compreso che il compito era un riepilogo conciso per il management e ha mantenuto i temi rilevanti del progetto.
È rimasta entro 75 parole, ha usato esattamente tre punti elenco e le etichette Status:, Risk: e Next action: come richiesto.
Il risultato è conciso e formattato correttamente, ma trasforma un lancio pianificato in un lancio certo. In un riepilogo destinato a un manager, questo cambia uno stato del progetto rilevante per le decisioni e può fuorviare in modo sostanziale la pianificazione.
Cosa fa CLEAR — e cosa non afferma
Se una risposta ha compreso il compito, rispettato i limiti richiesti e fornito il risultato atteso — con una motivazione visibile per ogni punteggio.
Che ogni affermazione fattuale sia vera, che un assistente sia in generale “il migliore” o che una singola esecuzione manuale sia un benchmark scientifico di un modello.
Quando la verifica fattuale è importante, fonti o affermazioni possono essere controllate separatamente e documentate come evidenze. CLEAR rimane focalizzato sulla qualità della risposta rispetto al prompt effettivamente testato.