Medir si un chatbot responde bien no es trivial, y los criterios que se elijan determinan qué se considera un acierto. El proyecto muestra cómo pasar de una prueba acotada a un estudio más grande sin perder rigor. Para quien usa estas herramientas a diario, la forma de evaluarlas define qué tan confiables resultan en tareas que van desde estudiar hasta informarse sobre temas de actualidad.