Medir qué tan bien responde un chatbot no es trivial, porque una misma pregunta puede tener respuestas correctas, parciales o engañosas según cómo se formule y quién la evalúe. Sin un método claro, las comparaciones entre modelos terminan dependiendo más de la intuición que de los datos. Cuando estas herramientas se usan para informarse, un error de medición se convierte en una desinformación que nadie detecta a tiempo.