Medir si un chatbot responde bien no es una tarea trivial, y cada error en la metodología puede hacer parecer confiable a una herramienta que no lo es. Quien usa estos sistemas para estudiar, trabajar o informarse depende de cómo se los evalúa antes de llegar al público. Lo que se define en estos ensayos es qué consideramos una respuesta correcta cuando la máquina habla con naturalidad.