Ship Shift · Glosario

Avaluació de models (evals)

L'avaluació de models (evals) és el conjunt de proves i mètriques per mesurar si un sistema d'IA compleix el nivell de qualitat acordat en casos reals.

Actualitzat: 17/11/2026

Consultoría de IA aplicada

Definició

L'avaluació de models (evals) és el conjunt de proves i mètriques per mesurar si un sistema d'IA compleix el nivell de qualitat acordat en casos reals.

Explicació

«M'agrada la resposta» no és una mètrica. Defineix un set de casos etiquetats, criteris d'èxit (exact match, top-k, rúbrica humana) i llindar de go/no-go. Repeteix després de cada canvi de prompt, model o índex RAG.

Per a agents, avalua trajectòries: ¿va cridar l'eina correcta?, ¿va demanar confirmació?, ¿va al·lucinar un SKU? Automatitza l'automatitzable i reserva revisió humana per a ambigüitat. Sense evals, els desplegaments són fe cega.

Publiquem xifres només quan estan mesurades amb el client (p. ex. 83 % d'encert a la primera en tipificació de partides). La resta es deixa com a qualitatiu.

Exemple en empresa

Abans d'ampliar un classificador de correus, fem córrer 200 missatges històrics etiquetats per l'equip i només puja a producció si la precisió per classe supera el llindar pactat.

Termes relacionats

Com ho treballem a Ship Shift

No publiquem definicions aïllades: cada terme del glossari encaixa amb un servei o una solució que ja despleguem. Si el teu equip està avaluant Avaluació de models (evals), partim del procés real (dades, canals, ERP) i només després triem el model o l'eina. Pots continuar a Dades i analítica o explicar-nos el cas a contacte.

Dades i analítica · ← Tornar al glossari A–Z