AI can provide answers in seconds, often presenting them so confidently that we forget to question them. But what happens when those answers are wrong? From invented facts and misleading recommendations to incorrect calculations, discover real experiences of people who caught AI making mistakes—and what stopped them from accepting the results.
BEFORE YOU READ...
Would you spot an AI mistake if the answer looked convincing?
Think about the last time you accepted information from an AI tool. Did you check whether it was correct, or did you trust the answer because it sounded right?
Explore Different Perspectives
Discover how others recognised AI mistakes, questioned misleading answers and decided when to trust their own judgement.
Olivia Heslinga — When AI recommended a product the company didn't actually use
When I did a summary of a website that I was doing a quick market research for a client and it recommended it was actually a co-pilot AI on my browser for Microsoft edge and it suggested that this company uses a Microsoft product and when I ask them during an interview they actually said no we don’t use anything Microsoft product. So there’s a bit of a product placement within their AI checkbook to summarize a website that was false basically.
Olivia Heslinga, Denmark, AI literacy consultant, founder of “AI for good Denmark”
Læs på dansk (DK)
Da jeg lavede et resumé af en hjemmeside som led i en hurtig markedsundersøgelse for en kunde, foreslog Copilot AI i min Microsoft Edge-browser, at virksomheden brugte et Microsoft-produkt. Men da jeg spurgte dem under et interview, fortalte de, at de slet ikke brugte Microsoft-produkter. Så der var tilsyneladende en form for produktplacering i AI-værktøjets opsummering af hjemmesiden, som ganske enkelt var forkert.Olivia Heslinga, Danmark, AI-konsulent, grundlægger af “AI for good Denmark”
Auf Deutsch lesen (DE)
Als ich für einen Kunden eine kurze Marktrecherche durchführte, ließ ich eine Website von der Copilot-KI in meinem Microsoft-Edge-Browser zusammenfassen. Dabei behauptete die KI, dass das Unternehmen ein Microsoft-Produkt verwende. Als ich die Verantwortlichen jedoch während eines Interviews danach fragte, sagten sie mir, dass sie überhaupt keine Microsoft-Produkte nutzen. Es scheint also eine Art Produktplatzierung in der KI-gestützten Zusammenfassung der Website gegeben zu haben, denn diese Information war schlichtweg falsch.Olivia Heslinga, Dänemark, Beraterin für KI-Kompetenz, Gründerin von „AI for good Denmark“
Leer en español (ES)
Cuando estaba realizando una investigación de mercado rápida para un cliente, utilicé la IA Copilot de mi navegador Microsoft Edge para resumir una página web. La herramienta sugirió que la empresa utilizaba un producto de Microsoft. Sin embargo, cuando les pregunté durante una entrevista, me dijeron que no utilizaban ningún producto de Microsoft. Así que parece que había una especie de publicidad encubierta en el resumen de la página web generado por la IA, ya que esa información era completamente falsa.Olivia Heslinga, Dinamarca, consultora en alfabetización en IA, fundadora de “AI for good Denmark”
Прочетете на български (BG)
Когато правех кратко пазарно проучване за клиент, използвах изкуствения интелект Copilot в браузъра Microsoft Edge, за да обобщя съдържанието на уебсайт. Инструментът предположи, че компанията използва продукт на Microsoft. Когато обаче ги попитах по време на интервю, те ми казаха, че изобщо не използват продукти на Microsoft. Така че изглежда имаше своеобразно продуктово позициониране в генерираното от изкуствения интелект резюме на уебсайта, тъй като тази информация беше напълно невярна.Olivia Heslinga, Дания, консултант по грамотност в областта на изкуствения интелект, основател на „AI for good Denmark“
Martin — When AI missed important information in our research
Yes, actually, just today. We were working on a rather extensive project in which we needed to automate a part related to business sectors. We asked artificial intelligence to extract the sectors of the Basque Country from a very large table. The problem was that it made a mistake, and it was quite an obvious one—it left out some important sectors, and we weren’t entirely sure why. At that moment, we realized that we couldn’t trust the result, so we decided to do it manually. Of course, it was a bit frustrating, because you invest time in carefully formulating the question and trying to optimize the process, and yet it still doesn’t work correctly. But that’s precisely why it’s so important to always review the outputs and not rely on them blindly. Taking the time to verify and correct the AI’s work ensures that mistakes don’t go unnoticed and helps maintain the accuracy and reliability of your results.
Martin , Spain, Enthusiast and Psychology student pursuing a specialization program in organization
Læs på dansk (DK)
Ja, faktisk så sent som i dag. Vi arbejdede på et ret omfattende projekt, hvor vi havde brug for at automatisere en del, der handlede om erhvervssektorer. Vi bad kunstig intelligens om at udtrække sektorerne i Baskerlandet fra en meget stor tabel. Problemet var, at den lavede en fejl, og det var en ret åbenlys fejl – den udelod nogle vigtige sektorer, og vi var ikke helt sikre på hvorfor. I det øjeblik indså vi, at vi ikke kunne stole på resultatet, så vi besluttede at gøre det manuelt. Det var selvfølgelig lidt frustrerende, fordi man bruger tid på at formulere spørgsmålet omhyggeligt og forsøge at optimere processen, og alligevel fungerer det ikke korrekt. Men det er netop derfor, det er så vigtigt altid at gennemgå resultaterne og ikke stole blindt på dem. Når man tager sig tid til at kontrollere og rette AI’ens arbejde, sikrer man, at fejl ikke bliver overset, og man er med til at bevare resultaternes nøjagtighed og pålidelighed.Martin, Spanien, AI-entusiast og psykologistuderende, der følger et specialiseringsforløb inden for organisation
Auf Deutsch lesen (DE)
Ja, tatsächlich erst heute. Wir haben an einem ziemlich umfangreichen Projekt gearbeitet, bei dem wir einen Teil im Zusammenhang mit Wirtschaftssektoren automatisieren mussten. Wir baten eine künstliche Intelligenz, die Sektoren des Baskenlandes aus einer sehr großen Tabelle herauszufiltern. Das Problem war, dass sie einen Fehler machte, und zwar einen ziemlich offensichtlichen: Sie ließ einige wichtige Sektoren aus, und wir wussten nicht genau, warum. In diesem Moment wurde uns klar, dass wir dem Ergebnis nicht vertrauen konnten, also beschlossen wir, die Aufgabe manuell zu erledigen. Natürlich war das etwas frustrierend, denn man investiert Zeit, um die Frage sorgfältig zu formulieren und den Prozess zu optimieren, und trotzdem funktioniert es nicht richtig. Aber genau deshalb ist es so wichtig, die Ergebnisse immer zu überprüfen und sich nicht blind darauf zu verlassen. Wenn man sich die Zeit nimmt, die Arbeit der KI zu kontrollieren und zu korrigieren, stellt man sicher, dass Fehler nicht unbemerkt bleiben, und trägt dazu bei, die Genauigkeit und Zuverlässigkeit der Ergebnisse zu gewährleisten.Martin, Spanien, KI-Enthusiast und Psychologiestudent, der ein Spezialisierungsprogramm im Bereich Organisation absolviert
Leer en español (ES)
Sí, de hecho, hoy mismo. Estábamos trabajando en un proyecto bastante amplio en el que necesitábamos automatizar una parte relacionada con los sectores económicos. Le pedimos a una inteligencia artificial que extrajera los sectores del País Vasco de una tabla muy grande. El problema fue que cometió un error, y bastante evidente: omitió algunos sectores importantes y no teníamos muy claro por qué. En ese momento nos dimos cuenta de que no podíamos confiar en el resultado, así que decidimos hacerlo manualmente. Por supuesto, fue un poco frustrante, porque inviertes tiempo en formular cuidadosamente la pregunta e intentar optimizar el proceso y, aun así, no funciona correctamente. Pero precisamente por eso es tan importante revisar siempre los resultados y no confiar ciegamente en ellos. Dedicar tiempo a verificar y corregir el trabajo de la IA garantiza que los errores no pasen desapercibidos y ayuda a mantener la precisión y la fiabilidad de los resultados.Martin, España, entusiasta de la IA y estudiante de Psicología que cursa un programa de especialización en organización
Прочетете на български (BG)
Да, всъщност точно днес. Работехме по доста мащабен проект, в който трябваше да автоматизираме част, свързана с икономическите сектори. Помолихме изкуствен интелект да извлече секторите на Страната на баските от много голяма таблица. Проблемът беше, че той допусна грешка, и то доста очевидна – пропусна някои важни сектори, а ние не бяхме напълно сигурни защо. В този момент осъзнахме, че не можем да се доверим на резултата, затова решихме да свършим задачата ръчно. Разбира се, беше малко разочароващо, защото отделяш време, за да формулираш внимателно въпроса и да се опиташ да оптимизираш процеса, а въпреки това той не работи правилно. Но точно затова е толкова важно винаги да проверяваме резултатите и да не им се доверяваме сляпо. Отделянето на време за проверка и коригиране на работата на изкуствения интелект гарантира, че грешките няма да останат незабелязани, и помага да се запазят точността и надеждността на резултатите.Мартин, Испания, ентусиаст в областта на изкуствения интелект и студент по психология, който следва специализираща програма в областта на организациите
Elisabeth Rieger — A convincing analysis, incorrect figures: Why I always double-check AI
A concrete example from my work in the field of project coordination: I asked an AI to analyze two consulting services for leadership development – including a comparison of advantages and disadvantages as well as a cost-benefit calculation. The AI delivered a visually convincing, structured analysis with a clear table display. On first reading, everything seemed conclusive – structure, language and logic were right. It was only when I specifically checked the figures that I realized that the derivation of the consultation days was simply wrong. The AI had not correctly interpreted the information in the original documents and used it to construct an erroneous calculation – which, however, did not immediately catch the eye in the overall picture. What stopped me? Firstly, my principle of always checking figures yourself – especially when it comes to decision-making bases with financial consequences. Second, the knowledge that AI does not ‘understand’ original documents, but recognizes and extrapolates patterns. Since I had the offers myself, I was able to compare directly. Without this direct comparison, the error would probably have gone unnoticed. The lesson from this is that AI is an excellent first instance for structure and formulation, but not a reliable computational authority for subject-specific derivations. This example impressively shows why a structured plausibility check remains irreplaceable in knowledge management and project coordination. The human expert view – with contextual knowledge and industry experience – is the decisive corrective in AI-supported processes.
Elisabeth Rieger, Austria, AI Expert
Læs på dansk (DK)
Et konkret eksempel fra mit arbejde med projektkoordinering: Jeg bad en AI om at analysere to konsulentydelser inden for lederudvikling, herunder en sammenligning af fordele og ulemper samt en cost-benefit-beregning. AI’en leverede en visuelt overbevisende og struktureret analyse med en overskuelig tabel. Ved første gennemlæsning virkede alt sammenhængende – struktur, sprog og logik var i orden. Det var først, da jeg specifikt kontrollerede tallene, at jeg opdagede, at beregningen af antallet af konsulentdage ganske enkelt var forkert. AI’en havde ikke fortolket oplysningerne i de oprindelige dokumenter korrekt og havde brugt dem til at udarbejde en fejlagtig beregning. Fejlen var dog ikke umiddelbart synlig i det samlede billede. Hvad fik mig til at stoppe op? For det første mit princip om altid selv at kontrollere tal, især når de danner grundlag for beslutninger med økonomiske konsekvenser. For det andet min viden om, at AI ikke ‘forstår’ originale dokumenter, men genkender og viderefører mønstre. Da jeg selv havde tilbuddene, kunne jeg sammenligne dem direkte. Uden denne direkte sammenligning ville fejlen sandsynligvis være gået ubemærket hen. Erfaringen er, at AI er et fremragende første redskab til strukturering og formulering, men ikke en pålidelig beregningsautoritet, når det gælder fagspecifikke udledninger. Dette eksempel viser tydeligt, hvorfor en struktureret kontrol af resultaternes plausibilitet fortsat er uundværlig inden for vidensstyring og projektkoordinering. Den menneskelige eksperts vurdering – baseret på kontekstuel viden og brancheerfaring – er den afgørende korrigerende faktor i AI-understøttede processer.Elisabeth Rieger, Østrig, AI-ekspert
Auf Deutsch lesen (DE)
Ein konkretes Beispiel aus meiner Arbeit im Bereich der Projektkoordination: Ich bat eine KI, zwei Beratungsangebote zur Führungskräfteentwicklung zu analysieren – einschließlich eines Vergleichs der Vor- und Nachteile sowie einer Kosten-Nutzen-Rechnung. Die KI lieferte eine optisch überzeugende, strukturierte Analyse mit einer übersichtlichen tabellarischen Darstellung. Beim ersten Lesen erschien alles schlüssig – Struktur, Sprache und Logik stimmten. Erst als ich die Zahlen gezielt überprüfte, stellte ich fest, dass die Herleitung der Beratungstage schlichtweg falsch war. Die KI hatte die Angaben in den Originaldokumenten nicht korrekt interpretiert und daraus eine fehlerhafte Berechnung erstellt, die im Gesamtbild jedoch nicht sofort auffiel. Was hat mich davon abgehalten, das Ergebnis einfach zu übernehmen? Erstens mein Grundsatz, Zahlen immer selbst zu überprüfen – insbesondere wenn sie als Entscheidungsgrundlage mit finanziellen Konsequenzen dienen. Zweitens das Wissen, dass KI Originaldokumente nicht wirklich „versteht“, sondern Muster erkennt und fortschreibt. Da mir die Angebote selbst vorlagen, konnte ich sie direkt vergleichen. Ohne diesen unmittelbaren Vergleich wäre der Fehler wahrscheinlich unbemerkt geblieben. Die Erkenntnis daraus ist, dass KI eine hervorragende erste Unterstützung bei der Strukturierung und Formulierung bietet, aber keine verlässliche rechnerische Instanz für fachspezifische Herleitungen darstellt. Dieses Beispiel zeigt eindrucksvoll, warum eine strukturierte Plausibilitätsprüfung im Wissensmanagement und in der Projektkoordination unverzichtbar bleibt. Die menschliche Expertenperspektive – mit Kontextwissen und Branchenerfahrung – ist das entscheidende Korrektiv in KI-gestützten Prozessen.Elisabeth Rieger, Österreich, KI-Expertin
Leer en español (ES)
Un ejemplo concreto de mi trabajo en el ámbito de la coordinación de proyectos: pedí a una IA que analizara dos servicios de consultoría para el desarrollo del liderazgo, incluyendo una comparación de sus ventajas e inconvenientes y un cálculo de costes y beneficios. La IA proporcionó un análisis estructurado y visualmente convincente, con una tabla clara y bien organizada. En una primera lectura, todo parecía coherente: la estructura, el lenguaje y la lógica eran correctos. No fue hasta que revisé específicamente las cifras cuando me di cuenta de que el cálculo del número de días de consultoría era sencillamente incorrecto. La IA no había interpretado adecuadamente la información de los documentos originales y la había utilizado para elaborar un cálculo erróneo que, sin embargo, no resultaba evidente a primera vista. ¿Qué me hizo detenerme? En primer lugar, mi principio de comprobar siempre personalmente las cifras, especialmente cuando sirven de base para tomar decisiones con consecuencias económicas. En segundo lugar, saber que la IA no «comprende» los documentos originales, sino que reconoce patrones y realiza extrapolaciones a partir de ellos. Como disponía de las ofertas originales, pude compararlas directamente. Sin esa comparación, probablemente el error habría pasado desapercibido. La lección es que la IA constituye una excelente primera herramienta para estructurar y redactar información, pero no es una autoridad fiable para realizar cálculos derivados de información especializada. Este ejemplo demuestra claramente por qué una comprobación estructurada de la plausibilidad de los resultados sigue siendo insustituible en la gestión del conocimiento y la coordinación de proyectos. La perspectiva de una persona experta, respaldada por conocimientos contextuales y experiencia en el sector, es el elemento corrector decisivo en los procesos apoyados por la IA.Elisabeth Rieger, Austria, experta en IA
Прочетете на български (BG)
Конкретен пример от работата ми в областта на координацията на проекти: Помолих система с изкуствен интелект да анализира две консултантски услуги за развитие на лидерски умения, включително сравнение на предимствата и недостатъците им, както и изчисление на разходите и ползите. Изкуственият интелект предостави визуално убедителен, структуриран анализ с ясно представена таблица. При първия прочит всичко изглеждаше логично – структурата, езикът и логиката бяха правилни. Едва когато проверих конкретно числата, установих, че изчисляването на броя консултантски дни е просто погрешно. Изкуственият интелект не беше интерпретирал правилно информацията в оригиналните документи и я беше използвал, за да състави погрешно изчисление, което обаче не се забелязваше веднага в цялостния анализ. Какво ме накара да се спра? Първо, принципът ми винаги лично да проверявам числата, особено когато те служат за основа на решения с финансови последици. Второ, знанието, че изкуственият интелект не „разбира“ оригиналните документи, а разпознава модели и прави екстраполации въз основа на тях. Тъй като разполагах със самите оферти, можех да ги сравня директно. Без това пряко сравнение грешката вероятно щеше да остане незабелязана. Изводът е, че изкуственият интелект е отличен първоначален инструмент за структуриране и формулиране на информация, но не е надежден източник за изчисления, основани на специфични професионални данни. Този пример ясно показва защо структурираната проверка на правдоподобността на резултатите остава незаменима в управлението на знания и координацията на проекти. Експертната човешка преценка – подкрепена от контекстуални знания и опит в съответния сектор – е решаващият коректив в процесите, подпомагани от изкуствен интелект.Elisabeth Rieger, Австрия, експерт по изкуствен интелект
Robert Weissenbacher — One wrong fact almost ruined my interview preparation
I was supposed to interview an athlete – Reinfried Herbst, an Austrian ski racer. The AI provided me with a summary of his career as preparation. Something about it seemed strange to me – a detail didn’t feel right. I checked, and indeed: the information was wrong. If I had gone into the interview with this information, it would have been embarrassing – towards the athlete and on camera. What stopped me? Not a system, but gut feeling and the habit of questioning facts.
Robert Weissenbacher, BA MA, Austria, AI Enthusiast
Læs på dansk (DK)
Jeg skulle interviewe en sportsudøver – Reinfried Herbst, en østrigsk skiløber. Som forberedelse gav AI’en mig et resumé af hans karriere. Der var noget ved det, der virkede mærkeligt – en detalje føltes ikke rigtig. Jeg undersøgte det, og ganske rigtigt: Oplysningen var forkert. Hvis jeg var gået ind til interviewet med den information, ville det have været pinligt – både over for sportsudøveren og foran kameraet. Hvad fik mig til at stoppe op? Ikke et system, men min mavefornemmelse og vanen med at stille spørgsmål ved fakta.Robert Weissenbacher, BA MA, Østrig, AI-entusiast
Auf Deutsch lesen (DE)
Ich sollte einen Sportler interviewen – Reinfried Herbst, einen österreichischen Skirennläufer. Zur Vorbereitung lieferte mir die KI eine Zusammenfassung seiner Karriere. Irgendetwas daran kam mir merkwürdig vor – ein Detail schien nicht zu stimmen. Ich überprüfte es, und tatsächlich: Die Information war falsch. Wäre ich mit dieser Information in das Interview gegangen, wäre das peinlich gewesen – sowohl gegenüber dem Sportler als auch vor laufender Kamera. Was hat mich davon abgehalten? Kein System, sondern mein Bauchgefühl und die Gewohnheit, Fakten zu hinterfragen.Robert Weissenbacher, BA MA, Österreich, KI-Enthusiast
Leer en español (ES)
Tenía que entrevistar a un deportista, Reinfried Herbst, un esquiador de competición austriaco. Como preparación, la IA me proporcionó un resumen de su trayectoria profesional. Había algo que me resultaba extraño: un detalle no terminaba de encajar. Lo comprobé y, efectivamente, la información era incorrecta. Si hubiera acudido a la entrevista con esos datos, habría sido una situación embarazosa, tanto frente al deportista como delante de las cámaras. ¿Qué me hizo detenerme? No fue ningún sistema, sino mi intuición y la costumbre de cuestionar los hechos.Robert Weissenbacher, BA MA, Austria, entusiasta de la IA
Прочетете на български (BG)
Трябваше да интервюирам спортист – Райнфрид Хербст, австрийски състезател по ски. За подготовката изкуственият интелект ми предостави обобщение на неговата кариера. Нещо в него ми се стори странно – един детайл не изглеждаше правилен. Проверих го и наистина: информацията беше грешна. Ако бях отишъл на интервюто с тази информация, щеше да бъде неудобно – както пред самия спортист, така и пред камерата. Какво ме накара да се спра? Не някаква система, а интуицията ми и навикът да поставям фактите под съмнение.Robert Weissenbacher, BA MA, Австрия, ентусиаст в областта на изкуствения интелект
Juan Agustin Veliz — Why I've learned to distrust AI suggestions until they're verified
I rely on it mostly for my daily work and not really a lot for daily-life scenarios, so describing exactly how suggestions are wrong would make little sense. That said, I can confidently say that it makes quite a lot of bad suggestions, mostly born from a lack of context, but it is way more than one would expect. It has definitely improved in the last iterations, but as a rule of thumb, I always distrust what it suggests until proven otherwise; a mentality that can only be born from having a big amount of disappointments.
Juan Agustin Veliz, Germany, AI Expert
Læs på dansk (DK)
Jeg bruger primært AI i mit daglige arbejde og ikke særlig meget i hverdagssituationer, så det ville ikke give meget mening at beskrive præcis, hvordan dens forslag er forkerte. Når det er sagt, kan jeg med sikkerhed sige, at den kommer med rigtig mange dårlige forslag, hovedsageligt på grund af manglende kontekst, og langt flere, end man skulle forvente. Den er helt klart blevet bedre i de seneste versioner, men som en tommelfingerregel stoler jeg aldrig på dens forslag, før det modsatte er bevist. Det er en indstilling, som kun kan opstå efter rigtig mange skuffelser.Juan Agustin Veliz, Tyskland, AI-ekspert
Auf Deutsch lesen (DE)
Ich nutze KI hauptsächlich für meine tägliche Arbeit und eher selten in alltäglichen Lebenssituationen. Deshalb wäre es wenig sinnvoll, genau zu beschreiben, inwiefern ihre Vorschläge falsch sind. Allerdings kann ich mit Sicherheit sagen, dass sie ziemlich viele schlechte Vorschläge macht, die meist auf mangelnden Kontext zurückzuführen sind – und zwar deutlich mehr, als man erwarten würde. In den letzten Versionen hat sie sich definitiv verbessert, aber als Faustregel gilt für mich, dass ich ihren Vorschlägen grundsätzlich misstraue, bis ihre Richtigkeit bewiesen ist. Eine solche Einstellung entsteht wohl nur durch eine große Anzahl enttäuschender Erfahrungen.Juan Agustin Veliz, Deutschland, KI-Experte
Leer en español (ES)
Utilizo la IA principalmente en mi trabajo diario y no tanto en situaciones de la vida cotidiana, por lo que no tendría mucho sentido describir exactamente de qué manera sus sugerencias son incorrectas. Dicho esto, puedo afirmar con seguridad que hace bastantes sugerencias equivocadas, principalmente debido a la falta de contexto, y muchas más de las que uno esperaría. Sin duda ha mejorado en sus últimas versiones, pero, como regla general, siempre desconfío de lo que sugiere hasta que se demuestre que es correcto. Es una mentalidad que solo puede surgir después de haber acumulado muchas decepciones.Juan Agustin Veliz, Alemania, experto en IA
Прочетете на български (BG)
Използвам изкуствения интелект предимно в ежедневната си работа и не толкова в ситуации от всекидневния живот, така че няма особен смисъл да описвам точно по какъв начин предложенията му са погрешни. Въпреки това мога уверено да кажа, че той дава доста лоши предложения, най-вече поради липса на контекст, и то много повече, отколкото човек би очаквал. Определено се е подобрил в последните си версии, но като основно правило винаги се отнасям с недоверие към предложенията му, докато не се докаже, че са правилни. Подобна нагласа може да се появи само след натрупването на много разочарования.Juan Agustin Veliz, Германия, експерт по изкуствен интелект
Radoslav Markov — From incorrect health information to coding errors: AI needs a reality check
Misjudgments regarding health conditions, misunderstanding the question, or a programming error in the generated code. I was stumped by the basic logical analysis of the text, which is a mandatory step when responding to AI. Furthermore, you need to understand the subject matter you’re asking about. AI IS A HELPER, NOT A REPLACEMENT!!!
Radoslav Markov, IT professional, Bulgaria, AI Expert
Læs på dansk (DK)
Fejlvurderinger af helbredstilstande, misforståelser af spørgsmål eller programmeringsfejl i den genererede kode. Jeg blev overrasket over den grundlæggende logiske analyse af teksten, som er et obligatorisk trin, når man forholder sig til AI-genererede svar. Derudover er det nødvendigt at forstå det emne, man spørger om. AI ER ET HJÆLPEMIDDEL, IKKE EN ERSTATNING!!!Radoslav Markov, IT-professionel, Bulgarien, AI-ekspert
Auf Deutsch lesen (DE)
Fehleinschätzungen von Gesundheitszuständen, Missverständnisse bei der Fragestellung oder Programmierfehler im generierten Code. Ich war erstaunt über die grundlegende logische Analyse des Textes, die bei der Bewertung von KI-Antworten ein unverzichtbarer Schritt ist. Darüber hinaus muss man das Fachgebiet verstehen, zu dem man Fragen stellt. KI IST EIN HILFSMITTEL, KEIN ERSATZ!!!Radoslav Markov, IT-Fachkraft, Bulgarien, KI-Experte
Leer en español (ES)
Evaluaciones erróneas sobre problemas de salud, interpretaciones incorrectas de las preguntas o errores de programación en el código generado. Me desconcertó el análisis lógico básico del texto, que constituye un paso imprescindible a la hora de evaluar las respuestas de la IA. Además, es necesario comprender el tema sobre el que se está preguntando. ¡¡¡LA IA ES UNA HERRAMIENTA DE APOYO, NO UN SUSTITUTO!!!Radoslav Markov, profesional de informática, Bulgaria, experto en IA
Прочетете на български (BG)
Погрешни преценки относно здравословни състояния, неправилно разбиране на въпроса или програмна грешка в генерирания код. Бях озадачен от основния логически анализ на текста, който е задължителна стъпка при оценяването на отговорите на изкуствения интелект. Освен това е необходимо да разбираш материята, за която задаваш въпроси. ИЗКУСТВЕНИЯТ ИНТЕЛЕКТ Е ПОМОЩНИК, А НЕ ЗАМЕСТИТЕЛ!!!Radoslav Markov, ИТ специалист, България, експерт по изкуствен интелект
