Entrenes amb exemples revisats de l'estil de l'organització; afegir un document al xat no és el mateix.

Pot cercar cursos i comparar-los; inscriure-t'hi o pagar requereix permisos i controls a part.

No consisteix a memoritzar 120 paraules: consisteix a saber què preguntar, què comprovar i quan demanar ajuda.

Ordenar els cursos per data segueix un algorisme; no tots els botons espavilats porten una IA dins.

No basta que un assistent aconsegueixi una tasca: també importa com ho fa i quins efectes produeix.

L'assistent cita un curs que mai no ha existit. Posar-hi nom i horari no el converteix en real.

Converteixes una foto quadrada en una capçalera ampla inventant els laterals; aquests laterals no documenten l'escena original.

Una combinació única d'edat, localitat i càrrec pot revelar qui és algú; revisa també aquests detalls.

Dibuixar un requadre al voltant de cada bicicleta és anotar les imatges, no retocar-ne el color.

En comptes d'escriure totes les regles del correu brossa, entrenes amb missatges ja classificats.

Amagues una part d'un text i entrenes el model per predir-la a partir de la resta.

Agrupes comentaris semblants per descobrir temes; ningú no ha indicat abans el grup de cada comentari.

Un agent practica en un joc i rep punts per arribar a la meta, no per dir que hi ha arribat.

Parteixes d'un model que reconeix formes i l'adaptes per distingir tipus de plantes.

Una xarxa pot combinar vores, formes i altres patrons per reconèixer una bicicleta en una foto.

Cada missatge de pràctica està marcat com a «consulta» o «incidència».

A «la tassa al costat del llibre està trencada», les relacions entre paraules ajuden a interpretar què està trencat.

Canvies lleugerament la brillantor de fotos de tasses; continuen sent tasses, no nous tipus de vaixella.

Proves deu preguntes freqüents i revises contingut, fonts i to; «m'ha agradat» no és l'únic criteri.

No són persones assessorant el model: són components matemàtics que s'activen selectivament.

Reuneixes guies, preguntes freqüents i programes vigents de l'Aula en un lloc mantingut i revisat.

Deses representacions de lliçons per recuperar les més properes a la pregunta d'una persona.

Si gairebé tots els exemples de «persona experta» mostren el mateix perfil, revisa quina visió aprèn el sistema.

Un servei pot atendre moltes peticions per minut encara que cadascuna trigui diversos segons.

Per estimar la durada d'una classe, el nombre d'exercicis podria ser una característica.

Cercar «fer una foto més ampla» pot retornar una explicació d'ampliació generativa.

No enganxis una clau real al codi públic d'una pàgina; desa-la a l'entorn segur de l'aplicació.

Una carpeta de fotos amb una taula de descripcions pot formar un conjunt de dades.

Connectar una carpeta d'apunts no hauria d'obrir automàticament les carpetes personals.

Un historial signat pot mostrar que la imatge s'ha editat; l'absència de credencials tampoc no demostra falsedat.

El model demana consultar el calendari; el programa comprova permisos i fa la consulta autoritzada.

Si entrenes un lector només amb lletra impresa, la lletra manuscrita li pot donar un bon ensurt.

És l'examen reservat, no el full de respostes amb què has preparat cada ajust.

Compares dues versions del detector amb la validació i guardes la prova final per al final.

Un nom, una adreça o una combinació de detalls pot identificar algú encara que no hi aparegui el DNI.

Inventes comandes d'una botiga fictícia per provar una pantalla sense fer servir clients reals.

Un model compacte aprèn de respostes d'un de més gran; cal comprovar quines capacitats conserva.

Trobar una il·lustració a internet no implica permís per posar-la en un curs; comprova qui permet què.

Selecciones una tassa de la foto per canviar-la per un llibre i comproves ombres i vores.

Passes de «fes-ho bonic» a explicar públic, format i criteris. Menys telepatia, més context.

Mostrar molts exemples etiquetats ajuda a ajustar el detector; fer-lo servir després és una altra fase.

Algú afegeix exemples falsos al material d'entrenament perquè el classificador aprengui una associació incorrecta.

Tres èpoques recorren tres vegades els exemples; repetir sense control també pot produir sobreajustament.

En una foto d'una tassa, «tassa» pot ser l'etiqueta correcta.

Presentar una petició prohibida com un joc no elimina el risc d'allò que se sol·licita.

Encertar-ne 90 de 100 dona un 90 %; encara falta saber en quins deu casos falla.

Hi ha vint missatges de correu brossa i en detecta quinze: l'exhaustivitat és del 75 %.

Demanes quins factors han influït en una classificació i contrastes l'explicació amb mètodes d'anàlisi, no només amb el relat.

És la taula de treball disponible; que hi càpiga un llibre sencer no garanteix atendre bé cada detall.

La fitxa explica d'on surten els enregistraments, com s'han seleccionat i per a què es poden utilitzar.

Abans de triar un model per al català, revisa quins idiomes s'han avaluat i amb quins resultats.

Primer resumeix, després tradueix i finalment demana revisió: tres passos definits, no llibertat total.

Demanes que cada horari es basi en el programa publicat. Una cita decorativa no basta: ha de donar suport a la dada.

Divideixes un manual per apartats; evites separar una condició de l'excepció que ve tot seguit.

L'assistent cerca primer al programa vigent de l'Aula i després respon; encara cal revisar la resposta.

Demanes una biblioteca lluminosa per a una portada; revisa si les lletres del cartell són realment llegibles.

«Curs → conté → lliçó» i «lliçó → explica → RAG» formen connexions que es poden consultar.

La taxa d'aprenentatge controla la mida dels ajustos: canviar-la pot millorar o empitjorar l'entrenament.

Que puguis descarregar un model no basta per dir-ne de codi obert: revisa components i llicència.

Demanes tres títols per al taller i obtens propostes noves; després toca triar i revisar.

«Resumeix aquest anunci en tres frases per a principiants i conserva la data» és una petició concreta.

Cada vegada que el model resumeix el text fa inferència, no necessàriament aprèn d'aquella conversa.

Un document consultat intenta donar ordres a l'assistent. El document és informació, no qui mana.

L'assistent de l'Aula rep pautes de to; l'accés a les dades també es limita al sistema.

Un filtre que detecta missatges sospitosos fa servir IA; no necessita tenir consciència per fer-ho.

El web consulta una API per obtenir cursos disponibles sense copiar manualment tota la informació.

Les primeres paraules apareixen aviat, però el text complet triga més: són dues mesures diferents.

Encara que tinguis saldo, massa peticions seguides poden obligar-te a esperar i tornar-ho a provar de manera controlada.

Revisa per separat la llicència del model, la de les dades i la de les imatges que publiquis.

Amb lots de 16, l'entrenament processa grups petits en lloc de tot el conjunt alhora.

Una imatge pot portar una marca invisible; no veure-la no demostra que sigui una fotografia real.

Diverses consultes comparteixen les mateixes instruccions llargues; la memòria cau pot evitar recalcular-les, sense convertir-se en memòria personal.

L'assistent pot desar que prefereixes respostes curtes; comprova què desa i com s'elimina.

El portàtil envia la petició a un servei; revisa accés, tractament de dades i cost abans d'utilitzar informació real.

El web de l'assistent és la interfície; el model és part del motor que genera la resposta.

Durant la generació, una imatge pot prendre forma des del soroll; no s'està enfocant una foto oculta.

T'ajuda a redactar la descripció d'un curs; tu comproves que no se n'inventi els continguts.

Un mateix model pot servir de base per resumir textos, respondre preguntes o classificar missatges.

El càlcul es fa a l'ordinador, però revisa si l'aplicació envia registres o utilitza serveis externs.

Puges la foto d'una pissarra i preguntes quines tasques hi apareixen. Llegir fotos no implica poder generar imatges.

Amb un llindar més baix solen entrar menys alternatives; no significa «percentatge de respostes correctes».

Pensa en una petita operació dins d'una xarxa, no en un cervell diminut amb cafè.

Registres versions, comproves canvis i vigiles fallades després de publicar; la feina no acaba amb «pujat».

Si falla la cerca, el sistema decideix tornar-ho a provar o demanar ajuda en lloc d'inventar resultats.

Canviar «respon més breument» canvia la petició; no reescriu directament els pesos del model.

Pots tenir els pesos sense disposar de les dades o del procés complet d'entrenament.

Afegeixes dos missatges i les classificacions abans del missatge nou que vols classificar.

«Classifica aquest missatge com a consulta o incidència» demana la tasca sense mostrar respostes model.

«Revisar, corregir i provar el web» és el pla; veure el web funcionant és una altra cosa.

Marca deu missatges com a correu brossa i vuit ho són: la precisió és del 80 %.

Per practicar un resum, utilitza un document fictici abans que l'expedient real d'una altra persona.

Saber quina eina ha editat una imatge ajuda a entendre'n la història, però no demostra que l'escena passés.

Classificar consultes, extreure noms o traduir textos són tasques de llenguatge; no totes necessiten un gran bot de conversa.

Un connector pot oferir cerca de fitxers; el protocol no dona per si sol permís per llegir-los tots.

Un model guanya en problemes matemàtics, però tu has de comprovar com resumeix les lliçons en català.

Un equip prova situacions difícils en una còpia de l'assistent abans d'obrir-lo al públic.

Canvies «Anna» per «Alumna 047» i deses la correspondència a part. Les dades continuen sent personals.

Una API pot tenir una adreça per generar text i una altra per consultar l'estat d'una tasca.

Si detectes gairebé tot però generes moltes falses alarmes, F1 reflecteix part d'aquest desequilibri.

Una llista amb cursos duplicats i dates antigues no millora perquè la posis en una IA.

Una versió de pocs bits pot cabre a l'equip; comprova'n els resultats abans de donar-la per equivalent.

Transcrius una xerrada per preparar subtítols i revises els noms que el sistema ha entès «a la seva manera».

Fotografies un cartell i n'extreus les paraules; revisa especialment dates, xifres i noms.

El cercador troba una fitxa antiga; revisa'n la data abans d'utilitzar-la com a resposta actual.

Entre vint lliçons candidates, un altre model col·loca primer les tres més útils per a la pregunta.

«Vull començar amb IA» pot quedar a prop de «curs per a principiants» encara que no repeteixin les mateixes paraules.

Veus aparèixer el text a poc a poc. Una connexió interrompuda pot deixar una resposta a mitges.

Un transcriptor també s'hauria de provar amb soroll, accents diferents i micròfons menys perfectes.

Abans d'enviar res, l'aplicació exigeix confirmació i comprova destinatari i contingut.

Converteixes una explicació en àudio per escoltar-la. Imitar una veu real planteja qüestions d'autorització diferents.

Se sap els exercicis de memòria, però li canvies els números i es queda mirant el sostre.

Un model massa simple intenta explicar una corba complicada amb una sola recta.

La IA prepara el correu i tu el revises abans d'enviar-lo. Aquest últim clic té propietari.

Una veu que sembla la del teu amic demana diners: verifica-ho per una altra via abans de creure-la.

Per comparar estils pots variar l'ajust si l'eina l'ofereix; cap posició no elimina els errors.

No calculis el cost comptant només paraules: idiomes i tokenitzadors poden dividir el mateix text de manera diferent.

Una paraula llarga es pot dividir en diversos fragments; el repartiment depèn del tokenitzador utilitzat.

En processar una frase, pot relacionar paraules llunyanes sense limitar-se a mirar la paraula anterior.

Un sistema compta cadires en una sala; es pot equivocar si es tapen entre elles.

Una xarxa distingeix fotos de tasses i plats ajustant les connexions durant l'entrenament.