Benchmark de precisión del escriba con IA — Reino Unido
La metodología de estos resultados, incluido cómo se midió cada cifra y sus limitaciones, está en el documento de metodología.
Frente a otros seis escribas con IA con las mismas grabaciones, las notas de Hanah recogieron un 11% más de los datos clínicos necesarios que la media (93.7% frente a 84.2%), sin ninguna alerta de alucinación grave frente a una media de 0.96 por nota, y las transcripciones de Hanah tuvieron un 66% menos de errores clínicamente significativos. Ver la comparación.
Métricas principales
Desglose de la cobertura
Composición del jurado
Cada dato lo califica cada jurado configurado en el panel. Los veredictos discrepan en los casos difíciles, y esa es la señal. El razonamiento de cada jurado se muestra literalmente abajo.
Sesiones
Haz clic en cualquier grabación para ver el detalle: el audio original, la transcripción de referencia, lo que oyó el sistema de voz a texto, cada documento generado y cada veredicto de cada LLM con su razonamiento.
Metodología y procedencia
Tasa de error de palabras, jurado de LLM, expectativas acotadas a las instrucciones, comprobación de calibración y hoja de ruta del corpus (sintético → simulación de roles → mundo real).
Leer el documento de metodología →El archivo completo legible por máquina a partir del cual se genera esta página. Cada cifra de esta página se puede calcular directamente a partir de este archivo.
Abrir los datos sin procesar →El corpus, las instrucciones de los jurados y las versiones de los modelos evaluadores están bajo control de versiones. Cualquiera puede volver a ejecutar el banco de pruebas con el mismo commit y reproducir estas cifras.
Inicio del Centro de confianza →