AI認識の安定性マトリクス

このマトリクスは、同一の回答を求めることなく、表現の安定性を見極める。このマトリクスは、モデル、言語、地域、意図、時間にわたって、ブランドの重要な不変条件を追跡する。

前提条件：日付付きのベースライン

安定性は、参照状態との関係においてのみ存在する。ベースラインは、次の要素を区別しなければならない。

軸	安定	脆弱	ドリフト状態
アイデンティティ	テストした条件において正しいエンティティ	正確な名称に依存する	融合または誤った帰属
カテゴリー	役割と専門性が保持されている	広いが両立するカテゴリー	誤った市場、または実質的な一般化
ペリメーター	オファーと限界が尊重されている	軽微な省略	捏造された、古い、または対象者外のオファー
差別化	不変条件が認識できる	部分的	置き換え可能なブランド
ソース	主張ごとに管轄をもつ権威	不完全な帰属	誤ったソースクラス
時間性	現在の状態と日付が保持されている	曖昧さ	古い状態が現在のものとして示される
関係	正確な提携関係と競合	変動する近傍	誤ったエンティティまたは関係
推奨可能性	整合したユースケース	弱い理由	誤った用途、または正当化されない除外
モデル間	両立する変動	一つのシステムが乖離する	両立しないバージョンが持続する
言語間	不変条件のパリティ	局所的な欠落	異なるアイデンティティまたはカテゴリー

少なくとも、定義、比較、推奨、問題、代替案、検証、リスクのファミリーをテストする。ブランド名を挙げたプロンプトと一般的なプロンプトを分ける。国際的なコーパスでは、重要な言語と地域をカバーする。

各セルは、観察数と信頼度を保持しなければならない。全体の平均が、ある言語やユースケースにおける決定的な混同を覆い隠してはならない。

このマトリクスは、将来の回答を予測せず、修正の効果も証明しない。このマトリクスは、不変条件が保たれている場合には、多様な言い回しを減点しない。このマトリクスは、公式のカノンを、外部の評判に対する権威に変えるものではない。

このマトリクスは、どこを掘り下げるか、どのドリフトを分類するか、再観察の際にどの条件を再現するかを決めるために用いられる。