Compara un correo de trabajo redactado por IA con la información original para revisar hechos, cifras, fechas, destinatarios, tono y promesas. Un ejemplo pequeño muestra qué debe comprobar una persona antes de enviar el mensaje.
La traducción se ha realizado con IA. Comprueba el código, las unidades y los valores junto con el original. La revisión por hablantes nativos de cada idioma aún no se ha completado. English
Para quién esProfesionales que usan un asistente de chat con IA para redactar correos de trabajo y quieren aplicar una revisión repetible antes de enviarlos.
Un asistente de chat con IA puede convertir unas notas en un correo de trabajo bien redactado, pero que el texto suene natural no demuestra que los datos sean correctos. El borrador puede cambiar una cantidad, confundir dos fechas, dirigirse a la persona equivocada o transformar una solicitud en un compromiso firme.
El siguiente ejemplo es sintético. La idea es separar la redacción de la verificación: usa la IA para mejorar el texto y después compáralo tú mismo con la información original antes de enviarlo.
Supongamos que necesitas escribir a un proveedor ficticio para pedir unas piezas de muestra. Antes de pedir a la IA que redacte el correo, anota los datos que no deben cambiar.
| Elemento | Dato original confirmado |
|---|---|
| Destinatario | Mina Park |
| Empresa | Example Parts |
| Cantidad de muestras | 24 units |
| Precio unitario | $18.50 |
| Total calculado | $444.00 |
| Fecha de entrega solicitada | October 7, 2026 |
| Fecha de revisión interna | October 9, 2026 |
| Estado del compromiso | October 7 is requested, not confirmed |
El cálculo es 24 × $18.50 = $444.00. October 7 es la fecha de entrega solicitada al proveedor, mientras que October 9 es la fecha de revisión interna. Las notas originales no autorizan ninguna promesa sobre el momento del pago, futuros pedidos, aprobaciones ni una entrega garantizada.
Un buen prompt debe incluir los datos confirmados y dejar claro que la IA no debe inventar información que falte.
Una respuesta típica de una IA podría ser: 'Hello Mina Park, We would like to request 24 sample units from Example Parts at $18.50 per unit, for a total of $444.00. If possible, please arrange delivery by October 7, 2026, as our internal review is scheduled for October 9, 2026. Please let us know whether this delivery date is feasible. Best regards.' Es un borrador razonable, pero aún requiere verificación.
En el ejemplo sintético, 24 units, $18.50, $444.00, October 7 y October 9 coinciden con los datos originales. Además, la frase 'if possible' y la petición de confirmar si la fecha es viable mantienen October 7 como una solicitud y no como una fecha ya confirmada.
El siguiente script, basado únicamente en la biblioteca estándar, lee draft_email.txt, comprueba si aparecen los datos esperados del ejemplo sintético, vuelve a calcular el total y busca varias expresiones de promesa potencialmente arriesgadas. Guarda el informe en outputs/email_check_report.txt. No modifica el borrador original y se detiene si la carpeta outputs ya existe.
from pathlib import Path
from decimal import Decimal
import sys
DRAFT_PATH = Path("draft_email.txt")
OUTPUT_DIR = Path("outputs")
REPORT_PATH = OUTPUT_DIR / "email_check_report.txt"
if not DRAFT_PATH.is_file():
sys.exit("Missing input file: draft_email.txt")
if OUTPUT_DIR.exists():
sys.exit("Stop: outputs folder already exists. Remove or rename it manually first.")
recipient = "Mina Park"
company = "Example Parts"
quantity = 24
unit_price = Decimal("18.50")
expected_total = Decimal(quantity) * unit_price
requested_date = "October 7, 2026"
review_date = "October 9, 2026"
required_text = {
"recipient": recipient,
"company": company,
"quantity": "24",
"unit price": "$18.50",
"total": f"${expected_total:.2f}",
"requested delivery date": requested_date,
"internal review date": review_date,
}
risky_phrases = [
"guarantee",
"guaranteed",
"definitely",
"delivery is confirmed",
"we confirm payment",
"we will place future orders",
]
draft = DRAFT_PATH.read_text(encoding="utf-8")
draft_lower = draft.lower()
lines = []
lines.append("AI EMAIL DRAFT CHECK")
lines.append("====================")
lines.append(f"Calculated total: {quantity} x ${unit_price:.2f} = ${expected_total:.2f}")
lines.append("")
lines.append("Required details:")
for label, value in required_text.items():
status = "PASS" if value.lower() in draft_lower else "CHECK"
lines.append(f"{status}: {label} -> {value}")
lines.append("")
lines.append("Risky promise phrases:")
found_risk = False
for phrase in risky_phrases:
if phrase in draft_lower:
found_risk = True
lines.append(f"CHECK: found phrase -> {phrase}")
if not found_risk:
lines.append("PASS: none of the listed phrases were found")
lines.append("")
lines.append("Manual checks still required:")
lines.append("- Verify the actual To, CC, and BCC addresses in the mail client.")
lines.append("- Confirm that October 7 is presented as requested, not guaranteed.")
lines.append("- Confirm tone and context against the original conversation.")
lines.append("- Check for commitments not covered by this phrase list.")
lines.append("- Verify attachments before sending.")
OUTPUT_DIR.mkdir()
REPORT_PATH.write_text("\n".join(lines) + "\n", encoding="utf-8")
print(f"Created: {REPORT_PATH}")
Guarda el borrador como draft_email.txt, el script como email_check.py y ejecuta python email_check.py. Un resultado PASS solo significa que se encontró el texto esperado o que no aparecieron las expresiones de riesgo incluidas en la lista. No significa que el correo esté aprobado ni que sea seguro enviarlo sin revisión.
Las comprobaciones por palabras clave tienen límites claros. Un correo puede contener '$444.00' en un contexto incorrecto o crear un compromiso con una expresión que no figure en la lista de riesgo. La revisión automática sirve para detectar discrepancias simples, pero no sustituye una lectura final por una persona.
Una división práctica de responsabilidades consiste en dejar que la IA ayude con la redacción, mientras que la persona verifica los hechos y decide qué compromisos está autorizada a asumir la organización. Los correos relacionados con contratos, obligaciones legales, información confidencial, decisiones reguladas, seguridad o consecuencias financieras importantes deben seguir el proceso formal de revisión y aprobación de la organización.
ChatGPT Python tool · Python 3.x · standard library pathlib, decimal, sys
Las explicaciones y los ejemplos son de elaboración propia. Puedes consultar los comportamientos y conceptos relacionados en las siguientes fuentes oficiales.