人工智慧系統尤其是ChatGPT等大量語言模型，以新穎的、類似人類的文本輸出回應基於文本的輸入。你可以為你的浪漫伴侶索取一篇關於羅馬沒落的文章或一首情詩，系統可以很容易地生成它。這樣的系統甚至可以將醫學測試資訊作為輸入並生成邏輯上連貫（並且可能是正確的）診斷。儘管如此，專家們不建議將這些模型用於醫療建議——至少現在不建議使用。

要了解原因，了解 AI 系統的工作原理很重要。從人類可以理解這些主題的意義上說，ChatGPT 對醫學、詩歌或羅馬帝國沒有“理解”。相反，這些系統已經學會了單詞和文本片段之間的關聯。所以當 ChatGPT 看到一段文字說“給我寫一篇關於羅馬淪陷的文章”時，他們會看到“寫”、“文章”和“羅馬淪陷”這些詞。他們將該輸入解釋為生成一系列邏輯連貫（並且可能事實上準確）的單詞和短語的請求，這些單詞和短語與論文格式的文本“羅馬的陷落”相關。該系統透過對網際網路上大量文本使用強大的計算能力進行一系列反複試驗來學習這些關聯。

由於人工智慧系統幾乎可以接受任何輸入並產生一些邏輯上連貫且可能準確的輸出，因此它們也可以將霍根測評的百分位作為輸入並生成基於文本的輸出也就不足為奇了。將Hogan Personality Inventory百分位結果作為輸入，ChatGPT 將為這些百分位結果提供解釋性文本。例如，我要求 ChatGPT 提供 HPI 抱負維度在百分位 5 的解釋，它說：

“你在抱負維度中的分數很低，這代表你可能不會特別渴望獲得權力、地位或財富。你可能對自己目前的職位感到滿意，並不覺得需要不斷追求進步或認可。這可能是一個積極的特質，因為它可以讓你專注於生活中更重要的事情。”

這是邏輯上連貫合理的解釋。然而，解釋並沒有太多說明領導潛力、對於生活的方向感的程度，或者在大量觀眾面前的自信程度——然而這些都是在霍根的抱負維度定義中。儘管解釋可能看起來準確有效，但它可能根本不是由任何霍根性格的關聯性所驅動，而僅僅是由於“抱負”一詞在語言中的廣泛使用方式。

請記住，Hogan 解釋性報告和指南是基於我們的評估和結果之間的經驗關聯。我們的評估分數代表他們的預測，我們的報告反映出這些關係。這並不是說基於 ChatGPT 的霍根分數解釋現在或將來都無效或不準確。事實上，訓練 ChatGPT 模型以反映 Hogan 命名法是可能的，我們目前正在研究此類工具。

但是我們必須警告不要使用通用人工智慧系統來生成對霍根報告的解釋。我們自己的測試顯示，至少在某些情況下，人工智慧系統會產生嚴重不正確和完全錯誤的解釋。隨著 AI 系統的改進和更多測試結果的出現，我們可能會在未來改變我們對此的立場，但目前我們強烈建議任何 Hogan 報告解釋直接來自 Hogan 或 Hogan 認證的顧問教練。因為解讀Hogan報告的過程並不是只有照本宣科，更重要的喚醒當事人的自我覺察與接受，這需要一些人與人之間的互動、感受與探詢。