生成式 AI 快速崛起，改變了人們處理日常工作的方式。從撰寫電子郵件、規劃旅遊行程，到回答網購客服問題，輸入文字就能取得回覆。但 AI 也可能編造景點資訊、誤解退貨規則，或產生偏見內容，因此需要透過測試了解系統的品質與安全性。
ISO/IEC 42119-8 的目標是建立這類文字系統的評估方法，提升測試結果的可重複性與可比性。截至 2026 年 10 月 13 日，ISO 官方列為開發中的 ISO/IEC AWI TS 42119-8 技術規範工作項目，尚未發布。
這項提案聚焦「運用生成式 AI 的提示型文字對文字系統品質評估」，例如以文字提示產生回覆的聊天機器人或企業問答應用。新加坡資訊傳媒發展局（IMDA）與新加坡企業發展局（EnterpriseSG）於 2026 年 4 月公開推動此案，並說明將於第 17 次 ISO/IEC JTC 1/SC 42 全體會議討論。
評測重點包括基準測試（benchmarking）與紅隊測試（red teaming）。前者以設定好的資料集與評分方式檢視系統表現；後者透過對抗性提示等方式找出弱點。依公開資訊，提案亦涵蓋結果分析、解讀及文件紀錄，並銜接 ISO/IEC 42119-7 等既有標準工作。幻覺、偏見與不當內容可作為實務評估議題，具體要求仍應以後續正式文件為準。
實務工具方面，AI Verify Foundation 的開源 Project Moonshot 提供基準測試與紅隊測試功能，可作為建立評測流程的參考。AIEC 既有 Moonshot 比較簡報也提醒，題型與資料集設定會影響結果解讀；使用工具不代表已符合 ISO/IEC 42119-8。
企業可先依應用情境設定評測目標，準備符合使用語言的測試資料，記錄模型版本、提示詞與評分方式，並在系統更新後重新測試。這些準備有助於追蹤品質變化，也讓後續採購與風險管理具備可查核的依據。
