Definición completa

La evaluación de agentes examina no solo la respuesta final, sino también si el agente completa la tarea, elige herramientas adecuadas, respeta límites, recupera errores y evita acciones no deseadas. Las pruebas deben reflejar el entorno y los riesgos de uso previstos.

Ejemplo en contexto empresarial

Probar un agente de soporte con solicitudes representativas y comprobar tanto la respuesta como las consultas y cambios que realizó en el CRM.