Почему надёжность агентов резко падает после выхода за пределы чата?

Автор обсуждает проблему надёжности AI-агентов в продакшене: в тестовой среде они работают отлично, но при интеграции с реальными системами начинают нарушать бизнес-правила. Основная проблема — не сама модель, а оркестрация и логика вокруг неё, где сосредоточено большинство ошибок. Вопрос в том, как масштабировать агентов до уровня доверенных без превращения в технический долг.