Как тестировать AI-агентов перед запуском в продакшене?

Автор исследует проблемы оценки производительности AI-агентов в реальных условиях, отмечая, что традиционные методы проверки ответов LLM недостаточны. Поднимаются вопросы верификации доступа к данным, корректности вызовов API, соблюдения правил аутентификации и способности агента правильно эскалировать задачи человеку.