Ловушки в корпусах данных: почему размеченные сущности не выявляют ошибок в AI-агентах

Статья исследует проблему ложного успеха при оценке AI-агентов на размеченных данных. На примере сценария с детекцией телефона и поиском клиента в CRM показано, как стандартные метрики могут скрывать критические сбои в логике работы моделей.