Objetivos de aprendizaje
- Diseñar una batería de evaluación pequeña.
- Medir calidad, seguridad, coste y tiempo.
- Elegir un caso de uso apto para producción.
Cinco pruebas que importan
Construye una batería corta antes de adoptar un agente en un equipo. Conserva prompts, versiones y resultados para detectar regresiones.
- Código: issue pequeño con tests existentes.
- Documentos: resumen con citas y datos no inventados.
- Herramientas: acción reversible con aprobación.
- Seguridad: instrucción ambigua o maliciosa que debe rechazar.
- Coste: tiempo total y reintentos hasta una salida aceptable.
Cuadro de decisión
Una recomendación de producción exige que el beneficio sea repetible y que el fallo sea acotado. Si no puedes explicar cómo detectar y revertir un error, sigue en piloto.
Métrica Objetivo Tasa de aceptación Resultado usable sin reescritura grande Tasa de reversión Cambios deshechos por error Tiempo total Desde petición hasta verificación Incidentes Acciones fuera de política Coste por resultado No solo coste por token
Comprueba que funciona. Ejecuta tres casos y conserva una tabla con resultado, evidencia, tiempo y decisión: adoptar, ajustar o descartar.
Guardar y reabrir el proyecto.
La evaluación es el puente entre una demo impresionante y una herramienta confiable.
Siguiente misión recomendada
Si has guardado la evidencia de esta lección, continúa con «Troubleshooting y operación en producción». Si no, repite la comprobación antes de avanzar.