Las Pruebas son preguntas de examen que tu agente de IA tiene que responder bien. Las corres a mano o cada vez que guardas un cambio, y se comparan con la versión anterior del agente. Así sabes si un cambio en el prompt o en las acciones rompió algo antes de que lo note un cliente.
Antes de empezar:
Las pruebas funcionan con agentes que usan herramientas (Modelo IA › Tool calling activado). En los demás, la pestaña muestra un aviso.
El agente debe estar guardado.
Cada corrida usa el modelo y el token de IA configurados en el agente: una llamada por mensaje y una para evaluar cada prueba.
1. Agrega una prueba
Abre el agente y, en Analisis, entra a Pruebas.
Presiona Agregar prueba.
Completa:
Nombre (opcional): para reconocerla en la lista.
Mensajes del cliente: lo que escribiría un cliente real. Con Agregar mensaje puedes armar una conversación de hasta 6 mensajes.
Qué debe pasar: la respuesta que esperas. Una IA la califica por el sentido, no por las palabras exactas.
Deja activo Activa (se corre con las demás pruebas) y presiona Guardar.
2. Acciones que debe y no debe ejecutar
Una prueba también revisa las acciones y los servicios del agente:
Debe ejecutar: la prueba falla si el agente no usa esa acción o servicio, o si la usa con error.
No debe ejecutar: la prueba falla si el agente la usa.
Puedes usar solo las acciones, solo Qué debe pasar, o ambos.
En las pruebas no se toca nada real:
Qué | En una prueba |
|---|---|
Acciones (asignar, etiquetas, citas, envíos, transferencias…), workers y consultas a otros agentes | Se simulan |
Servicios que escriben (POST, PUT, PATCH, DELETE) | No se llaman: devuelven una respuesta genérica |
Servicios GET, archivos, fuente de datos y disponibilidad | Se ejecutan de verdad (solo leen) |
Contactos, mensajes, memoria y Monitor | No se crea ni se guarda nada |
En Datos de la prueba puedes darle valores a las variables del agente y escribir una Respuesta de ejemplo (JSON) para cada servicio. Con una respuesta de ejemplo, el servicio no se llama.
3. Genera pruebas con IA
Presiona Generar con IA. La IA lee el prompt, las acciones y los servicios del agente, y agrega 8 pruebas: preguntas frecuentes, un cliente que pide hablar con una persona, alguien que intenta sacar al agente de sus instrucciones y una pregunta fuera de su alcance.
Revísalas antes de correrlas: cada una se edita con el lápiz o se elimina con el tacho.
4. Corre las pruebas
Presiona Correr pruebas. El agente responde cada prueba como si fuera un cliente y arriba ves cuántas pasan.
Haz clic en una prueba para ver su detalle:
Evaluación: por qué pasó o falló, y qué herramientas usó.
Conversación: lo que escribió el cliente y lo que respondió el agente.
Abrir en chat de prueba: deja la pregunta escrita en el chat de la derecha para que la pruebes tú.
Cada resultado puede ser Pasa, Falla o Error (por ejemplo, si el agente tardó demasiado o el proveedor de IA respondió con error). El puntaje no cuenta las que dieron error.
5. Correr al guardar y comparar versiones
Activa Correr al guardar cambios. Desde ese momento, cada vez que presionas Guardar, las pruebas se corren solas.
La columna Frente a compara cada prueba con la última corrida de una versión anterior del agente: Mejoró, Empeoró, Igual o Nueva. Dos corridas de la misma versión no se comparan, porque el agente puede responder distinto sin que nadie lo haya cambiado.
Ves un aviso rojo si una prueba empeoró o si el puntaje baja del porcentaje de Avisar si baja de (90 % por defecto). Con Restaurar, la versión anterior se carga en el editor; presiona Guardar para aplicarla.
Si guardas el agente después de una corrida, la pestaña te avisa que esos resultados ya no representan la versión actual.
Límites
Hasta 50 pruebas por agente y 6 mensajes por prueba.
Hasta 20 corridas cada 24 horas por agente.
Se guardan las últimas 20 corridas.