Każda zmiana poprawia jedną rzecz i może po cichu zepsuć inną. Bez testów dowiadujesz się o tym z rozmów klientów. Z testami: przed publikacją.
Przełącz wersje i zobacz, jak scenariusz łapie błąd po zmianie instrukcji i jak Copilot proponuje poprawkę w szkicu.
Scenariusz to rozmowa (gotowe wiadomości klienta albo symulowany klient z celem i faktami) i lista kontroli. Każda kontrola to osobny wynik, więc od razu widać, co się zepsuło.
Nie. Narzędzia, które coś zapisują (lead, rezerwacja, zgłoszenie), są w testach symulowane. Narzędzia tylko do odczytu mogą korzystać z prawdziwych danych, jeśli tak ustawisz scenariusz.
Testy zużywają kredyty AI jak zwykłe rozmowy. Scenariusz na czacie to zwykle grosze, w głosie jest wyraźnie drożej. Każdy scenariusz może mieć własny limit kosztu.
Testy uruchamiasz w panelu, z Copilota albo przez MCP, najczęściej na szkicu przed publikacją. Nie ma dziś harmonogramu nocnych przebiegów.
Nie. Scenariusz głosowy sprawdza zachowanie agenta w kanale głosowym (ten sam silnik rozmowy), ale w trybie tekstowym. Jakość dźwięku i połączenia telefonicznego sprawdzasz w rozmowach testowych.
Testy wyszukiwania sprawdzają, czy właściwe dokumenty są w wynikach i z jaką trafnością. Treść odpowiedzi sprawdzają scenariusze rozmów (kontrole treści i ocena sędziego).
Do 200 scenariuszy, rozmowy do 20 tur, do 10 kryteriów oceny na scenariusz. Narzędzie własne ma do 20 przypadków testowych.
Copilot czyta nieudane kontrole, przebieg rozmowy i błędy narzędzi, ocenia, czy problem jest w agencie, w teście, w narzędziu czy w środowisku, i proponuje konkretną poprawkę. Zmiany trafiają do szkicu, testy uruchamiają się ponownie, a opublikowany agent się nie zmienia.