Evals
Просто
Постоянные мини-экзамены для своего ИИ-продукта: не стал ли он хуже.
Бизнес
Внутренняя система оценки качества ИИ; без неё каждое обновление модели — лотерея.
Техно
Автоматизированные наборы (golden set, LLM-as-judge, метрики по трейсам) в CI и на проде; регрессия — блокер релиза.