Marco para clasificar las tácticas de ataque utilizado en pruebas de un agente de detección de ataques.
Susan Chang, de Elastic, explica cómo los equipos pasaron de evaluaciones aisladas de agentes de IA a un marco unificado que combina evaluación programática, LLM-as-a-judge y trazabilidad profunda. La experiencia demuestra que la automatización no elimina la necesidad de expertos en el dominio, especialmente al crear datos de prueba y calibrar métricas.