Словарь
AutomationBench
Бенчмарк компании Zapier, который проверяет, как ИИ-агенты выполняют реалистичные деловые процессы в продажах, маркетинге, поддержке, финансах и HR. Агент работает сразу с несколькими приложениями через их API и должен соблюдать заданные правила. Результат проверяют по итоговому состоянию данных в приложениях, а не с помощью модели-судьи.