Los agentes de IA pudieron leer los precios y llegar a ventas. Donde se quedaron fue al registrarse.
Encargamos a un agente navegador de IA tres tareas comerciales en 30 webs B2B SaaS, y ejecutamos cada tarea dos veces. Completó el 85,6% de los recorridos válidos, y el 93,1% de los recorridos en los que la web no le denegó el acceso. De sus 25 fallos, 14 — el 56% — fueron la web denegándole el acceso, concentrados en el momento de registrarse.
30 empresas SaaS · 180 recorridos planificados · 3 tareas · 2 ejecuciones por tarea
Donde se invirtió el embudo
| Empresa | Leer el precio | Empezar el registro self-service | Llegar a ventas |
|---|---|---|---|
| Airtable | Completado las dos veces | Fallido las dos veces | Completado las dos veces |
| Cloudflare | Completado las dos veces | Fallido las dos veces | Completado las dos veces |
| DigitalOcean | Completado las dos veces | Fallido las dos veces | Completado las dos veces |
| Webflow | Una de dos ejecuciones | Fallido las dos veces | Completado las dos veces |
- Completado las dos veces
- Fallido las dos veces
- Una de dos ejecuciones
- No medible
Evidencia del recorrido de registro
- AirtableEmpezar el registro self-serviceEjecución 1Ejecución 2
- CloudflareEmpezar el registro self-serviceEjecución 1Ejecución 2
- DigitalOceanEmpezar el registro self-serviceEjecución 1Ejecución 2
- WebflowEmpezar el registro self-serviceEjecución 1Ejecución 2
Qué encontramos
El estudio se sostiene sobre tres hallazgos. Cada uno se expresa con el numerador y el denominador exactos de los que sale, y todos son reproducibles a partir de la evidencia publicada.
- 01
La mayoría de los recorridos se completaron, y los fallos no se repartieron de forma uniforme
El agente alcanzó su objetivo en 149 de 174 ejecuciones válidas: un 85,6%, con un intervalo del 95% entre el 79,7% y el 90,1%. Leer los precios funcionó en 49 de 58 ejecuciones válidas y llegar a ventas en 53 de 58. El registro self-service fue el recorrido más débil, con 47 de 58, y allí los fallos respondieron casi siempre a una sola causa.
- 02
La causa de fallo más frecuente fue la web denegando el acceso, no el agente perdiéndose
14 de 25 fallos — el 56% — fueron la web auditada denegando al agente el acceso a su propia ruta comercial, mediante una verificación antibot. El comportamiento de nuestro propio agente explica 10 de 25: 8 por perder la ruta o agotar el presupuesto de 20 turnos, y 2 por llegar a la página correcta y reportar el dato equivocado. El fallo restante fue el botón principal de una web devolviendo un clic correcto sin navegar a ningún sitio.
- 03
En cuatro webs el agente pudo llegar a un comercial, pero no al producto
En Airtable, Cloudflare, DigitalOcean y Webflow la ruta de contacto con ventas se completó en ambas ejecuciones, mientras que la ruta de registro self-service falló en ambas. Funcionó el camino lento, el que necesita una persona al otro lado. El automático, no.
Por qué importa
Que un agente de IA pueda leer tu web no es lo mismo que pueda comprarte. Leer es un problema de contenido: si el precio está publicado, si se puede interpretar, si la página es accesible. Convertir es un problema de recorrido: una secuencia de clics reales sobre controles reales que termina en un formulario, un registro o un checkout.
En este benchmark leer casi nunca fue la parte difícil. El agente encontró el precio oficial e identificó un precio de entrada de pago en 49 de 58 ejecuciones válidas, y encontró la ruta de contacto con ventas en 53 de 58. Los fallos se concentraron en el momento en que el recorrido deja de ser lectura y pasa a ser acción, y más de la mitad no fueron el agente perdiéndose, sino la web denegándole el acceso.
Esa asimetría tiene una lectura comercial. Un comprador que no encuentra tu precio puede preguntar a un comercial. Un agente detenido en el registro está detenido en el único paso que convierte sin que intervenga una persona.
Los fallos fueron reproducibles, no aleatorios
Cada par empresa-tarea se ejecutó dos veces de forma independiente, así que la repetibilidad está medida y no supuesta. 72 de 87 pares resolubles funcionaron las dos veces. 10 fallaron las dos veces. Solo 5 — el 5,8% — dieron un acierto y un fallo.
Eso determina cuánto peso puede soportar un fallo aislado. Los siete pares en los que la web denegó el acceso lo denegaron en ambas ejecuciones: son comportamientos reproducibles de la web en la fecha medida, no un intento con mala suerte.
Una hipótesis que esperábamos confirmar no se sostuvo. La finalización repetible, 82,8%, está solo unos tres puntos por debajo de la finalización a la primera, 86,2%, y los dos intervalos se solapan ampliamente. Con esta evidencia no podemos afirmar que los agentes sean notablemente menos fiables en un segundo intento.
Tres tasas de finalización, tres preguntas distintas
- Finalización a la primera149 / 17485,6%
Si un agente intenta este recorrido una vez, ¿cuántas veces lo termina? Es la cifra principal y la más comparable a una visita real.
IC 95% 79,7% – 90,1%
- Finalización repetible72 / 8782,8%
Si un agente intenta el mismo recorrido dos veces, ¿cuántas veces lo termina las dos? Una prueba más estricta, y la que indica que un resultado no fue suerte.
IC 95% 73,5% – 89,3%
- Finalización sin denegación de acceso149 / 16093,1%
Cuando la web no le denegó el acceso, ¿cuántas veces terminó el recorrido? Aísla cuánta parte del déficit es política de acceso y no navegación.
IC 95% 88,1% – 96,1%
La tercera cifra no es la tasa de éxito «real» tras quitar una molestia. Que una web deniegue el acceso a un agente en el registro es un resultado comercial, no ruido de medición: el recorrido no se completó. La cifra existe para separar dos causas, no para sustituir a la principal.
Los tres recorridos
Cada empresa recibió las mismas tres tareas, formuladas como las formularía un cliente y congeladas antes de ejecutar nada. Cada una se detiene una acción antes del paso irreversible.
- Leer el precio49 / 58 · 84,5%
- Encontrar el precio oficial e identificar el precio de entrada de pago más bajo que claramente no sea gratuito, con su unidad de facturación y su periodicidad. Se evalúa el plan, la unidad y la periodicidad, no el importe en una moneda concreta.
- Empezar el registro self-service47 / 58 · 81,0%
- Encontrar la ruta oficial de registro self-service y seguirla hasta que la siguiente acción crearía una cuenta, enviaría datos personales o iniciaría un pago. Detenerse ahí.
- Llegar a ventas53 / 58 · 91,4%
- Encontrar la ruta oficial para contactar con ventas o pedir una demo y seguirla hasta que la siguiente acción enviaría un formulario o datos del cliente. Detenerse ahí.
Resultados por par y recorrido
- Leer el precio23 / 29 funcionaron dos veces
- 23Completado las dos veces
- 3Una de dos ejecuciones
- 3Fallido las dos veces
- 1No medible
- Empezar el registro self-service23 / 29 funcionaron dos veces
- 23Completado las dos veces
- 1Una de dos ejecuciones
- 5Fallido las dos veces
- 1No medible
- Llegar a ventas26 / 29 funcionaron dos veces
- 26Completado las dos veces
- 1Una de dos ejecuciones
- 2Fallido las dos veces
- 1No medible
Cada barra son 30 pares empresa-tarea: 30 empresas, un par cada una, dos ejecuciones por par.
Qué falló exactamente
Los 25 fallos válidos, agrupados por la causa asignada durante la adjudicación. Cada fallo se clasificó leyendo su traza de pasos completa frente a la definición congelada de la tarea, no a partir de su puntuación.
Los 25 fallos por causa adjudicada
- ACCESS_BLOCKED14 / 25 · 56%
La web devolvió una verificación antibot en su propia ruta comercial y el agente no pudo avanzar. Observado en 5 de las 29 empresas medibles. No se implica intención: una verificación antibot gestionada no es necesariamente una decisión deliberada sobre los agentes de IA.
- STEP_TIMEOUT6 / 25 · 24%
El agente agotó su presupuesto de 20 turnos sin dar una respuesta. En al menos 3 de estos casos la respuesta ya estaba en pantalla cuando se agotó.
- CONTENT_FAILURE2 / 25 · 8%
El agente llegó a la página correcta y reportó un dato equivocado: en ambos casos, un precio correcto atribuido al plan equivocado.
- NAVIGATION_FAILURE2 / 25 · 8%
El agente nunca llegó al destino requerido: adivinó URLs en lugar de usar un enlace que la página ofrecía.
- CONTROL_FAILURE1 / 25 · 4%
El propio CTA principal de la web devolvió un clic correcto sin navegar a ningún sitio, y el agente no se recuperó.
La adjudicación asigna cada fallo al lado en el que se originó. Originado en la web significa que el comportamiento de la propia web detuvo un recorrido que publica como self-service; comportamiento del agente significa que nuestro agente falló en una web que le ofrecía un camino viable. El reparto es de unos tres a dos, y publicamos las dos mitades, no solo la que favorece al instrumento.
Evidencia con nombres
Los ejemplos siguientes llevan nombre porque la evidencia es pública y reproducible. Cada uno describe los recorridos medidos y nada más: una ruta concreta, en una fecha concreta, desde una única red en la nube, dos veces. Nada de esto afirma cómo tratan estas webs a todos los agentes de IA, ni cómo se comportan hoy.
- AirtableRegistroFallido las dos veces
Al seguir la propia ruta de registro de Airtable hasta airtable.com/signup, ambas ejecuciones medidas recibieron una página de verificación. El agente se detuvo ahí y no llegó a un formulario de registro.
- Ruta
- airtable.com/signup
- Página observada
- “Verify it’s you — Airtable”
- CloudflareRegistroFallido las dos veces
Ambas ejecuciones siguieron el CTA principal de Cloudflare hasta dash.cloudflare.com/sign-up y ambas observaron una página de verificación intermedia en lugar de un formulario de registro.
- Ruta
- dash.cloudflare.com/sign-up
- Página observada
- “Just a moment...”
- DigitalOceanRegistroFallido las dos veces
Ambas ejecuciones llegaron a cloud.digitalocean.com/registrations/new y ambas observaron una página de acceso denegado de un servicio de protección antibot en lugar de un formulario de registro.
- Ruta
- cloud.digitalocean.com/registrations/new
- Página observada
- “Attention Required! | Cloudflare”
- WebflowRegistroFallido las dos veces
Ambas ejecuciones llegaron a webflow.com/signup y ambas observaron una página indicando que el acceso había sido denegado. La página de precios de Webflow no presentó ninguna verificación en ninguna de las dos ejecuciones, y la ruta de contacto con ventas se completó en ambas.
- Ruta
- webflow.com/signup
- Página observada
- “Access to this page has been denied”
- MakePrecio · Registro · VentasFallido las dos veces
Las seis ejecuciones en make.com — dos por recorrido — observaron una verificación intermedia en la página de entrada. No se pudo observar contenido del sitio, así que no se midió nada más allá de ese comportamiento de entrada.
- Ruta
- www.make.com/en
- Página observada
- “Just a moment...”
- PostHogRegistroUna de dos ejecuciones
En ambas ejecuciones el agente pulsó los CTA principales de PostHog y en ambas el clic se registró como correcto sin que la página cambiara. Una ejecución se recuperó escribiendo directamente la URL de registro; la otra terminó en la home.
- Ruta
- posthog.com
Una puntuación es un resumen, no un veredicto
Nuestro propio producto puntúa cada ejecución de 0 a 100. En todo el benchmark esa puntuación coincidió con la adjudicación independiente en 166 de 174 ejecuciones válidas, que es un buen nivel de acuerdo. Lo interesante son las discrepancias, porque todas van en la misma dirección.
Siete de los 25 recorridos fallidos puntuaron 90 o más. Dos puntuaron 100. Ni un solo recorrido completado puntuó por debajo de 70: todas las discrepancias de este conjunto de datos son puntuaciones demasiado generosas, nunca demasiado severas.
El caso más claro es un único par. Dos ejecuciones siguieron el mismo CTA hasta la misma URL de registro y ambas se encontraron la misma página de verificación. El resultado del recorrido es idéntico y reproducible. Las puntuaciones fueron 50 y 98.
- CloudflareRegistro50/100 · 98/100Fallido las dos vecesEjecución 1Ejecución 2
- IntercomPrecio100/100Fallido las dos vecesEjecución 2
Qué se deduce de esto
No que las puntuaciones no sirvan: esta coincidió con la adjudicación el 95% de las veces y resume con utilidad cómo fue una ejecución. Lo que se deduce es más concreto: una puntuación no basta como veredicto sobre si un agente convirtió. Eso solo lo responde el resultado del recorrido, y en los siete casos en que ambas discreparon por encima de 90 la puntuación se equivocó precisamente en lo que más le importaría a un comprador.
No puntúes si tu web parece preparada para agentes. Comprueba si un agente puede convertir de verdad.
Es la implicación de producto que extraemos de la discrepancia anterior, no una ley general demostrada. Se apoya en 8 discrepancias sobre 174 ejecuciones de un agente en 29 webs.
Una empresa quedó excluida, y el motivo es nuestro
Una de las 30 empresas seleccionadas no produjo ninguna medición válida. Nuestro propio paso de observación de página superó su plazo interno en esa web en los 12 intentos, consumiendo todo el presupuesto de tiempo de cada ejecución antes de que el agente pudiera actuar. Ninguna otra empresa del benchmark produjo un solo fallo de ese tipo. Es un defecto de nuestro instrumento de medida, no un resultado sobre esa empresa: no se midió nada de su web y en todo D-001 no se extrae ninguna conclusión sobre ella. Por eso la cohorte se reporta como 30 seleccionadas y 29 con mediciones comparables, y las cifras contando esa empresa como fallo también se publican en el análisis, para que la decisión pueda comprobarse en lugar de aceptarse por confianza.
Las 30 empresas seleccionadas
| Empresa | Leer el precio | Empezar el registro self-service | Llegar a ventas |
|---|---|---|---|
| Airtable | Completado las dos veces | Fallido las dos veces | Completado las dos veces |
| Asana | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Calendly | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| ClickUp | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Cloudflare | Completado las dos veces | Fallido las dos veces | Completado las dos veces |
| Datadog | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| DigitalOcean | Completado las dos veces | Fallido las dos veces | Completado las dos veces |
| Figma | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Framer | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| GitHub | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| GitLab* | No medible | No medible | No medible |
| HubSpot | Fallido las dos veces | Completado las dos veces | Completado las dos veces |
| Intercom | Fallido las dos veces | Completado las dos veces | Completado las dos veces |
| Klaviyo | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Linear | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Loom | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Mailchimp | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Make | Fallido las dos veces | Fallido las dos veces | Fallido las dos veces |
| Miro | Completado las dos veces | Completado las dos veces | Fallido las dos veces |
| monday.com | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Notion | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| PostHog | Una de dos ejecuciones | Una de dos ejecuciones | Completado las dos veces |
| Render | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Sentry | Una de dos ejecuciones | Completado las dos veces | Completado las dos veces |
| Slack | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Supabase | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Typeform | Completado las dos veces | Completado las dos veces | Una de dos ejecuciones |
| Vercel | Completado las dos veces | Completado las dos veces | Completado las dos veces |
| Webflow | Una de dos ejecuciones | Fallido las dos veces | Completado las dos veces |
| Zapier | Completado las dos veces | Completado las dos veces | Completado las dos veces |
- Completado las dos veces
- Fallido las dos veces
- Una de dos ejecuciones
- No medible
No medible, no un fallo. Nuestro propio paso de observación de página superó su plazo en esta web en los 12 intentos, así que no se midió nada de la web y no se reporta ningún resultado sobre ella. Véase la nota de exclusión más arriba.
Qué cambiaría si lo hubiéramos juzgado de otra forma
En D-001 hay tres decisiones de adjudicación que podrían haberse resuelto razonablemente al contrario. Las tres se muestran aquí, con las cifras que habrían producido, porque nadie puede comprobar un criterio que no ve. Ninguna de ellas cambia el hallazgo principal.
| Criterio | Ejecuciones completadas | Completadas dos veces |
|---|---|---|
| Tal como se publica | 85,6%149/174 | 82,8%72/87 |
| Empresa excluida contada como fallo | 82,8%149/180 | 80,0%72/90 |
| Regla de precio leída al pie de la letra | 86,2%150/174 | 83,9%73/87 |
| Paradas por límite de seguridad contadas como inválidas | 85,5%147/172 | 82,6%71/86 |
La empresa excluida, y por qué la exclusión nos favorece
La exclusión descrita más arriba sube nuestra cifra principal, y precisamente por eso ambas cifras deben estar en esta página. Contada como seis fallos de la web en lugar de una medición inválida, la finalización sería 149 de 180 (82,8%) en lugar de 149 de 174 (85,6%). Los 12 intentos de observación en esa web superaron su plazo y ninguna otra empresa del benchmark produjo un solo fallo de ese tipo, así que la empresa no falló: no se midió nada de su web.
Un veredicto de precio que depende de cuán estrictamente se lea la regla
La tarea de precio exige el plan, la unidad de facturación y la periodicidad correctos, y la regla congelada dice que nombrar el plan equivocado es un fallo. Una ejecución reportó el precio correcto con la unidad y la periodicidad correctas, pero lo atribuyó a un nivel que en realidad es gratuito. Leída al pie de la letra — el enunciado pide un precio, una unidad y una periodicidad — esa ejecución sería un acierto. Mantuvimos el veredicto estricto, porque la regla se congeló antes de las ejecuciones y no la cambiamos después de ver un resultado. Leerla al contrario mueve la finalización de 149 de 174 (85,6%) a 150 de 174 (86,2%) y los pares inestables de 5 a 4. Ningún hallazgo, cifra ni ejemplo con nombre de esta página depende de esa lectura.
Dos ejecuciones que se detuvieron en un límite de seguridad y se contaron como aciertos
Nuestro agente no cruza del sitio auditado a un dominio de terceros. Dos ejecuciones alcanzaron su objetivo y después se detuvieron en ese límite, lo que el sistema registró como parada de seguridad y no como finalización. Las adjudicamos como aciertos porque la evidencia muestra que el recorrido ya había llegado al punto requerido. Contarlas como inválidas daría 147 de 172 (85,5%). La política de seguridad no se relajó para llegar a esta conclusión.
Ninguna de las dos ejecuciones sostiene el resultado por sí sola
Leído solo con las primeras ejecuciones, 75 de 87 pares se completaron (86,2%). Solo con las segundas, 74 de 87 (85,1%). El orden en que ocurrieron las dos ejecuciones no influye.
Dónde discrepó nuestro propio evaluador
La puntuación del evaluador de producción discrepó de la adjudicación independiente en 8 de 174 ejecuciones válidas, y todas las discrepancias fueron en el mismo sentido: la puntuación fue demasiado generosa. Esto se reporta como una limitación de nuestra puntuación, no como un hallazgo sobre ninguna web.
Metodología
Todos los números de D-001 provienen de este diseño, congelado antes de ejecutar la primera medición.
Cohorte
- 30 empresas seleccionadas con criterios de elegibilidad pre-registrados.
- 29 produjeron mediciones comparables.
- La verdad de referencia de cada empresa se estableció a partir de páginas públicas y se congeló antes de ejecutar el benchmark.
Diseño
- 180 ejecuciones declaradas: 30 empresas x 3 tareas x 2 ejecuciones independientes.
- 174 ejecuciones válidas tras excluir las mediciones que nuestro propio instrumento no logró recoger.
- Dos ejecuciones independientes por par empresa-tarea, de modo que la repetibilidad se mide en lugar de suponerse.
- Cada ejecución se adjudicó frente a la definición congelada de la tarea y la verdad de referencia pre-registrada, leyendo su traza de pasos completa. La puntuación del evaluador es evidencia, no el veredicto.
- Se autorizó un reintento bajo la política congelada, para una única ejecución que falló dentro de nuestra propia infraestructura. El intento sustituido queda excluido y no es uno de los 180.
Las tres tareas evaluadas
- PRICE_TRUTH
- encontrar el precio oficial para un nuevo cliente de empresa e identificar el precio de entrada de pago más bajo que claramente no sea gratuito, con su unidad de facturación y su periodicidad.
- SELF_SERVE_START
- encontrar la ruta oficial de registro self-service y seguirla hasta que la siguiente acción crearía una cuenta, enviaría datos personales, autorizaría un proveedor de identidad externo o iniciaría un pago. Detenerse antes de esa acción.
- SALES_START
- encontrar la ruta oficial para contactar con ventas o pedir una demo y seguirla hasta que la siguiente acción enviaría un formulario, agendaría una cita o enviaría datos del cliente. Detenerse antes del envío.
Límites de ejecución
- Un techo duro de 20 turnos de modelo por ejecución (MAX_STEPS = 20), congelado como límite de producto y no como ajuste del benchmark.
- Un techo de 90 segundos de reloj para el bucle del agente.
- El agente opera únicamente dentro del dominio registrable auditado y sus subdominios. Llegar al límite de un tercero se registra como evidencia, nunca se cruza.
- Ninguna ejecución completó una conversión. Cada tarea se detiene una acción antes del paso irreversible: no se compró nada, no se creó ninguna cuenta y no se envió ningún formulario.
Qué cubren y qué no cubren estas mediciones
- Un solo agente navegador movido por un solo modelo. Estos resultados no son una afirmación sobre los agentes de IA en general.
- Un único punto de red - un sandbox efímero en la nube - y una única fecha. La detección de bots depende de la reputación de la IP, de las cabeceras y del ritmo, así que un resultado de acceso observado aquí no afirma que todo agente desde cualquier red reciba el mismo trato.
- Una única ventana de observación. No se muestreó variación por hora del día, despliegues ni tests A/B.
- Dos ejecuciones por par empresa-tarea solo detectan inestabilidad gruesa. La tasa de inestabilidad medida es un suelo, no una estimación.
- 29 empresas medibles elegidas por elegibilidad no son una muestra aleatoria, así que no se extrae ninguna inferencia poblacional.
- Los precios publicados cambian. La verdad de referencia lleva su fecha de verificación, y las respuestas de precio se evalúan por plan, unidad de facturación y periodicidad en lugar de por un importe en una moneda, porque el agente y nuestra verificación se ejecutaron desde geografías distintas.
Una empresa quedó excluida, y el motivo es nuestro
Una de las 30 empresas seleccionadas no produjo ninguna medición válida. Nuestro propio paso de observación de página superó su plazo interno en esa web en los 12 intentos, lo que consumió todo el presupuesto de tiempo de cada ejecución antes de que el agente pudiera actuar. Ninguna otra empresa del benchmark produjo un solo fallo de ese tipo. Es un defecto de nuestro instrumento de medida, no un resultado sobre esa empresa: no se midió nada de su web y en todo D-001 no se extrae ninguna conclusión sobre ella. Por eso la cohorte se reporta como 30 empresas seleccionadas y 29 con mediciones comparables.
Evidencia
Cada ejecución guardó su traza de pasos completa, las páginas que observó, la URL final a la que llegó y la evaluación del resultado. Esos informes son accesibles públicamente y cada uno lleva una etiqueta de benchmark que enlaza a esta página. Son la evidencia que cita cada hallazgo de arriba.
Limitaciones
Estas limitaciones acotan todas las cifras de esta página. No son advertencias añadidas al final: son lo que el diseño puede y no puede sostener.
- Un solo agente navegador, movido por un solo modelo. No es una afirmación sobre los agentes de IA en general, y otro agente daría otras cifras.
- Un único punto de red — un sandbox efímero en la nube — y una única fecha. La detección de bots depende de la reputación de la IP, de las cabeceras y del ritmo, así que un resultado de acceso aquí no afirma que todo agente desde cualquier red reciba el mismo trato.
- Una única ventana de observación. No se muestreó variación por hora del día, despliegues ni tests A/B. El comportamiento de acceso puede cambiar sin que la web cambie nada a propósito.
- Dos ejecuciones por par empresa-tarea solo detectan inestabilidad gruesa. El 5,8% de inestabilidad es un suelo, no una estimación.
- 30 empresas seleccionadas con criterios de elegibilidad no son una muestra aleatoria de nada. No se hace ninguna inferencia poblacional, y el 56% describe 14 de 25 fallos observados, no el 56% de las webs.
- Un techo duro de 20 turnos de modelo y 90 segundos por ejecución. 8 ejecuciones quedaron limitadas por el presupuesto de turnos, y en al menos 3 la respuesta ya estaba en pantalla.
- Los resultados con nombre describen los recorridos medidos en la fecha medida. No son propiedades permanentes de la web de ninguna empresa.
Prueba tu propia web
Agent Conversion ejecuta esta misma medición sobre una URL y una tarea que elijas, y te muestra el recorrido completo del agente, incluido dónde se detuvo.