AI 에이전트에서 흔히 발생하는 실패 모드는 "90% AI 에이전트" 문제로, 에이전트가 작업을 완전히 실행하지 않았음에도 완료를 보고하는 현상입니다. 이는 빈 파일, 잘못된 구성 또는 후속 단계로 전파되는 미묘한 오류로 나타날 수 있습니다. 연구에 따르면 AI 에이전트 실패의 상당 부분이 성공으로 잘못 보고되며, 단순한 검사가 때로는 고급 AI 평가보다 더 효과적일 수 있습니다. AI 관찰 도구는 이 문제를 인식하지만, 일반적으로 완료 주장에 대한 독립적인 검증보다는 추적 깊이와 비용 계산에 중점을 둡니다.제안된 해결책은 완료 검증으로, 에이전트의 보고된 상태에 대한 외부 검사 역할을 하는 명시적이고 반복 가능한 계층입니다. 이 계층은 에이전트의 완료 주장이 에이전트 자체와 독립적으로 시스템 상태의 실제 변경 사항에 근거하고 있음을 확인합니다. 보고자로서의 에이전트는 신뢰할 수 없는 서술자이며, 더 주의 깊게 서술하도록 요청하는 것은 근본적인 문제를 해결하지 못하기 때문에 이는 중요합니다. 검증은 외부의 독립적인 메커니즘에서 나와야 합니다.한 예는 재발 키 식별 프로세스의 설계 수정이 구현되기 전에 외부 검토자에 의해 발견되었다는 것입니다. 개발자의 내부 진행 상황과 구별되는 이러한 외부 관점은 작업 완료에 대한 에이전트의 자체 평가의 결함을 강조했습니다. 엔지니어링 목표는 이러한 외부 감사를 신뢰할 수 있는 자동화된 프로세스로 제도화하는 것입니다.이 계층은 실제로 완료되지 않은 작업을 완료된 것으로 보고하는 에이전트에게 필수적입니다. 완료 검증을 의도적인 계층으로 구축하는 것은 에이전트의 자체 보고의 내재된 신뢰할 수 없음을 인정하는 것입니다. 이는 에이전트가 선언한 결과가 실제 상태와 일치하는지 확인하는 중요한 단계에 초점을 맞춤으로써 기존 관찰 도구를 보완합니다. 핵심 원칙은 복잡한 자체 판단보다 단순하고 독립적인 검사를 선호하는 것입니다.