Yapay zeka modelleri daha yetenekli hale geldikçe, başarıyı yalnızca modelin ne yapabildiği üzerinden ölçmek yeterli değil. Gerçek kullanım senaryolarında nasıl davrandığını sistematik olarak değerlendirebilecek veri, kalite kriterleri ve değerlendirme sistemleri oluşturmak giderek daha kritik hale geliyor.