“¿Hay algo más barato?”: el agente indica el plan más barato y no cambia nada; el cliente elige Basic → un solo cambio.
“¿Hay algo más barato que mi plan actual?”
“Sí, el plan Basic, por favor.”
Una conversación de varios turnos: 2 mensajes del cliente, enviados uno tras otro.
El veredicto sale del estado del proveedor tras la conversación, no de lo que respondió el agente. Todo esto debe cumplirse:
No se inyecta ningún fallo: el proveedor se comporta bien. Un agente correcto debe superarlo tres veces seguidas, cada una en una sandbox nueva: los agentes que pasan una vez y fallan la segunda son más comunes de lo que crees.