El banco de pruebas para agentes IA
Mida, inspeccione y gobierne sus agentes IA
Pivotal Bench evalúa cada respuesta de sus agentes frente a una referencia, mapea sus instrucciones, herramientas y dependencias, y puntúa la calidad de sus prompts. Primer conector: Dust.
Gratis durante la fase de pruebas beta
Tres usos, una sola plataforma
Benchmark
Cada respuesta se juzga Correcta, Parcial o Incorrecta. Compare conjuntos de pruebas de varias plataformas, anote las diferencias y genere informes con clasificación.
Inspección
Vea el interior de la plataforma: qué agentes existen, qué se les pide, qué herramientas y skills usan, quién llama a quién.
Gobernanza
Una puntuación Craft.ecQ de 1 a 5 por agente, espacios compartidos por empresa, roles lector/editor e historial de informes.
Lo que mide
- 3
- veredictos: Correcto, Parcial, Incorrecto
- 2
- puntuaciones: estricta y ponderada
- 8
- criterios Craft.ecQ por agente
- 1–5
- puntuación de calidad de instrucciones
Cómo funciona
- STEP_01
Conecte
Añada su clave API de Dust y su workspace a un espacio.
- STEP_02
Importe
Cargue sus preguntas y respuestas esperadas en CSV. Las columnas se detectan automáticamente.
- STEP_03
Ejecute
Los agentes responden en segundo plano, en paralelo. La IA juzga cada respuesta y una segunda lectura revisa los veredictos dudosos.
- STEP_04
Decida
Compare los conjuntos lado a lado y genere un informe ejecutivo con gráficos y recomendaciones.
Seguridad y confidencialidad
Sus datos pertenecen a su empresa. Nunca vendidos, nunca leídos sin su permiso.
Aisladas por empresa
Cada empresa solo ve sus datos. Ni siquiera el administrador de la plataforma puede leerlos.
Soporte con autorización
Acceso concedido por su administrador: 1 h, 24 h o 7 días, lectura o edición, revocable.
Cifrados por empresa
Preguntas, respuestas, instrucciones de agentes e informes almacenados ilegibles con una clave propia de su empresa.
Registro de auditoría inalterable
Cada apertura, exportación, enlace público y acceso del soporte queda registrado, exportable en CSV.
IA sin conservación
Sin entrenamiento con sus datos y enmascaramiento opcional de correos, teléfonos, IBAN y tarjetas.
Purga con certificado
Su administrador lo borra todo en cualquier momento y recibe un certificado fechado.
El editor
Editado por Pivotal Skills AI, el especialista en IA generativa para empresas
Pivotal Bench ha sido diseñado y editado por Pivotal Skills AI, que acompaña a las empresas en el despliegue de la IA generativa. La plataforma nace del terreno: medir, comprender y gobernar los agentes IA que nuestros clientes ponen en producción.
Descubrir Pivotal Skills AIPlataforma hermana
Digital Skills Analyzer: mida la adopción, las competencias y el ROI de sus agentes
Pivotal Bench evalúa la calidad de sus agentes. Digital Skills Analyzer, la otra plataforma de Pivotal Skills AI, mide lo que sus equipos hacen realmente con ellos — para dirigir la gestión del cambio a gran escala.
- 01
Usos y competencias
Usos reales de los usuarios y nivel de competencias en IA generativa.
- 02
Adopción de agentes
Por población, grupo, departamento, filial o unidad de negocio.
- 03
Costes y ROI por agente
Costes en créditos, tokens o euros y retorno de la inversión de cada agente.
- 04
Recomendaciones
Recomendaciones concretas para impulsar el cambio a gran escala.
Preguntas frecuentes
¿Qué es Pivotal Bench?
+
Pivotal Bench es una plataforma que mide la calidad, velocidad y coste de los agentes IA, inspecciona su configuración (instrucciones, herramientas, skills, subagentes) y ayuda a gobernarlos en toda la empresa.
¿Qué plataformas son compatibles?
+
Dust es el primer conector. ChatGPT, Claude y MCP están previstos. Los resultados de cualquier otro sistema (Glean, Copilot…) ya pueden importarse en CSV y compararse.
¿Cómo se juzgan las respuestas?
+
Un modelo de evaluación compara el sentido de cada respuesta con la esperada y emite un veredicto justificado. Los veredictos Parcial o Incorrecto se revisan a la luz de la pregunta, y puede corregir cualquier veredicto a mano.
¿Qué es la puntuación Craft.ecQ?
+
Craft.ecQ es un marco de redacción de prompts de 8 criterios: Contexto, Rol, Acciones, Formato, Tono, Ejemplos, Restricciones y control de Calidad. Pivotal Bench puntúa las instrucciones de cada agente de 1 a 5 y explica cada criterio.
¿Quién accede a los resultados?
+
Todo pertenece a su empresa, reconocida por su dominio de correo. Los administradores gestionan los miembros; cada espacio se comparte en lectura o edición.
Sus agentes IA merecen una medición seria
Conecte su workspace de Dust y obtenga en minutos una primera inspección y un primer benchmark.
