Agente de soporte que resuelve incidencias de e-commerce

Diseñarás un agente con tool use que reciba un ticket entrante, decida qué herramientas invocar (consultar estado de envío, generar etiqueta de devolución, consultar log de pago) y produzca una respuesta o derive a humano. Las herramientas serán mocks deterministas para evaluación. Recibirás 500 tickets reales anotados con la respuesta esperada y la acción esperada. Evaluarás (1) tasa de resolución correcta sobre 500 tickets, (2) tasa de escalado innecesario (escala cuando podría haber resuelto), (3) tasa de alucinación (responde sin invocar la herramienta cuando debería) y (4) coste por ticket. El éxito es resolución correcta superior al 70% en los tickets resolubles con menos del 3% de alucinación.