Агенты выполнили задачу. Почему тест всё равно провален?

Допустим, у тебя есть несколько AI-агентов. Один разбирает тикет, второй меняет код, третий запускает тесты, четвёртый готовит релиз. Задача закрыта, тесты зелёные, артефакт собран. Метрика success_rate показывает успех. Можно праздновать? Не обязательно. Агенты могли несколько раз выполнить одну работу, нарушить порядок операций, одновременно захватить…