Metodologías y técnicas para verificar los límites operativos y de comportamiento de los sistemas de IA agénticos, evaluando capacidades de razonamiento, autonomía en la toma de decisiones, gestión de tareas complejas y condiciones de contorno. Incluye pruebas de robustez para agentes basados en LLM, validación de políticas de restricción, análisis de modos de fallo en escenarios de múltiples pasos y verificación de la consistencia del comportamiento bajo estrés o entradas adversarias.