Тестирование Resemble AI показало, что инструменты обнаружения ботов выявили от 3,1% до 14,8% замаскированных AI-агентов. В ходе теста агенты выдавали себя за обычный браузерный трафик, а не заявляли о себе открыто, и охват обнаружения различался в несколько раз между протестированными инструментами. Разброс значений важен не меньше абсолютных цифр: даже лучший результат в этом диапазоне оставляет подавляющее большинство замаскированных агентов неклассифицированными.
Для команд, создающих агентные системы, практическое следствие состоит в том, что классификация трафика не может служить шлюзом контроля доступа. Слой обнаружения, который пропускает большинство замаскированных агентов, в лучшем случае является сигналом мониторинга; если рассматривать его как границу авторизации, решения о доступе будут опираться на вероятностное предположение о том, кто вызывает систему. Там, где агенту нужно действовать с защищёнными ресурсами, решение должно переноситься на принципала: аутентифицированная идентичность, ограниченные по области действия учётные данные и политика для каждого принципала, применяемая на уровне ресурса, независимо от того, как выглядит трафик.
Студия рассматривает это как проектное ограничение, а не как пробел в инструментах, который нужно переждать. Архитектуры агентов должны исходить из того, что классификация откажет в открытую, и размещать принудительное применение там, где идентичность уже известна. Чего охват не устанавливает — это как протестированные инструменты ведут себя против агентов, которые не пытаются маскироваться, и как показатели меняются в зависимости от конфигурации и объёма трафика; предоставленная отчётность даёт единственный тестовый диапазон, а не бенчмарк по условиям развёртывания. На эти вопросы стоит ответить, прежде чем какой-либо сигнал обнаружения будет подключён к движку политик.