Hugging Face의 Irene Solaiman은 AI 기업 내부에 평가자를 두는 방식만으로 신뢰할 만한 검증이 완성되지는 않는다고 지적했다. 모델 접근권과 재현 가능한 조건이 없으면 외부 연구자가 결과를 확인하기 어렵고, 같은 모델도 실행 환경과 도구 구성에 따라 점수가 달라진다는 것이다. 실제 업무를 묶은 에이전트 평가에는 비용과 전문성이 더 필요해 단일 순위표로 대체하기 어렵다. 이는 새 성능 실험 결과가 아니라 평가 체계에 관한 제언이며, 도입 조직은 자신의 업무와 권한 조건에서 검증을 설계해야 한다.