Yardstick está organizado en tres suites que puedes adoptar en orden:
Observe (medir): mide la IA sobre resultados reales en las unidades que respeta cada vertical, como el costo por PR fusionado para herramientas de desarrollo o la tasa de resolución para soporte. Las métricas de actividad engañan, los resultados no.
Optimize (mejorar): un score solo es útil si puedes moverlo. Optimize lee lo que mide Observe y te indica cómo subirlo: el prompt a ajustar, el modelo a cambiar, el experimento a ejecutar, y luego cierra el ciclo.
Treasury (gobernar): una vez que los resultados están medidos, el dinero puede seguirlos. Define asignaciones por equipo, y recupera el presupuesto no utilizado para reasignarlo a los equipos que generan más valor.
La visión de largo plazo, Autopilot, es un agente que ejecuta todo el ciclo dentro de las políticas definidas, totalmente registrado y reversible.