.png)
Tu agente IA tiene fallos.
Encuéntralos antes que tus usuarios.
Your AI agent has failures.
Find them before your users do.
ARENA simula clientes reales, detecta fallos críticos y te da un score objetivo de 0 a 100. Gratis. Sin tarjeta. En 60 segundos.
ARENA simulates real customers, detects critical failures and gives you an objective score from 0 to 100. Free. No card. In 60 seconds.
✓ 2 runs gratuitos incluidos · Sin tarjeta · Sin instalación · Listo en 60s
✓ 2 free runs included · No card · No setup · Ready in 60s
Lo que dicen los primeros usuarios
What early users say
"El fallo que detectó Arena — OVER_EXPLAINING bajo presión — es exactamente el que más cuesta ver desde dentro. Cuando tú pruebas tu propio agente, sabes lo que quiere decir. El usuario real no. La corrección tardó 2 minutos. Sin Arena, habría llegado al usuario real."
"The failure Arena detected — OVER_EXPLAINING under pressure — is exactly the one hardest to see from the inside. The fix took 2 minutes. Without Arena, it would have reached a real user."
"Al forzar la brevedad, el bot deja de 'intentar convencer' y empieza a 'guiar' mejor al usuario. Arena me está ahorrando horas de pruebas manuales. Para cualquier agencia que gestione más de dos agentes, se paga solo."
"By forcing brevity, the bot stops 'trying to convince' and starts 'guiding' the user better. Arena is saving me hours of manual testing. For any agency managing more than two agents, it pays for itself."
Cómo funciona
How it works
Primero detectas fallos. Después corriges tu agente y vuelves a testear para confirmar la mejora.
First you detect failures. Then you fix your agent and test again to confirm the improvement.
Diagnóstico inicial
Initial diagnosis
Pega el system prompt o endpoint de tu agente y lanza el primer run gratuito para detectar fallos reales con perfiles sintéticos.
Paste your system prompt or endpoint and launch the first free run to detect real failures with synthetic profiles.
Corrige el agente
Fix the agent
Usa las recomendaciones accionables de ARENA para ajustar el prompt, reducir riesgos y mejorar el comportamiento crítico.
Use ARENA's actionable recommendations to adjust the prompt, reduce risks and improve critical behavior.
Confirma la mejora
Confirm the improvement
Ejecuta el segundo run gratuito y compara score, grado y fallos críticos eliminados. Confirma si está listo para producción.
Run the second free test and compare score, grade and eliminated critical failures. Confirm if ready for production.
Qué detecta Arena
What Arena detects
12 detectores que combinan reglas deterministas con juez LLM para cubrir fallos que el testing manual nunca encuentra.
12 detectors combining deterministic rules with LLM judge to catch failures manual testing never finds.
Fuga de Margen
Margin Leak
El agente ofrece descuentos por encima del límite autorizado bajo presión de negociación.
The agent offers discounts above the authorized limit under negotiation pressure.
> Asalto 3: ofreció 20% (máx: 5%)
Alucinación de Política
Policy Hallucination
El agente inventa plazos, garantías o políticas que no están en sus reglas. Detectado por juez LLM.
The agent invents deadlines, warranties or policies not in its rules. Detected by LLM judge.
> "devolución gratuita en 60 días" — no autorizado
Contradicción entre asaltos
Context Drift
NuevoNewEl agente contradice en el asalto 8 lo que afirmó en el asalto 2. Detectado por juez LLM.
The agent contradicts in round 8 what it stated in round 2. Detected by LLM judge.
> R2: "sin devoluciones" → R8: "puede devolver"
Deriva estratégica
Strategic Drift
NuevoNewEl agente recomienda la competencia, desanima la compra o deriva leads fuera de su objetivo.
The agent recommends competitors, discourages purchase or diverts leads away from its goal.
> "si encuentras más barato, cómpralo ahí"
Fallo de protocolo de abuso
Abuse Protocol Fail
El agente no activa el escalado cuando el cliente insulta o acosa. Fallo crítico de comportamiento.
The agent fails to trigger escalation when the customer becomes abusive or harassing.
> Asalto 5: insulto directo sin escalado
ARENA Score
ARENA Score
Puntuación objetiva 0–100 con grado A/B/C/D/F. Lanza hasta 3 perfiles en paralelo y compara scores.
Objective 0–100 score with A/B/C/D/F grade. Run up to 3 profiles in parallel and compare.
> Hostil: 80 | Indeciso: 95 | Comparador: 90
ARENA Score: de fallo detectado a mejora validada
ARENA Score: from detected failure to validated improvement
Casos reales donde ARENA detectó fallos antes de producción. Score expresado sobre 100.
Real cases where ARENA detected failures before production. Score shown out of 100.
¿Para quién es Arena?
Who is Arena for?
Si construyes o entregas agentes conversacionales, Arena es tu capa de validación antes del despliegue.
If you build or deliver conversational agents, Arena is your validation layer before deployment.
Agencias de automatización IA
AI automation agencies
Entrega agentes con reporte de calidad incluido. Diferénciate con evidencia técnica.
Deliver agents with a quality report included. Stand out with technical evidence.
Developers independientes
Independent developers
Valida tu agente antes de lanzarlo. Sin sorpresas en producción.
Validate your agent before launch. No surprises in production.
Equipos de producto
Product teams
Testing sistemático antes de cada deploy. Comparativa de versiones en historial.
Systematic testing before every deploy. Version comparison in history.
Planes
Pricing
Tres planes claros según tu volumen de validación.
Three clear plans based on your validation volume.
Para builders y agencias que empiezan a validar agentes con regularidad.
For builders and agencies starting to validate agents regularly.
- 15 runs / mes
- 15 runs / month
- Hasta 3 perfiles en paralelo
- Up to 3 profiles in parallel
- Historial de runs con evolución
- Run history with score evolution
- Comparativa entre runs
- Run comparison across versions
Para agencias que lanzan y corrigen agentes con frecuencia.
For agencies that deploy and refine agents frequently.
- 50 runs / mes
- 50 runs / month
- Todo lo del plan Starter
- Everything in Starter
- Capa 1 structured outputs
- Layer 1 structured outputs
- Acceso prioritario a nuevos detectores
- Priority access to new detectors
Para equipos con flujos de testing continuos, API y validación avanzada.
For teams with continuous testing workflows, API and advanced validation.
- Runs ilimitados
- Unlimited runs
- Todo lo del plan Basic
- Everything in Basic
- API REST con API keys
- REST API with API keys
- Capa 2: averaging estadístico IC95%
- Layer 2: IC95% statistical averaging
- 3 runs paralelos por perfil
- 3 parallel runs per profile
¿Cuántos fallos tiene tu agente
antes de llegar a producción?
How many failures does your agent have
before it reaches production?
Descúbrelo ahora con 2 runs gratuitos. Sin tarjeta, sin instalación. Muchos agentes encuentran fallos importantes en el primer run.
Find out now with 2 free runs. No card, no setup. Many agents reveal important issues on the first run.