تتشكك دراسة رصدية لـ 90 تشغيلًا مستقلًا للوكيل لبناء لوحة استرجاع فوري في الافتراض بأن القدرات المضافة مثل أدوات الاختبار تحسن جودة البرمجيات. وجدت البحث أن زيادة جهد الاستدلال من High إلى xHigh رفعت نسبة التشغيل المثالي في المحاولة الأولى من 28 بالمائة إلى 89 بالمائة، بينما أدى إضافة أداة اختبار إلى رفع التكاليف بنسبة تتراوح بين 42 و68 بالمائة دون تحسين الدرجات الوظيفية.
- تجمعت النماذج الحدودية قرب السقف بينما سجل نموذج محلي منخفض التكلفة بين 24 و37 نقطة على مقياس من 42 نقطة.
- كان نشر الحاوية هو العيب المهيمن، حيث فشل في المحاولة الأولى في 44 بالمائة من التشغيلات، مع تغير حاد في معدلات الفشل عبر أجيال النماذج.
- زادت أداة الاختبار التكاليف بنسبة تتراوح بين 42 و68 بالمائة لكنها لم تحسن الدرجات الوظيفية أو الموثوقية.
- رفعت موجهة التصميم الجودة البصرية من 3.0 إلى 4.5 على مقياس من 5 نقاط دون التأثير على الوظيفة.
تخلص الدراسة إلى أن مطابقة الإصلاح مع الفشل أمر حاسم، لأن معظم فشل التشغيل الأول ينشأ عن استدلال ضعيف بدلاً من عيوب مرئية كانت ستلتقطها أدوات التحقق.