Dil modeli tabanlı uygulamalarda hata, çoğu yazılımdan farklı biçimde ortaya çıkar: sistem çalışır, yanıt döner, kullanıcı hiçbir hata mesajı görmez ama içerik yanlış, eksik ya da kaynaksızdır. Bu tür sorunlar klasik izleme metrikleriyle görünmez; yakalanabilmesi için istemin, bağlamın, araç çağrılarının ve yanıtın birlikte kayda alınması ve kalitenin ayrıca ölçülmesi gerekir. Buna kullanıcı geri bildirimi eklenmediğinde iyileştirme çalışmaları da tahmine dayalı kalır. Dört modüllük atölye, çalışan bir yapay zeka uygulaması üzerinde uygulamalı ilerler. Katılımcılar iz yapısını ve maskeleme politikalarını kurar, model tabanlı değerlendiricileri insan örneklemiyle doğrular, açık ve örtük geri bildirim sinyallerini toplayan bir tasarım yapar. Son modülde hata kümeleri oluşturulur, iyileştirme denemeleri regresyon setine bağlanır ve maliyet, kalite ile gecikme dengesi izlenir. Çıktı, katılımcının ürününe uyarlayabileceği bir gözlem ve iyileştirme döngüsü tasarımıdır.