Какие количественные сигналы вы отслеживали в течение нескольких недель, чтобы рано обнаружить дрейф guideline: flip rate, disagreement rate, rework? Какие пороги запускали самокоррекцию?

Назовите только реально измерявшиеся показатели и правила реакции. Flip rate отражает изменения решений, disagreement rate — расхождения оценок, rework — повторную работу, но знаменатели нужно определить явно.

Сравнивайте одинаковые типы задач и версии guideline, иначе изменение состава выборки можно принять за дрейф. Полезны контрольные примеры, доверительный объём наблюдений и анализ причин расхождений. Универсального порога нет: его согласуют по риску и базовому уровню. Если таких измерений не было, предложите подход как гипотезу, не выдумывая проценты и историю наблюдения.