看到“接触新内容的用户留存更高”，不能马上断定新内容提升了留存：也可能只是更活跃的人更早尝试。Netflix 开源的 oci-agent，正是帮助企业处理这类观察性因果推断（OCI）——用非随机实验数据估计一项行动是否真正带来变化。
据 InfoQ 报道，分析师先写出分析计划，并设想理想的 A/B 测试应如何招募、分组和衡量结果；Agent 再用现有数据尽量模拟这场测试。流程采用“行为者—批评者循环”：一个 Agent 执行分析，另一个检查结果、评级并要求修改，所有计划、参数和运行记录都留给人类复核。
最具体的警示来自 Netflix 的留存案例：普通 Claude 线性回归给出一个基准估计，而 oci-agent 的估计仅为其 25%；评审 Agent 还发现早期采用者偏差和安慰剂测试失败。它的价值因此不在于替专家下结论，而在于把容易遗漏的检查变成可复用流程。Netflix 只称其在 ACIC 数据集上“具有竞争力”，材料未披露具体指标。