AI（企業向け） 【AgentOps②・評価】”測れる”の前に”何で測るか”——エージェント評価データセット（ゴールデンセット）の作り方・本番トラジェクトリからの評価ケース自動収集・リークと陳腐化を防ぐ「評価データ・フライホイール」設計
1. なぜ今「評価データそのもの」なのか——枠組みではなく燃料の話
評価の議論は「どう測るか（How to measure）」に偏りがちだ。だが実運用でボトルネックになるのは、ほぼ例外なく「何を測るか（What to measure...