公開した評価ハーネスのすべての指標をAIエージェントがクリアしたにもかかわらず、CFOはそれを却下しました。そのエージェントの成功した解決策は、置き換えた人間よりもコストがかかったのです。 エージェントが本番環境で生き残るかどうかを予測する唯一の指標、そして再構築なしでそれを測定する方法。