ハーネス（AI評価ハーネス）
AIモデルの性能や安全性、特定のタスク（プログラミングや数学など）の実行能力を自動でテスト・評価するための検証用システム（フレームワーク）のことです。
ハーネス（AI評価ハーネス）とは、AIモデルの性能や安全性、特定の処理能力などを、同じ条件のもとで自動的にテスト・検証するための評価用プログラム（フレームワーク）のことです。
元々は電子回路や組み込みソフトウェアをテストするための配線器具（ワイヤーハーネス）やテスト用プログラムが語源ですが、AI分野では複数の異なるモデルに対して共通のベンチマークを実行し、そのスコアを測定する検証基盤を指します。
AI開発においては、新しく学習させたモデルが特定のタスク（数学、プログラミング、一般的な読解力など）でどれほど高い精度を発揮するかを客観的に評価するために、このハーネスが日常的に稼働しています。
また、モデルの有害性や脆弱性を暴き出すセキュリティ監査（レッドチーム）用のテスト項目を網羅的に実行する「安全評価ハーネス」もあり、AIの安全性と信頼性を担保する上でも重要な役割を担っています。
ビジネスでカスタムAIやエージェントを構築する際にも、そのAIが業務上の要件を満たしているかを判定するための「自社専用の評価ハーネス」を構築する動きが広がっています。