変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-300 第4章を新規作成（ドメイン4「生成 AI の品質保証と可観測性」: 評価=テストデータセット/データマッピング/AI 品質メトリクス(根拠性/関連性/一貫性/流暢性)/リスク・安全性評価/自動評価ワークフロー、可観測性=Foundry 継続監視/パフォーマンス(レイテンシ/スループット/応答時間)/コスト(トークン消費/リソース使用)/ログ・トレース・デバッグ）
4.1生成 AI アプリ・エージェントの評価と検証
テストデータセットとデータマッピングの作成、AI 品質メトリクス（根拠性／関連性／一貫性／流暢性）、有害コンテンツ検出のためのリスクと安全性の評価、そして組み込み/カスタムのメトリクスによる自動評価ワークフローの構成を理解します。
生成 AI は出力が一意でないため、評価（evaluation）が運用の要になります。AI-300 では、品質と安全性を測定可能なメトリクスで評価し、自動化することが問われます。
4.1.1テストデータセットと品質メトリクス
評価には、入力と期待される出力（または根拠）を含む テストデータセットと、列の対応を定義する データマッピングを用意します。生成 AI の品質は AI 品質メトリクスで測ります：根拠性（groundedness）（提供した根拠に基づいているか＝ハルシネーションの逆）、関連性（relevance）（質問に答えているか）、一貫性（coherence）（論理的に筋が通っているか）、流暢性（fluency）（自然な文章か）。RAG では根拠性と関連性が特に重要です。
4.1.2リスク・安全性評価と自動評価
品質だけでなく リスクと安全性の評価も行います。有害コンテンツ（暴力・憎悪・性的・自傷など）や脱獄（jailbreak）への耐性を評価し、安全でない出力を検出します。これらは 自動評価ワークフローとして構成し、組み込みメトリクスに加え、必要に応じて カスタムメトリクス（自社固有の基準）を定義して、デプロイ前後で継続的に評価します。「評価をパイプライン化して品質ゲートにする」のが GenAIOps の品質保証です。