IA Lab by amano
Neste termo

Model drift

Deriva de modelo · Model Quality Drift · Degradação de modelo

Model drift é a deterioração ou mudança relevante do desempenho de um modelo em produção em relação a uma linha de base e aos critérios definidos para seu uso.

avaliação, observabilidade e qualidadenível intermediárioevolução lenta

O que é

Ele aparece quando a qualidade observada deixa de representar o nível medido durante validação, teste ou períodos anteriores.

A causa pode estar nos dados, na relação entre entradas e resultado, no processo operacional, em mudanças do ambiente ou em falhas de integração.

Como funciona

A equipe registra previsões, contexto, versões e, quando disponível, resultados reais. Métricas de qualidade são comparadas por tempo, segmento e versão.

Alertas indicam diferença relevante em relação à linha de base. A investigação separa mudança de dados, atraso de rótulos, alteração de processo e degradação do comportamento.

Um exemplo

Um modelo que previa atrasos com recall estável passa a perder ocorrências depois que o escritório muda seu processo de apontamento de horas e classificação de etapas.

Onde aparece na prática

  • Operação: Acompanhar qualidade de previsões depois da implantação.
  • Governança: Definir limiares, responsáveis e ações para degradação confirmada.
  • Produto: Comparar versões e decidir quando reavaliar, ajustar ou retirar um modelo.

Conceitos que costumam ser confundidos

  • Model drift × data drift: Model drift trata da qualidade do modelo; data drift trata da distribuição dos dados de entrada.
  • Drift × falha pontual: Drift é uma mudança persistente ou relevante; uma falha isolada pode ser ruído, incidente ou dado inválido.

Limitações e riscos

Sem resultados reais ou referência confiável, a degradação pode ser detectada tarde ou inferida apenas por sinais indiretos.

Uma média estável pode esconder perda de qualidade em grupos, regiões, tipos de projeto ou condições específicas.

Perguntas frequentes

Model drift sempre exige retreinamento?

Não. A causa pode exigir correção de dados, ajuste de processo, mudança de limiar, rollback ou revisão do próprio objetivo.

Como detectar drift sem rótulos imediatos?

Use sinais indiretos, amostras revisadas, métricas operacionais e avaliação atrasada, deixando explícita a incerteza.

Fontes principais

Revisado em 2026-10-18.