トレーサビリティと監査をサポートするために、記述データ（例: データの起源、機能の定義、モデルのパラメータ）を記録し維持する実践。
データリネージ情報（ソースデータセット、変換ステップ）、特徴量カタログ（定義、データ型）、モデル成果物（ハイパーパラメータ、トレーニングコードのバージョン）、および利用ログを収集するメタデータレジストリの実装。ガバナンスにより、パイプラインの各段階でのメタデータ取得を必須化し、メタデータ検証チェックを統合するとともに、監査や影響分析を実施するための検索・レポーティングインターフェースをステークホルダーに提供します。
製薬向けの機械学習プラットフォームでは、メタデータストアを用いて、データセットのバージョン、特徴量エンジニアリングのスクリプト、モデル学習に用いたGitコミット、ならびにデプロイのタイムスタンプを記録します。モデルの性能が低下した際、調査担当者はメタデータストアを照会し、原因となった正確なデータまたはコードの変更を特定します。
