最終更新日:
実世界におけるデータや環境の変化に伴い、AIモデルの予測パフォーマンスが時間の経過とともに低下すること。
ドリフトは、モデルが本番環境で直面するデータの統計的特性が、トレーニング時のデータと一致しなくなった場合に発生します。AIガバナンスにおいては、導入後の継続的な監視によるドリフトの検出が極めて重要です。なぜなら、リリース時に正確で公平であったモデルであっても、外部環境の変化に伴い、信頼性を失ったりバイアスが生じたりする可能性があるためです。
実際の導入事例：
2019年の購買パターンに基づいてトレーニングされた小売業向けAIは、2020年のパンデミック時にモデルのドリフト（予測精度の低下）を起こしました。これは、消費者の行動が非常に激変したため、そのモデルによる在庫予測が役に立たなくなったことによるものです。
