データ分布の進化に伴い、性能とコンプライアンスを維持するために、新しいデータや更新されたデータでAIモデルを更新するプロセス。
新たにラベル付けされたデータ（例：直近の取引）を取り込む、スケジュール実行またはトリガーベースのパイプラインは、更新されたパラメータでモデルを再学習し、現行のベンチマークに対して検証を行い、新しいバージョンをデプロイします。ガバナンスでは、統制の取れた更新を確実にするために、再学習の頻度、承認ゲート（自動テスト、検証レビュー）、ロールバック手順、ならびに文書化要件を定義します。
ある物流企業の需要予測モデルは、過去90日間の出荷データを基に毎月再学習を実施し、自動検証（精度、ドリフト、公平性）を実行したうえで、オフピーク時間帯に更新モデルをデプロイします。デプロイ後の指標が低下した場合、システムは前バージョンへロールバックします。
