データドリフト
意味・解説
AIモデルの学習時と実運用時で、入力データの統計的な性質（分布）が変化し、予測精度が低下する現象。
社会情勢やユーザー行動の変化により、AIが学んだ「過去の正解」が通用しなくなること。精度の維持には、ドリフトを検知し、最新データでの「再学習（リトレーニング）」を行うMLOpsの運用が不可欠。
くわしく
「AIの知識が、時代の変化によって『時代遅れ』になること」です。
1.原因:
例えば、数年前の流行データで学習したファッション推薦AIは、現在のトレンド（データ分布の変化）には対応できず、的外れな提案を始めます。
2.対策:
入力データの平均値や分散を常に監視し、学習時とのズレ（ドリフト）が一定を超えたらアラートを出し、モデルを更新します。ポイントは、AIは一度作れば終わりではなく、このドリフトという『鮮度の低下』を管理し続けなければ、ビジネス上の損失を招く恐れがあるからです。
例文
消費者の購買パターンが変化したことで需要予測AIにデータドリフトが発生したため、最新の販売ログを用いたモデルの再学習を実施した。
同義語: 共変量シフト
分類: AIモデルのライフサイクル管理