Degradación del modelo

¿Qué es la degradación del modelo?

Un modelo recién lanzado suele estar en su mejor momento. Meses después ya no es tan fino — y nadie lo rompió: cambió el entorno. La degradación del modelo es ese deslizamiento gradual del rendimiento a medida que pasa el tiempo y cambian las condiciones. Es primo cercano del data drift: la deriva es la causa, la degradación el síntoma.

¿Cómo se relaciona con el data drift?

Data drift: cambiaron las entradas
Lo que dicen los usuarios y cómo se comportan cambió, así que el modelo ve entradas distintas a las de antes.
Degradación: bajó el rendimiento
Esos cambios se acumulan y al final asoman en la precisión, la conversión y otras métricas: el modelo se ha «oxidado».

¿Qué acelera la degradación?

Sectores que cambian rápido
Tendencias, jerga y regulación se mueven deprisa, y el conocimiento del modelo caduca pronto.
Base de usuarios cambiante
Usuarios nuevos y viejos tienen perfiles distintos; el modelo clava al público de siempre pero falla con el nuevo.
Bucles de retroalimentación
El modelo moldea la conducta, la conducta remodela los datos y eso remodela el modelo: una espiral.

¿Cómo combatirla?

Sigue monitoreando
Vigila las métricas clave y salta a la primera señal de caída.
Reentrena con calendario
Actualiza el modelo con datos recientes para que no viva de viejas glorias.
Aprendizaje en línea
Deja que el modelo aprenda sobre la marcha, absorbiendo datos nuevos para mantenerse fresco.

En resumen: la degradación del modelo es la versión IA del óxido. Mientras el mundo siga cambiando, los modelos necesitan mantenimiento y actualizaciones regulares.