MODEL DRIFT / DATA DRIFT
Definiție
Drift-ul este degradarea tăcută a performanței unui model în timp: modelul rămâne neschimbat, dar realitatea se îndepărtează de datele pe care a fost antrenat. Data drift = se schimbă datele de intrare (formate noi de facturi, tipuri noi de tranzacții); concept drift = se schimbă însăși relația de prezis (o criză modifică comportamentul de plată al clienților).
Perspectiva contabilă o recunoaște imediat: e echivalentul unui buget construit pe ipotezele anului trecut, impecabil la data aprobării și tot mai rupt de realitate cu fiecare trimestru. Pericolul specific AI: degradarea e graduală și fără mesaje de eroare; modelul continuă să livreze răspunsuri încrezătoare, doar că tot mai des greșite.
Implicația practică pentru orice automatizare AI din firmă: performanța trebuie monitorizată continuu, nu doar validată la implementare. Un eșantion lunar de verificare umană, praguri de alertă la creșterea corecturilor și recalibrare periodică: echivalentul reviziei tehnice pentru procesele automate. Automatizare fără monitorizare = datorie ascunsă.
Exemple practice
- Clasificatorul de cheltuieli funcționa excelent; firma a lansat o linie nouă de business și 15% din tranzacții ajung în categorii greșite, adică data drift nedetectat timp de un trimestru.
- Modelul de predicție a încasărilor, antrenat pe ani stabili, ratează sistematic după o schimbare legislativă care modifică termenele de plată: concept drift.
- Procedura sănătoasă: lunar, 50 de documente procesate automat sunt re-verificate manual; dacă rata de eroare depășește pragul stabilit, modelul intră în recalibrare.