Model Drift
Degradazione delle performance del modello nel tempo per cambiamento dei dati.
Il Model Drift è la degradazione progressiva delle performance di un modello AI nel tempo, causata dal cambiamento dei dati reali rispetto ai dati di training. Il mondo cambia, i comportamenti dei clienti evolvono, i prodotti si aggiornano — ma il modello è ancora calibrato sui dati vecchi.
Esempio: un modello di lead-scoring" class="term-link">lead scoring addestrato sui dati 2024 potrebbe funzionare male nel 2026 se i pattern di acquisto dei clienti sono cambiati (nuovi segmenti, nuovi canali, nuove esigenze).
Kynetixx monitora attivamente il model drift attraverso LangFuse: metriche di qualità delle risposte, tasso di escalation, CSAT e accuracy vengono tracciati nel tempo. Quando si rileva un drift significativo, il sistema segnala la necessità di aggiornamento e il team interviene per ricalibrazione — prima che i clienti ne risentano.