Overfitting
Quando il modello memorizza i dati di training e fallisce su dati nuovi.
L'overfitting si verifica quando un modello AI impara troppo bene i dati di addestramento, memorizzando rumore e particolarità invece di generalizzare i pattern. Il risultato: performance eccellenti in fase di test, ma fallimenti su dati reali nuovi.
È l'equivalente di uno studente che memorizza le risposte dell'esame senza capire la materia: funziona solo se le domande sono identiche. Nel contesto aziendale, un modello in overfitting potrebbe classificare perfettamente i lead storici ma fallire sui nuovi.
Kynetixx previene l'overfitting attraverso tecniche consolidate: validazione su dati separati dal training, regolarizzazione, early stopping e augmentation dei dati. Il monitoraggio continuo via LangFuse permette di rilevare immediatamente se le performance degradano su dati reali, intervenendo prima che il sistema diventi inaffidabile.