GOBERNANZA DE MODELOS
Monitorización de la deriva de los modelos: actualiza un modelo cuando hace falta, no según un calendario
La monitorización de la deriva de los modelos con TIMi muestra cuándo un modelo predictivo empieza a perder fiabilidad porque han cambiado los comportamientos o las condiciones que aprendió, gracias al Drift Report integrado en Modeler.
Drift Report
Integrado en Modeler, sin una herramienta de monitorización aparte que construir.
A lo largo del tiempo
Compara el comportamiento actual de un modelo con el que tenía cuando se construyó.
Una base para decidir
Una señal objetiva para decidir cuándo actualizar.
CÓMO FUNCIONA
Cómo funciona la monitorización de la deriva de los modelos.
Tres pasos, en un solo motor, en un servidor estándar sin clúster.
1. Entrenar y documentar
Modeler entrena el modelo y documenta sus variables y su rendimiento en el momento del entrenamiento, que pasa a ser la referencia.
2. Comparar a lo largo del tiempo
El Drift Report evalúa la validez del modelo frente a la evolución de los datos, a medida que llegan datos nuevos.
3. Decidir
Cuando el informe muestra un desvío, decides si reentrenar o revisar el modelo. En SANY, hizo visible de inmediato un desvío estacional.
ModelerDrift ReportHACERLO BIEN
Qué significa una señal de deriva.
Un modelo preciso el primer día puede derivar sin hacer ruido.
Un motivo para volver a mirar, no una orden de sustituir
Una señal de deriva significa que hace falta una revisión. Según su magnitud y su causa, puede bastar un simple reentrenamiento, o puede ser necesaria una revisión más profunda del modelo.
Evaluar al ritmo de tus datos
La evaluación puede seguir la frecuencia con la que llegan datos nuevos, según el contexto del modelo en cuestión.
Usar los resultados reales cuando los tengas
Si los resultados reales se observan después, pueden confirmar o contradecir las predicciones pasadas y hacer la revisión más precisa.
EXPLICABILIDAD
Una decisión de actualización debe basarse en pruebas.
Muchas organizaciones descubren la deriva de un modelo a posteriori, cuando sus decisiones empiezan a ser visiblemente erróneas. Seguir la deriva dentro del propio modelo ayuda a anticipar ese momento en lugar de constatarlo, sin depender de un control manual periódico ni de una herramienta de monitorización aparte.
Para los equipos de datos y de negocio
La decisión de actualizar un modelo se basa en una señal objetiva, en lugar de un calendario arbitrario o una duda a posteriori.
Para la gobernanza de modelos
Un modelo cuya deriva se sigue es más sencillo de auditar y de justificar a lo largo del tiempo. Que esto cumpla las obligaciones del AI Act corresponde a tus equipos jurídicos y de cumplimiento.
Para todos los casos de uso
El mismo informe se aplica a los modelos generados en Modeler, ya sea para churn, mantenimiento, fraude o previsión.
DATOS
Los datos que necesita la monitorización de la deriva.
Anatella se conecta a más de 80 fuentes, por lo que estos datos se pueden reunir sin desarrollo a medida previo.
Datos de entrenamiento
La referencia del modelo.
Datos nuevos en producción
El flujo continuo al que se aplica el modelo.
Resultados observados
Si están disponibles, para confirmar o contradecir las predicciones pasadas.
Nada adicional
Ningún dato más allá de los que ya alimentan el modelo.
PRUEBAS
La monitorización de la deriva en producción.
SANY es nuestra referencia en monitorización de la deriva.
Un deterioro estacional hecho visible
Los modelos construidos en verano se degradaron en invierno porque había cambiado la base térmica. El Drift Report visualizó el desvío, lo que permitió a los ingenieros adaptarse rápidamente.
FAQ
Preguntas frecuentes.
¿Hace falta una herramienta o una configuración aparte?
No. El Drift Report está integrado en Modeler, sin herramienta de monitorización externa que implantar.
¿Con qué frecuencia se evalúa la deriva?
La evaluación puede seguir la frecuencia con la que llegan datos nuevos, según el contexto del modelo en cuestión.
¿Una señal de deriva significa que hay que sustituir el modelo de inmediato?
No necesariamente. Significa que hace falta una revisión. Según la magnitud y la causa de la deriva, puede bastar un simple reentrenamiento, o puede ser necesaria una revisión más profunda del modelo.
¿Funciona con todos los modelos producidos por Modeler?
Sí, el principio se aplica a los modelos generados por el AutoML de Modeler, sea cual sea el caso de uso.
CASOS DE USO RELACIONADOS
Sigue explorando.
Recalibración estacional de modelos
Adapta un modelo a los cambios estacionales previsibles sin reconstruirlo en cada ciclo.
Mantenimiento predictivo
Anticipa los fallos de los equipos a partir de los datos que ya recoges, con las razones.
Predicción de churn
Identifica qué clientes pueden irse, y por qué.
COMPRUÉBALO TÚ MISMO
Pruébalo con tus propios datos.
Prueba TIMi con tus propios datos con una prueba gratuita, o cuéntanos tu caso.
