O modelo de IA generativa de uma empresa para segmentação de clientes está em produção há muito tempo e recentemente começou a produzir resultados inconsistentes. A empresa deseja avaliar o viés do modelo e detectar desvio (drift). Qual serviço ou recurso da AWS eles devem usar?

O Amazon SageMaker Model Monitor é a escolha correta porque ele monitora continuamente modelos de ML em produção para detectar desvios de dados (drift), desvios de modelo e anomalias de qualidade de previsão. Ele pode alertar sobre inconsistências nos resultados, como o problema descrito. O Amazon SageMaker Clarify é usado para detectar e mitigar o viés em modelos de ML e para explicar as previsões do modelo, mas não monitora continuamente a qualidade do modelo em produção para desvio. O Amazon SageMaker Model Cards ajuda a documentar informações sobre modelos de ML para governança e auditoria, mas não executa monitoramento ativo. O Amazon SageMaker Feature Store é um repositório centralizado para armazenar, descobrir e compartilhar recursos de ML, otimizando o desenvolvimento e a implantação de modelos, mas não monitora o desempenho do modelo em produção.