El modelo de IA generativa de una empresa para la segmentación de clientes ha estado en producción durante mucho tiempo y recientemente comenzó a producir resultados inconsistentes. La empresa quiere evaluar el sesgo del modelo y detectar la desviación (drift). ¿Qué servicio o característica de AWS deberían usar?

Amazon SageMaker Model Monitor es la herramienta adecuada porque está diseñada específicamente para detectar la desviación de datos (data drift) y la desviación de modelos (model drift) en modelos de ML en producción. Permite monitorear continuamente la calidad de los datos de entrada y las predicciones del modelo, alertando sobre inconsistencias que pueden indicar un sesgo o una degradación del rendimiento. Amazon SageMaker Clarify se utiliza para detectar y mitigar el sesgo antes de la implementación y para explicar las predicciones del modelo, no para el monitoreo continuo en producción. Amazon SageMaker Model Cards se usa para documentar los modelos de ML, no para monitorearlos. Amazon SageMaker Feature Store es un repositorio para almacenar y compartir características de ML, no una herramienta de monitoreo.