Le modèle d'IA générative d'une entreprise pour la segmentation client est en production depuis longtemps et a récemment commencé à produire des résultats incohérents. L'entreprise souhaite évaluer le biais du modèle et détecter la dérive. Quel service ou fonctionnalité AWS devrait-elle utiliser ?

Amazon SageMaker Model Monitor est la solution appropriée car il est conçu pour détecter la dérive des données et des modèles en production. Il surveille les performances du modèle au fil du temps et alerte l'utilisateur en cas d'incohérences ou de dégradations, ce qui est essentiel pour un modèle en production depuis longtemps. Amazon SageMaker Clarify est utilisé pour détecter et mesurer les biais dans les données d'entraînement et les prédictions du modèle AVANT le déploiement en production, ou pour une analyse ponctuelle, pas pour la surveillance continue de la dérive. Amazon SageMaker Model Cards fournit une documentation standardisée des modèles, mais ne surveille pas activement la dérive. Amazon SageMaker Feature Store est un référentiel pour stocker et récupérer des caractéristiques pour l'entraînement et l'inférence, et n'est pas lié à la surveillance de la dérive.