ある通信会社は、特定の地域における数年分のデータでトレーニングされたモデルをデプロイし、サポートに電話をかけてきた顧客の中から解約する可能性のある顧客を特定しています。同社はグローバル製品を展開する予定ですが、トレーニングデータのない地域からの多くの電話が専門チームに誤ってルーティングされることを懸念しています。このリスクに最も効果的に対処できるアプローチは何ですか？

SageMaker Model Monitorは、デプロイされたモデルのデータ品質、モデル品質、バイアス、特徴量属性のドリフトを継続的に監視するのに最適です。トレーニングデータのベースラインを作成し、新しい地域からのデータがこのベースラインから統計的にドリフトした場合にアラートを出すことで、モデルのパフォーマンス低下を早期に検知し、再トレーニングの必要性を判断できます。SageMaker Debuggerはトレーニング中のモデルのデバッグ用であり、デプロイ後のデータドリフト監視には適していません。専門チームへの通話の保存と手動での精度計算は、リアルタイム性に欠け、効率的ではありません。CloudWatchロギングだけでは、データドリフトの自動検知とベースラインとの比較機能が不足しています。