Model Monitoring: detectar drift antes del desastre

Los modelos se degradan en silencio

Un modelo en producción no falla de forma catastrófica: se degrada gradualmente. La distribución de los datos de entrada cambia (data drift), la relación entre features y target evoluciona (concept drift), y las predicciones se vuelven menos calibradas (prediction drift). Sin monitoreo activo, estas degradaciones pasan desapercibidas hasta que el impacto de negocio es visible, y para entonces ya es tarde.

Tres tipos de drift y cómo medirlos

Lo importante no es la fórmula específica, sino el comportamiento esperado: si cambian las señales que sostienen una decisión, el sistema debe bajar confianza, activar revisión y preservar evidencia para explicar el cambio.

Alertas, revisión y assurance continua

Cuando la evidencia se degrada, el sistema debe reaccionar por capas: alertar, comparar escenarios, bloquear recomendaciones de alto impacto si corresponde, pedir revisión humana y registrar el outcome. Esa respuesta operacional es más importante que describir una configuración técnica aislada.