ModelOps (mallien operationalisointi) on kurinalaisuus, joka hallinnoi tekoälyn ja koneoppimisen mallien koko elinkaarta tuotantoympäristöissä, käyttöönotosta poistoon. Se ulottuu mallin kehittämisen ulkopuolelle: keskiössä on mallien hallinta, valvonta, versiointi ja uudelleenkoulutus järjestelmällisesti ja hallitusti sen jälkeen, kun ne ovat käytössä.
Sen merkitys perustuu siihen, ettei käyttöön otettu malli ole staattinen omaisuus. Sen suorituskyky heikkenee ajan myötä datadriftin (syötetietojen muutokset) tai käsitedriftin (mallin oppiman suhteen muutokset) vuoksi. ModelOps tarjoaa prosessit näiden ongelmien havaitsemiseen ja korjaamiseen sekä takaa jäljitettävyyden, sääntöjenmukaisuuden ja auditoinnin.
Käytännössä se kattaa muun muassa seuraavat tehtävät:
- Tarkkuus- ja viivemittareiden jatkuva valvonta.
- Automatisoitu uudelleenkoulutus, kun suorituskyky laskee.
- Versionhallinta ja paluu aiempiin malleihin (rollback).
Se on syytä erottaa MLOpsista: ModelOps omaksuu laajemman hallinnollisen näkökulman, ja sitä voidaan soveltaa myös analyyttisiin tai sääntöpohjaisiin malleihin, ei vain koneoppimiseen.