O ModelOps (operacionalización de modelos) é a disciplina que xestiona o ciclo de vida completo dos modelos de intelixencia artificial e aprendizaxe automática en contornos produtivos, desde o seu despregamento ata a súa retirada. Vai máis aló do desenvolvemento do modelo: céntrase en gobernar, monitorizar, versionar e readestrar os modelos de forma sistemática e controlada unha vez están en funcionamento.
A súa importancia reside en que un modelo despregado non é un activo estático: o seu rendemento degrádase co tempo pola deriva de datos (cambios nos datos de entrada) ou a deriva de concepto (cambios na relación que o modelo aprendeu). O ModelOps achega os procesos para detectar e corrixir estes problemas, ademais de garantir a traxectoria, o cumprimento normativo e a auditoría.
Na práctica, abrangue tarefas como:
- Monitorización continua de métricas de precisión e latencia.
- Readestramento automatizado cando o rendemento cae.
- Control de versións e rollback a modelos previos.
Convén distinguilo do MLOps: o ModelOps adopta unha perspectiva máis ampla de goberno, aplicable tamén a modelos analíticos ou baseados en regras, non só de aprendizaxe automática.