O ModelOps (operacionalização de modelos) é a disciplina que gere o ciclo de vida completo dos modelos de inteligência artificial e aprendizagem automática em ambientes produtivos, desde a sua implementação até à sua retirada. Vai além do desenvolvimento do modelo: foca-se em governar, monitorizar, versionar e retreinar os modelos de forma sistemática e controlada uma vez que estão em funcionamento.
A sua importância reside no facto de um modelo implementado não ser um ativo estático: o seu desempenho degrada-se com o tempo devido à deriva de dados (alterações nos dados de entrada) ou à deriva de conceito (alterações na relação que o modelo aprendeu). O ModelOps fornece os processos para detetar e corrigir estes problemas, além de garantir a rastreabilidade, a conformidade normativa e a auditoria.
Na prática, abrange tarefas como:
- Monitorização contínua de métricas de precisão e latência.
- Retreino automatizado quando o desempenho diminui.
- Controlo de versões e rollback para modelos anteriores.
Convém distingui-lo do MLOps: o ModelOps adota uma perspetiva mais ampla de governação, aplicável também a modelos analíticos ou baseados em regras, não apenas de aprendizagem automática.