Uma equipe de engenharia de dados implantou um modelo de Aprendizado de Máquina em ambiente de produção, para prever anomalias operacionais e riscos de falhas em turbinas aeronáuticas. Após três meses de funcionamento estável, a plataforma de MLOps emitiu um alerta crítico apontando que, apesar de a infraestrutura de servidores estar operando normalmente, a acurácia das previsões do modelo degradou severamente, devido a mudanças graduais no perfil estatístico e nas propriedades das variáveis de entrada vindas dos sensores reais de telemetria, fazendo com que os dados de produção divergissem do dataset usado no treinamento inicial.
A disfunção específica que ocorre no ciclo de vida de modelos de Inteligência Artificial em produção, caracterizada pela mudança na distribuição dos dados de entrada que invalida a capacidade preditiva do modelo, é denominada