Monitorización y Detección de Drift
Un modelo validado hoy no sigue siendo fiable para siempre. Este plan detecta cuándo empieza a degradarse en producción, antes de que el problema llegue a un cliente o a un regulador.
Qué incluye
- PDF con la metodología de monitorización: qué métricas vigilar (data drift, concept drift, degradación de precisión), con qué frecuencia, y umbrales de alerta orientativos
- Excel con plantilla de registro de métricas por modelo a lo largo del tiempo
- Protocolo de respuesta cuando se detecta drift: quién decide si el modelo se reentrena, se retira o sigue en producción con supervisión reforzada
- Aviso Legal
Por qué existe este documento
Un modelo se valida una vez, pero opera de forma continua en un mundo que cambia — nuevos patrones de comportamiento de usuarios, cambios estacionales, eventos externos que alteran la relación entre las variables que el modelo aprendió. Sin monitorización activa, la primera señal de que algo falla suele ser una queja de cliente o un hallazgo de auditoría, cuando el daño ya está hecho. Este documento traduce el concepto de "drift" en un proceso de vigilancia concreto, con umbrales y un protocolo de respuesta claro.
Preguntas frecuentes
¿Qué es el drift de un modelo?
Es la degradación progresiva del rendimiento de un modelo en producción, normalmente porque los datos del mundo real dejan de parecerse a los datos con los que se entrenó, o porque la relación entre variables cambia. Un modelo validado hoy puede dejar de ser fiable dentro de unos meses sin que nadie lo note si no se monitoriza.
¿Esto sustituye al Dashboard de Auditoría?
No, son complementarios. El Dashboard de Auditoría reporta indicadores de gobernanza a nivel de programa; este plan se centra específicamente en el rendimiento técnico de cada modelo en producción a lo largo del tiempo.
¿En qué formato se entrega?
PDF con la metodología de monitorización y umbrales de alerta, más Excel con plantilla de registro de métricas por modelo.