評估漂移

AI 系統會在正式環境裡慢慢退化。這不是模型的瑕疵，而是把機器學習系統放進一個不斷變動的環境後，必然要面對的結果。使用者行為會變、上游資料會變、業務需求也會變。正式環境的查詢分布，會一點一滴偏離當初拿來評估系統的那份分布。

真正的失敗不是漂移本身。真正的失敗，是在使用者替你發現漂移之前，你自己沒先察覺。

多數企業 AI 團隊把資源重壓在上線前評估，卻嚴重低估了上線後的持續監控。本文主張的，恰恰是相反的配置：一套輕量的上線前評估，加上一套嚴謹的持續監控，遠比一套窮盡一切卻沒有後續監控的上線前評估更有價值。

本白皮書說明 Tenten AI 為正式環境 AI 系統所建置的評估基礎設施、能在問題被使用者看見之前就可靠偵測到退化的指標，以及在正式環境持續演變時、維持評估覆蓋率的維運節奏。