Model Drift（モデルドリフト）

・英語による用語：Model Drift
・用語カテゴリ：技術用語
・日本語読み：モデルドリフト
・種別：運用・品質劣化
・位置づけ：時間経過でモデル精度が低下する現象
・関連：評価 ／ MLOps ／ ベンチマーク ／ ファインチューニング
・備考：現実世界の変化により、時間とともにモデルの精度が劣化していく現象。運用監視が必要。

Model Drift（モデルドリフト）とは？時間とともにAIが劣化する現象

Model Drift（モデルドリフト）とは、いったん高精度に作ったAIモデルが、時間の経過とともに現実世界とズレていき、予測・判断の精度が徐々に低下していく現象を指します。モデル自体は変わらなくても、モデルが対象とする世界のほうが変化することで起こります。

原因は大きく、入力されるデータの傾向が変わる「データドリフト」（例：顧客層やトレンドの変化）と、予測対象と特徴量の関係そのものが変わる「コンセプトドリフト」（例：市場ルールや消費者行動の変化）に分けられます。学習時点の前提が現実と合わなくなることで、かつて有効だったモデルが役に立たなくなっていきます。

実務では、モデルは「作って終わり」ではなく、運用しながら精度を継続的に監視することが重要です。予測精度やデータ分布の変化を定期的に評価（Evaluation）し、劣化の兆候を検知したら再学習・更新する、というMLOps的な運用サイクルを回すことが、AIを長く安定して使い続けるための前提となります。