ドリフトとは、時間経過に伴う環境の変化によって、AIモデルが学習したデータと現実のデータに乖離が生じ、予測精度が低下する現象です。精度の維持には継続的なモニタリングと再学習が必要です。
ドリフトとは
一言でいうと、時間が経つにつれてAIの予測精度がだんだん悪くなってしまう現象のことです。
詳しく解説
AIモデルは、過去のデータからパターンを学習して構築されます。しかし、社会情勢、トレンド、ユーザーの行動様式などは常に変化しています。学習時と現実のデータ環境にズレが生じることで、AIが正しい判断を下せなくなる仕組みです。これには入力データ自体の分布が変わるデータドリフトと、入力と出力の関係性が変わるコンセプトドリフトが存在し、AIを長期間運用する上で適切な維持管理を行うために極めて重要な課題となっています。
具体例・使われ方
例えば、ECサイトのレコメンドAIにおいて、季節の変わり目や流行の急激な変化に対応できなくなり、ユーザーが求めていない商品を提案してしまうケースが挙げられます。また、金融機関の不正検知モデルにおいて、詐欺の手口が巧妙化して過去のパターンに当てはまらなくなる場合もこれに該当します。
似た用語との違い
一般的なバグやシステムエラーはプログラムの不具合によって即座に発生しますが、ドリフトはシステムの故障ではなく、外部環境の変化に起因して徐々に性能が劣化していく点が異なります。
注意点
ドリフトは一度発生すると自然に直ることはありません。そのため、定期的にモデルの予測性能を評価し、必要に応じて最新データを用いた再学習を行う運用体制を整える必要があります。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月10日 04:01