
305
10
장
운영 환경 모니터링
historical = np.array([50, 30, 20])
current = np.array([20, 50, 30])
psi_value = psi(historical, current)
if psi_value > 0.25:
print(f"Major drift: PSI = {psi_value}")
elif psi_value > 0.1:
print(f"Minor drift: PSI = {psi_value}")
정확도의 급감 (예: 롤링
24
시간 동안
5
~
10
% 이상 ), 작업 포기율 증가(
>
15
%), 재시도 급증
(세션 기준
>
20
%)도 입력 드리프트나 개념 드리프트의 잠재적 지표입니다. 임베딩 기반 기
법으로 현재와 과거 질의 벡터 간 코사인 유사도를 계산해 베이스라인과 비교할 수 있으며 평
균 유사도가
0
.
8
미만이면 검토를 트리거하도록 설정할 수 있습니다. 이러한 파이프라인은
Evidently
AI
같은 라이브러리를 활용해 그라파나에서 자동 알림으로 구현할 수 있습니다.
복원력 있는 시스템을 구축하려면 이러한 변화에도 대응해야 합니다. 일시적 변화는 임계값 조
정이나 파싱 로직 업데이트로 흡수하고 지속적 변화는 워크플로 재학습이나 새
API
에의 적응
이 필요합니다. 통계 지표의 심각도에 따라 우선순위를 정하세요. 예를 들어 ...