変化の激しい環境で稼働する機械学習モデルは、資産から負債へとすぐに転じる可能性があります。例えば、トレーニングデータに含まれていない状況が発生すれば、モデルが作成する予測の正確性と信頼性が損なわれ、その結果消費者からの信頼を失い、ビジネス上のリスクを招くことになります。また、機械学習の導入には、手作業による複雑なプロセスが伴ううえ、データサイエンス、ビジネス、および IT の各組織が関わるため、モデルのパフォーマンスに関する問題を迅速に検出して修復する事が難しい事がよくあります。各組織が現在の AI の導入環境や規模を維持しながら新しい機会を活用するには、実稼働しているモデルすべてにおけるライフサイクルを企業全体で包括的かつ適切に管理する必要があります。

DataRobot MLOps は、本番環境の AI 向けのセンターオブエクセレンス（CoE）を提供します。CoE があれば 1 つの場所から、本番稼働しているモデルすべてを一元的に運用、監視、管理できます。その際にモデルがどのように作成され、いつどこにデプロイしたかを考慮する必要はありません。MLOps は、高度な Automated Machine Learning（AutoML）ヘルスモニタリングを使用してモデルの全体的な品質を改善し、モデル比較（「実稼働モデル/代替モデル – チャレンジャー」メカニズムとも呼ばれます）を継続的かつ自動的に行い日々変化する状況に対応します。また、企業全体を対象とした堅牢なガバナンスフレームワークで、本番環境の機械学習プロセスがすべて一元的に実行されるため、実稼働モデルを管理するチームの負担を軽減できます。