資料時效落差導致效能衰退
Performance Decay from Data Staleness
持續確效
風險描述
當外部環境發生結構性改變後，模型的預測準確度逐步下滑時；系統因缺乏持續驗證機制，組織依既有指標判斷系統仍正常，直到累積損失明顯才發現問題，除引發相關利害關係人權益損害外，亦將造成企業合規與營運商譽代價。
框架對照
EU AI ActArt.15、Art.72
NIST AI 600-1
ISO/IEC TR 24027
ISO/IEC 5338持續確效
MIT AI Risk RepositoryDomain 7
具體風險處置與實施指引
建立模型效能持續驗證機制，以貼近當前環境的樣本定期評測而非僅依歷史指標; 監控輸入資料分布與外部環境變化，偵測結構性改變即觸發重新驗證; 管理訓練資料新鮮度，設定重訓評估的週期與觸發條件