Digital Transformation
Model Drift (Pergeseran Pengetahuan Model AI)
TL;DR: Model Drift adalah perubahan output mesin AI dari waktu ke waktu, baik karena update model maupun karena distribusi data baru. Untuk marketer, ini berarti jawaban AI tentang brand bisa berubah tanpa pemberitahuan.
Apa itu Model Drift?
Model Drift adalah kondisi ketika sebuah model AI memberi jawaban yang berbeda untuk pertanyaan yang sama di rentang waktu berbeda. Penyebabnya beragam, mulai dari pembaruan bobot model, perubahan data retrieval, hingga pergeseran cara model menafsirkan konteks. Konsep ini bersinggungan dengan Citation Decay dan Answer Freshness.
Untuk brand Indonesia, drift bisa membuat fakta yang benar bulan lalu menjadi tidak akurat bulan ini, terutama untuk informasi yang cepat berubah seperti harga, layanan, atau identitas perusahaan.
Jenis Drift yang Sering Terjadi
| Jenis | Pemicu |
|---|---|
| Concept drift | Definisi atau pemahaman istilah berubah seiring waktu |
| Data drift | Sumber retrieval berganti, halaman baru menggeser yang lama |
| Model update | Vendor memperbarui versi model dengan pelatihan baru |
Praktik pemantauan biasanya menyertakan log prompt rutin terhadap nama brand, layanan, dan studi kasus utama untuk mendeteksi pergeseran lebih dini.
Kenapa Penting?
Untuk marketer Indonesia, drift adalah risiko reputasi. Brand bisa tiba-tiba mendapat jawaban yang tidak akurat ketika calon klien bertanya ke ChatGPT atau Perplexity. Praktik audit prompt setiap 2 hingga 4 minggu membantu mendeteksi drift sebelum berdampak pada keputusan pembelian.
Pertanyaan Umum
Apakah drift sama dengan halusinasi AI?
Tidak. Drift adalah pergeseran perilaku konsisten dari waktu ke waktu. Halusinasi adalah jawaban keliru yang muncul spontan. Keduanya saling berkaitan namun berbeda.
Bagaimana cara memantau drift secara praktis?
Catat jawaban model untuk 10 hingga 20 prompt brand prioritas, ulang setiap dua minggu, bandingkan perubahan. Pelajari OpenAI Evaluations untuk kerangka pemantauan.
Istilah Terkait