Design e sviluppo di un sistema di monitoring per modelli AI in ambito aziendale

Il seguente elaborato descrive la progettazione e lo sviluppo di un sistema di monitoraggio per modelli di Machine Learning in ambiente di produzione aziendale, con un’architettura modulare e scalabile pensata per rilevare in tempo reale problematiche come "data drift" e degradazione delle prestazioni dei modelli. Dopo una fase di valutazione della soluzione Evidently AI, risultata limitata rispetto alle esigenze aziendali, è stato implementato un sistema "full custom", integrato nella pipeline ETL per raccogliere metriche e dati relativi alle prestazioni dei modelli. Questo modulo, utilizzabile come template in nuovi progetti, richiede solo la configurazione delle metriche specifiche e sfrutta l' "upstream" per integrare agilmente i monitoraggi nei sistemi già esistenti. Sono stati poi gestiti i flussi di dati generati dall'implementazione di questo modulo tramite API e interazioni a database. Per la visualizzazione dei risultati è stata sviluppata una dashboard React interattiva, che mostra grafici e indicatori chiave per il monitoraggio, rendendo i dati accessibili anche ai reparti aziendali meno tecnici. Il sistema è stato testato con successo, dimostrandosi flessibile e adatto a progetti di diversa complessità. Tra i futuri sviluppi, sono previsti l’integrazione di AI per analisi automatizzate e un sistema di notifiche real-time per interventi tempestivi. Il lavoro svolto rappresenta un contributo significativo verso un monitoraggio proattivo, migliorando l’affidabilità e la qualità dei modelli di ML in produzione.