
Tecnología
Sacar a un equipo de ML estancado de los notebooks a lanzamientos semanales
Reto
Un equipo de ciencia de datos tenía modelos que funcionaban atascados en notebooks: cada lanzamiento suponía un traspaso manual a ingeniería, y nadie podía decir con seguridad qué se estaba ejecutando de verdad en producción.
Estrategia
Poner en marcha primero un registro de modelos y un canal de entrenamiento reproducible, y luego añadir barreras de evaluación automáticas para que un lanzamiento pudiera salir sin una reunión de aprobación manual.
Ejecución
Construimos el registro, las barreras de evaluación de CI/CD y la monitorización de deriva en torno a los modelos existentes del equipo: sin reescritura, sin pausa en los lanzamientos mientras entraba la plataforma.
Resultado
La cadencia de lanzamiento pasó de trimestral a semanal en los dos primeros meses, con la deriva detectada automáticamente en lugar de descubierta por un usuario desconcertado.
Seis horas después de la puesta en marcha, la plataforma detectó una deriva que el proceso antiguo habría tardado tres semanas en notar.



