Shadow Deployment – testowanie modelu na produkcji bez wysyłania wyników do użytkownika.

Metoda polegająca na uruchamianiu nowego modelu sztucznej inteligencji w środowisku produkcyjnym równolegle do działającego systemu, jednak bez przesyłania jego wyników do końcowego użytkownika. Dzięki temu możliwe jest monitorowanie i ocenianie jakości oraz wpływu modelu na działanie systemu w realnych warunkach, bez ryzyka negatywnego wpływu na doświadczenia użytkowników. Pozwala to na wczesne wykrycie błędów, niezgodności lub innych problemów, które mogą wystąpić podczas implementacji.

Stosowana jest przede wszystkim w sytuacjach, gdy istnieje potrzeba dokładnego przetestowania i oceny modelu w środowisku produkcyjnym, gdzie dane charakteryzują się zmiennością lub nieprzewidywalnością, co trudno odzwierciedlić w warunkach testowych. Takie podejście ułatwia stopniowe wprowadzanie nowych rozwiązań, minimalizując ryzyko niepożądanych skutków dla działania systemu oraz umożliwiając zebranie cennych informacji zwrotnych przed pełnym wdrożeniem.