Оцінку точності моделі на тестовій вибірці до деплою, яку неможливо виміряти без реального трафіку

Поведінку моделі під реальним production-навантаженням: latency регресії, збої на edge cases реального трафіку і зсуви розподілу передбачень, які не виникають на тестових даних

Training-serving skew, який виникає через різне обчислення features у тренуванні і production

Bias за захищеними характеристиками, який проявляється лише на реальних користувачах

Бізнес-метрики (conversion rate, revenue) до того, як нова модель впливає на реальних користувачів