Studi kasus solusiAIP134
Evaluasi dan observability mutu AI untuk layanan Perguruan tinggi
Studi kasus solusi adalah skenario berbasis pola masalah umum di industri. Isinya tidak merujuk klien tertentu dan bukan portofolio proyek MarkasDev. Portofolio proyek klien dipublikasikan terpisah.
Konteks industri
Kampus dengan LMS, akademik, dan keuangan mahasiswa. Tekanan compliance dan audit semakin sering, sementara sistem warisan masih dominan.
Batasan
- Belum ada golden set
- Multi-prompt/versi
- Tim produk vs risk beda bahasa
- Jendela cutover sempit
Pendekatan
Diagnose
Mengukur baseline: Tentukan metrik mutu (ketepatan, sitasi, safety) dan tracing.
Deliver
Merilis: Eval harness, prompt/model registry, tracing spans, cost dashboards.
Operate
Memantau: Gate rilis berbasis eval, sampling produksi, alert drift.
Arsitektur tingkat tinggi
Apptraceeval runnersregistry
Feedback manusia masuk dataset.
Outcome tipikal
Regresi tertangkap sebelum rilis; biaya per tugas lebih terkendali.
Outcome tipikal atau yang diharapkan, bukan klaim hasil proyek MarkasDev.Pertanyaan umum
Eval otomatis mengganti QA manusia?
Melengkapi; sampling manusia tetap untuk edge case.
Berapa sering eval?
Setiap perubahan prompt/model material + sampling harian.