原書提醒，GenAI model drift 不應只靠 technical metrics 判斷，也要觀察實際 business outcomes。
一個電商／客服 GenAI application 上線後，technical benchmark 仍穩定，但 cart abandonment 上升、customer-service calls 增加、customer satisfaction 下滑。原書把這些視為應重新檢查模型的訊號。
| Business signal | 原書例子 |
|---|---|
| Cart abandonment | 上升可能代表 customer journey 受損 |
| Customer-service calls | 增加可能代表自助服務失效 |
| Customer satisfaction | 波動可能反映 output quality／experience 問題 |
建立 weekly control chart，把 model version、technical metrics 與三類 business KPI 對齊。AI 可協助找共變化，但因果需另外驗證。
教材情境：cart abandonment 從 20% 升至 24%，相對增加=(24%-20%)÷20%=20%。
若 model benchmark 沒變但 business KPI 惡化，企業仍應啟動 investigation；因為模型價值最終要回到 business performance。
比較 model version change 前後的 technical metrics 與 business KPI，只指出 correlation／timing，不自行宣稱 causation。
**題目：**若 CSAT 從 4.5 降至 4.1，下降幅度占原值多少？
參考解答：(4.5−4.1)÷4.5≈8.9%。