データドリフトとは、入力データの統計的特性が時間とともに変化し、AIモデルの精度に影響を与える現象です。今回のケースでは、モデルが最近の需要動向に適応できなかったため、学習に使用したデータが現在の状況を反映していないことを示しています。
「データドリフトは、実世界の入力データがトレーニングデータのパターンからずれると、AIシステムのパフォーマンス低下につながります。特に小売業のような動的な環境では、ドリフトを監視することが不可欠です。」トレーニングの多様性（A）と外れ値検出（D）は精度に関係しますが、トレーニングデータとリアルタイムデータの時間的なずれに対処しているのはBだけです。過学習（C）は、他の状況では汎化性能の低下を引き起こす可能性が高いでしょう。
参考資料：ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション：「AIの運用とパフォーマンス」、サブセクション：「モデルの監視とデータドリフトの検出」