Maintenance
Phase: ImproveKeep what works today working when the world shifts underneath it.
Maintenance keeps production agents alive when what’s underneath changes: models that update or retire, systems that change their API, business processes that evolve. AI isn’t a project you ship and forget; it’s a system you operate.
What it includes
- Watch provider model changes (versions, deprecations) and their effect.
- Update integrations when connected systems change.
- Detect drift: when quality drops because the world changed, not the code.
- Manage versions and be able to roll back if a change makes things worse.
When you need it
- An agent that was working started failing without anyone touching anything.
- The provider is retiring the model you use and there’s no plan.
- Every change in a connected system silently breaks the integration.
How it’s measured
- Uptime of production agents.
- Incidents from drift or external change vs. total.
- Time from an external change appearing to it being absorbed.
Common mistakes
- Treating deployment as the end of the project and assigning no maintenance owner.
- Not watching provider deprecations until the agent stops working.
- Switching models without re-running the evals and trusting it "will behave the same".
FAQ
- Why does a working agent start failing on its own?
- Because the world shifts underneath: the provider updates the model, a connected system changes its API, or the input data evolves. That’s called drift, and catching it early is part of maintenance.
- How much maintenance does production AI need?
- More than people expect. A production agent is living software with external dependencies that change. Without maintenance, reliability degrades on its own over time.
Related capabilities
Recent signals
Trends, practices, tools, cases and market data for this capability, with sources. Updated weekly.
Practices
Los plazos mínimos de aviso de retirada están publicados: seis meses para modelos generales, tres para variantes y dos semanas para preview
OpenAI documenta sus periodos mínimos de aviso antes de retirar un modelo: al menos seis meses para modelos de disponibilidad general, al menos tres meses para variantes especializadas (chat, codex, deep research) y tan poco como dos semanas para modelos preview, con la recomendación explícita de no usar estos últimos en cargas críticas salvo que puedas migrar con ese margen. El aviso llega por correo a quien usa el modelo y queda en la página de deprecaciones. Práctica: tratar esa página como calendario del equipo, abstraer el modelo detrás de una interfaz desde el primer día y presupuestar la migración como coste de operar el agente, no como incidencia.
OpenAI — API deprecations · 2026-10-01 · E2Data
El 23 de octubre de 2026 OpenAI apaga gpt-4, gpt-3.5-turbo, gpt-4-turbo, o1, o1-pro, o3-mini y o4-mini
OpenAI anunció el 22 de abril de 2026 la retirada de un bloque de modelos antiguos con fecha de apagado el 23 de octubre de 2026: gpt-3.5-turbo y gpt-3.5-turbo-0125, gpt-4 y gpt-4-0613, gpt-4-1106-preview, gpt-4-turbo, gpt-4.1-nano, gpt-4o-2024-05-13, gpt-image-1, o1 y o1-pro, o3-mini, o4-mini y sus versiones afinadas. Cada uno tiene sustituto recomendado publicado. Para mantenimiento esto es una fecha de calendario, no una noticia: cualquier agente en producción que siga apuntando a esos nombres deja de funcionar ese día, y el que migre al sucesor tiene que volver a pasar sus evaluaciones porque el comportamiento cambia aunque la llamada siga respondiendo.
OpenAI — API deprecations · 2026-04-22 · E2Missing any of these?
Start with an assessment: which capabilities you have, which you’re missing, and where it pays off most to start.
Talk to us →