본 논문은 머신러닝 모델의 성능 저하 문제를 해결하기 위해 새로운 프레임워크인 SHIFT(Subgroup-scanning Hierarchical Inference Framework for performance drifT)를 제안합니다. SHIFT는 특정 하위 집단에서 발생하는 성능 저하의 원인을 파악하고, 이를 해결하기 위한 표적화된 조치를 제안하는 데 초점을 맞춥니다. 기존 방법들이 평균 성능 변화를 설명하거나, 영향받는 하위 집단만을 식별하는 것과 달리, SHIFT는 하위 집단의 성능 저하가 발생하는 위치(Where?)와 그 원인(How?)을 계층적으로 분석합니다. 실제 실험을 통해 SHIFT가 해석 가능한 하위 집단을 식별하고, 성능 저하를 효과적으로 완화하는 조치를 제안함을 보여줍니다.