«AI Model Pipeline» در حوزه هوش مصنوعی به مفهومی تخصصی درباره Model اشاره دارد و با داده آموزشی، مدل، ارزیابی، inference، drift، توضیح‌پذیری و کنترل ریسک خروجی مرتبط است. در اینجا «Pipeline» معمولاً به معنی زنجیره پردازش یا تحویل مرحله‌ای است و کمک می‌کند نقش این مفهوم در سیستم دقیق‌تر تفکیک شود. این اصطلاح معمولاً هنگام آماده‌سازی داده، ارزیابی مدل یا استقرار inference کاربرد دارد و هدفش افزایش دقت، کاهش خطا و قابل اعتماد کردن رفتار مدل است. شناخت درست آن برای مستندسازی، طراحی، عیب‌یابی و تصمیم‌گیری تیمی مهم است، چون باعث می‌شود مرز مسئولیت‌ها، ریسک‌ها و وابستگی‌ها روشن‌تر شوند و نتیجه نهایی به سامانه هوشمند قابل پایش و قابل توضیح نزدیک‌تر باشد.