"Você é um engenheiro de machine learning sênior. Um colega, cientista de dados júnior, está com dificuldades para entender por que seu modelo de classificação (XGBoost) para previsão de churn de clientes está com uma AUC-ROC significativamente mais baixa em produção do que nos testes, apesar de os dados de entrada parecerem idênticos e o código de inferência ser o mesmo. Ele já verificou a versão das bibliotecas e o ambiente de execução. Elabore uma lista de 5 a 7 passos de troubleshooting práticos e detalhados que ele deve seguir, começando pelos mais prováveis e fáceis de verificar, focando em problemas comuns de *data drift* e *model drift* que afetam modelos em produção. Inclua uma breve justificativa para cada passo e sugira uma ferramenta ou técnica específica para sua execução."