D. Sculleyらの研究者グループが2015年にNeurIPS（当時NIPS）で発表した論文『Hidden Technical Debt in Machine Learning Systems』は、機械学習によるプロダクトの立ち上げを『無償の近道』と考えることは危険であり、実世界の機械学習システムでは継続的に多大な保守コストが発生するのが常であると論じている。同論文はentanglement（特徴量同士の密結合）、hidden feedback loops（隠れたフィードバックループ）、undeclared consumers（未申告の下流利用者）等、機械学習特有のリスク要因を提示し、モデル構築自体はシステム全体のごく一部に過ぎないと指摘する。この論文自体はMLOpsという用語を使っていないが、モデルを作って終わりにせず継続的な運用体制が必要だとするMLOpsの考え方の学術的な背景として、関連分野の議論で広く引用されている基礎文献である。