Data Science without Code

一句話介紹

顯然，AI是一個專為非技術背景的業務團隊所設計的無代碼機器學習平台，它能將歷史數據轉換為分類、回歸、時間序列及聚類模型，並將預測結果部署在網頁、自動化系統或業務系統中。

工具簡介

顯然，AI是由位於美國舊金山的Obviously AI, Inc.所運營的，其最初的核心功能是無代碼預測分析。目前，該公司的產品還加入了代理式AI、AI Agent、RPA自動化、定期報告以及自訂大型模型等功能。

平台提供純軟體方案，也提供軟體加上專屬AI策略師和數據科學家的服務方案。業務人員可以自行建模，而複雜的資料清洗、合併、審計以及模型策略則可由專家協助。

核心能力概覽

主要功能

無代碼模型建構

用戶上傳數據、選擇要預測的目標列，再由平台完成算法組合和參數選擇。它降低了建模門檻，但不會替代業務定義、數據治理和結果驗證。

分類預測

分類模型用於預測離散結果，例如客戶是否流失、潛在客戶是否會轉化為實際客戶，或是交易是否存在風險。其輸出的機率適合用於排序和分層，不應直接視為確定的事實。

回歸預測

回歸模型預測連續數值，可用於銷量、動態價格、交易規模、成本和收益。目標值的定義、異常值與未來不可知變量會顯著影響誤差。

時間序列預測

時間序列功能根據按時間排列的歷史數據來預測未來指標。訓練和驗證必須遵守時間順序，不得將未來數據洩漏到過去的樣本中。

聚類與分群

聚類模型在沒有明確標籤時發現相似記錄，可用於客戶分群和行為探索。群組名稱和業務含義需要人工解釋，不能把統計相似性等同於真實身份類別。

一鍵部署與Web應用

模型完成後，可透過可分享的網路應用程式，讓使用者輸入資料並獲得預測結果。若涉及敏感的業務資料，則不應公開分享連結，應先確認訪問控制與權限。

模型看板與監控

付費方案列出了模型儀表板、微調與監控功能，可用於查看表現並追蹤生產變化。監控指標、告警頻率及自動重訓規則應在採購前加以確認。

RPA與條件自動化

平台可根據預測機率觸發後續動作，並與Zapier式工作流結合。影響度高的動作應增加人工批准、金額限制以及可撤銷機制。

AI Agent與自訂大模型

目前價格頁面將AI Agent和Custom LLMs列為免費軟體功能，也在付費方案中強調Agentic AI。公開頁面並未完整說明模型供應商、知識材料、工具權限以及各方案的調用額度。

定期報告

SMB和Enterprise方案可生成Recurring Reports，將預測結果與業務指標按計劃輸出。報告仍需標註數據時間範圍、模型版本和誤差，以避免將舊模型結果當作即時資訊。

專屬數據科學支援

軟體加專家方案會匹配AI策略師和具備研究生背景的數據科學家，透過即時通訊或視頻協作。服務範圍、回應時間、可用工時和交付物需要寫入合約。

完整建模工作流

1. 定義一個可衡量的業務問題，並確定預測結果將如何被使用。
2. 整理歷史數據，確保每行代表同種業務對象或時間單位。
3. 刪除洩漏目標、無業務意義的標識及不應處理的敏感欄位。
4. 上傳CSV或連接企業資料來源，再選擇分類、回歸、時間序列或聚類任務。
5. 訓練模型並檢查樣本規模、特徵影響、誤差和驗證結果。
6. 用從未參與訓練的真實樣本進行人工複核和業務回測。
7. 選擇Web應用、批次預測、REST API、報表或自動化部署。
8. 持續監控數據漂移、業務效果和不公平結果，必要時重訓或停用。

入門使用教學

建立分類模型

1. 準備一份包含歷史結果的CSV，例如每位客戶最終是否流失。
2. 檢查目標列只有明確類別，並統一空值、拼寫和時間範圍。
3. 上傳檔案並選擇目標欄位，排除結果產生後才出現的欄位。
4. 訓練後查看準確率、召回率、混淆情況和類別不平衡。
5. 用業務可接受的閾值劃分高、中、低風險，而非固定使用一半概率。
6. 先向小範圍團隊提供預測，再比較實際結果並調整。

建立時間序列模型

1. 選擇固定日、週或月粒度，並補齊缺失時間點。
2. 準備足夠長的歷史週期，標記節日、促銷和結構變化。
3. 避免隨機打亂數據，保留最近一段時間做回測。
4. 比較模型預測與簡單季節均值或移動平均基線。
5. 為輸出設定合理區間，不把單點預測寫成保證。
6. 按新數據持續檢查誤差，環境變化後重新訓練。

透過API部署預測

1. 完成模型驗證並確認當前方案包含REST API。
2. 建立獨立憑證，並僅儲存在伺服器金鑰系統中。
3. 按照訓練字段構造請求，保持名稱、類型和單位一致。
4. 記錄模型版本、輸入摘要、預測、延遲和錯誤碼。
5. 增加超時、重試、速率限制和不可用時的降級流程。
6. 先灰度接入，驗證業務收益與錯誤成本後再擴大流量。

適合哪些用戶

• 業務分析師：不必編寫機器學習代碼即可驗證預測項目。
• 銷售團隊：預測潛在客戶的轉化率、成交規模以及客戶流失風險。
• 市場團隊：識別高回應群體並安排差異化活動。
• 運營團隊：預測需求、庫存、產量及服務壓力。
• 金融與風控團隊：建立輔助評分，但高風險決定仍需嚴格治理。
• 創業公司：使用免費版或Startup方案來驗證單一的AI應用場景。
• 企業數據團隊：透過私有雲、SSO、審計及自訂數據源進行部署。

典型使用場景

價格與套餐

以下為截至2026年8月22日官網當前公開的方案。免費版會明確標示使用額度，而Startup、SMB和Enterprise版本則僅公開容量與權益，並未顯示美元價格，必須透過註冊或銷售人員的協助才能獲得最新報價。

官網還允許在Software Only與Software + Data Scientist之間選擇，但抓取到的公開價格頁面並未顯示兩種服務的費用差異。舊博客中的月價屬於歷史資訊，無法作為目前的購買價格參考。

套餐功能對比

免費版限制

• 免費版僅有1個用戶席位，不能視為團隊協作方案。
• 每行或每條記錄返回一次模型結果會計為一次預測。
• 免費額度為1200次預測，批量上傳多行會快速消耗額度。
• 價格頁同時出現100萬行訓練數據和最多1萬行數據兩項描述，口徑不清。
• 免費版僅明確支援CSV資料來源，不包含自訂資料連線。
• 單檔案上限為10MB，寬表格或文字欄位可能提前觸及限制。
• 高級治理、SSO、審計、資料駐留和私有雲不屬於公開免費權益。

支援平台與整合

產品優勢

• 覆蓋分類、回歸、時間序列和聚類等常見表格建模任務。
• 無需編寫訓練代碼，業務團隊可快速驗證數據是否具有預測價值。
• 模型可透過Web應用、批次結果、REST API以及自動化方式進入業務流程。
• 付費服務可配備AI策略師和數據科學家，協助清洗與審核數據。
• 從免費個人用量到私有雲和資料駐留，部署層級較完整。
• 官網公開SOC 2 Type II、GDPR、HIPAA和CCPA相關安全說明。
• 提供模型監控、日誌和審計方向，適合生產治理。

使用限制與注意事項

• 無代碼並不等於不需要數據科學判斷，目標定義與驗證仍是項目核心。
• 訓練數據中的偏差、洩漏和過期關係會被模型放大。
• 高準確率並不代表對所有群體、公平性或業務成本都合格。
• 付費方案不公開金額，預算必須經過銷售報價和合約確認。
• 免費價格頁的訓練行數與處理行數描述存在口徑差異。
• AI Agent、自訂LLM和RPA的具體調用額度沒有公開。
• 動態定價、信貸、招聘、醫療和欺詐場景需要額外法規與人工審查。
• 第三方資料來源和自動化會引入新的權限、費用和故障點。
• 模型上線後必須監控數據漂移，不能長期依賴首次訓練結果。

隱私與資料安全

隱私政策於2025年2月更新，其中說明平台會收集帳戶、聯絡資料、認證資訊、支付相關資料、裝置資訊、使用記錄以及Cookie資料。根據政策規定，個人資訊在帳戶被終止後，通常不會因上述目的而被保留超過90天，但出於法律、備份或處理爭議的需求，可能會影響到實際的刪除時間。

安全頁面說明，客戶資料會儲存在 Google Cloud 中，傳輸過程則使用 TLS 進行加密，而靜態資料則以 AES-256 進行加密。該頁面還列出了 SOC 2 Type II、GDPR、CCPA 以及可簽署的 HIPAA BAA 等相關認證，而那些受到監管的客戶仍應要求獲得最新的報告及合約附件。

• 訓練前刪除姓名、電子郵件、證件號和不必要的敏感屬性。
• 為API、資料來源和自動化使用獨立的最小權限憑證。
• 企業採購時確認數據駐留區域、備份和子處理方。
• 醫療數據使用前確認BAA資格與實際服務範圍。
• 高風險模型保存數據版本、特徵、閾值、審批人與輸出日誌。
• 確認模型和上傳數據是否用於平台訓練或產品改進。
• 離職、專案結束及帳戶關閉後，應立即撤銷訪問權並申請刪除。

模型治理與負責任使用

• 為每個模型記錄用途、禁止用途、負責人及更新週期。
• 把訓練集、驗證集和最終測試集按時間或業務實體正確隔離。
• 同時評估準確率、召回率、誤報成本和群體差異。
• 高影響決定只把預測作為輔助信號，不完全自動化執行。
• 建立人工申訴、糾錯和回滾機制。
• 定期比較生產輸入與訓練數據，並監控性能下降。
• 外部環境改變後重新驗證，不盲目繼續使用舊閾值。

API、SDK與開源狀態

顯然，AI提供了REST API，可用以將單條或批量記錄傳送給已部署的模型，並在外部應用程式中顯示結果。目前，官網上並未公開完整的端點、速率限制、錯誤代碼，或是官方的多語言SDK文件。

截至核驗時沒有發現可以確認屬於Obviously AI, Inc.的官方GitHub組織、核心平台源碼倉庫或開源許可證。REST API可訪問和模型可部署都不代表產品開源。

基本資訊

推薦指數

推薦指數為4.2分，滿分5分。顯然，AI將常見的預測模型、部署、自動化以及專家支援整合在單一平台上，很適合那些沒有完整資料科學團隊的企業組織。

主要不足是當前付費價格不透明，部分新Agentic AI權益和額度缺少細節，免費版行數口徑也存在衝突。上線高影響模型前仍需專業驗證和持續治理。

常見問題

顯然AI免費嗎？

有免費版，包含1個席位、1200次預測、無限模型、10MB的檔案容量，以及最多可處理1萬行的數據。頁面上還寫著可使用100萬行的訓練數據，但具體數值需在帳戶中確認。

需要會編程嗎？

建立基礎模型不需要編程，使用者可透過網頁上傳數據並選擇目標。API整合、數據治理以及複雜的生產部署仍需技術人員。

支持哪些預測任務？

明確支援分類、回歸、時間序列和聚類，可覆蓋流失、轉化、價格、銷量、需求和分群等任務。

一次預測如何計數？

每向模型發送一行或一條記錄並返回結果，就計為一次預測。批量上傳100行並全部生成結果會計為100次。

是否提供API？

提供REST API，可將預測功能嵌入應用、內部工具或網站。具體速率、認證及付費額度需在帳戶或合約中確認。

支援中文嗎？

官網沒有公開完整的中文介面與中文文本模型說明。以數值和類別為主的表格可以測試，但中文文本字段需要先驗證編碼與效果。

數據是否會用於訓練？

公開的隱私與安全頁面中，並沒有對於客戶資料用於訓練之目的給出足夠明確且統一的說明。企業應透過DPA或合約來明確規定資料的訓練、保存及刪除規則。

顯然 AI是開源的嗎？

不開源，沒有發現官方核心源碼倉庫或許可證。提供API和Web應用部署不等於開放模型或平台代碼。

適合高風險決策嗎？

可作為輔助分析，但信貸、招聘、醫療、保險和欺詐等場景不能只依賴自動預測，需要合規審查、可解釋性及人工複核。

總結

顯然，AI適合那些希望利用歷史數據表快速建立預測模型，並透過API、自動化或看板將其應用到業務中的團隊。免費版可用於小規模的驗證，而付費方案則能擴展其應用範圍、處理能力，以及提供專家諮詢與管理功能。

真正上線前應確認報價、數據上限、新Agent功能、API額度及資料處理合約，並以獨立測試集證明模型在真實業務中的可靠性與公平性。