¿Qué es Obviously AI?
Es una plataforma no-code de ML predictivo y automatización. El usuario aporta datos históricos, elige outcome y construye clasificación, regresión, serie temporal o clustering. Explora en dashboard, comparte app, llama REST, monitoriza o automatiza. Los precios actuales también muestran agentes, informes, LLM y RPA.
Promete velocidad y acceso, no eliminar data science. Automatiza preprocessing, algoritmos, hiperparámetros, validación y deploy. No decide si la historia representa futuro, target legal, proxy discriminatorio, causalidad o uso responsable.
Del dataset a la predicción
La documentación dice que examina propiedades, preselecciona algoritmos, prueba hiperparámetros y elige resultado. Incluye métodos lineales, probabilísticos, árboles, ensembles y redes según tarea, para churn, leads, préstamos, fraude, ventas, precio, yield, coste y demanda.
Define timestamp de predicción y quita información no disponible entonces. El leakage infla tests y falla en producción. Separa train/validation/test por tiempo o entidad y no toca el final hasta seleccionar. Compara baseline y mide precisión en capacidad de acción, coste de falsos positivos, calibración y grupos, no solo accuracy.
Deploy añade riesgo. App por link, API y reglas pueden actuar por umbral. Empieza como cola de recomendaciones. Registra versiones de input/modelo, confianza, revisión, resultados, overrides y fallos. Nunca rechaces automáticamente préstamo, candidato, paciente, claim o investigación sin base, apelación, humano y validación.
Límites Free y pagos
Free para individuos/hobby/nonprofit lista un asiento, 1,200 predicciones, modelos ilimitados, CSV, tareas, agentes, LLM, REST, RPA, email, 10 MB y 10,000 filas por job. La misma página menciona un millón de filas de training; confirma relación.
Software + Data Scientist no muestra precio. Startup: un caso, 100 MB, un millón de filas. SMB: tres, 1 GB, 100 millones. Enterprise: cinco, 10 GB, 250 millones. Incluye agentes, modelos, reports, dashboards, API, fine-tuning, monitorización, estratega/data scientist y soporte. SAML/SSO, auditoría, residencia, fuentes y private cloud deben confirmarse.
Una predicción cuenta por registro; 100 filas consumen 100. Modela batches, tráfico, retraining, casos, límites, soporte y controles.
Seguridad, privacidad y dudas
Seguridad dice TLS, AES-256 y Google Cloud; SOC 2 Type II anual sobre seguridad/confidencialidad/disponibilidad, GDPR/DPA, CCPA y HIPAA/BAA. Pide informes, alcance, excepciones, arquitectura, subprocesadores, incidentes y región.
La privacidad de febrero de 2025 se centra en cuenta/web y retiene PII normalmente hasta 90 días tras terminar, con excepciones y backups aislados. No especifica completamente training data, modelos, features, predicciones, prompts, API, reports o acceso de data scientists.
Antes de sensible, contrata respuestas sobre entrenamiento compartido, acceso, retención por artefacto/backup, borrado verificable, destinos, región, soporte, portabilidad y destrucción. Un badge no aporta esos detalles.
Veredicto
Obviously AI acorta de pregunta estructurada a prototipo, especialmente sin ingeniería ML; expertos pueden ayudar con limpieza y deploy. La evaluación debe medir calidad, leakage, fairness, calibración, drift, valor y gobierno junto a velocidad. Democratiza desarrollo, no elimina responsabilidad estadística.
