国内无程式码（No-code）AI新创业者Profet AI，今天（11/14）发表AI生命周期管理平台AILM（AI Lifecycle Management），涵盖AI议题探索、产生模型、应用落地到知识经验扩散。该公司预告年底前AILM将会支援生成式AI，来提高知识经验的管理及应用。
成立于2019年的Profet AI喊出口号，要让80%的关键员工成为AI工作者，旗下的No-code无程式码AI工具AutoML，提供超过50种的制造业常用机器学习演算法，让不具有IT、开发背景的不同制造业领域专家，可透过无程式码工具来快速建立AI模型。Profet AI宣称现在已有14大类制造业、超过160家客户，并且在日本、中国、新加坡等地设有据点。
Profet AI执行长黄建豪表示，Profet的目的为将机器学习的复杂AI技术，成为工具软体给领域专家使用，让99%的客户在2小时教育训练后，学会使用该工具，运用历史资料作各种预测，相信当更多人能使用工具作各种预测，可以提升公司整体的竞争力。举例来说，企业人资对人才的离职预测，或是对供应链的库存预测、优化。
黄建豪指出，制造业需要以AI为基础，建立判断标准化的管理能力，除了数据分析建模进行各种AI预测，过去在生产上仰赖老师傅经验判断的管理方式，随著老师傅退休或人才断层风险的增加，未来更需要建立判断标准化的管理方式。AILM的目的是让企业从过去仰赖经验的管理标准化，向系统流程的流程标准化，到以AI数据分析的判断标准化，让领域知识（Domain Know-how）可管可控。
Profet AI技术长林裕鑫表示，目前市场的管理平台大多聚焦在AI模型的建立及维护，偏向技术、资料科学的角度，但是企业在使用AutoML建模分析之前，商业问题或议题产生、分析、怎么被解决也相当重要，在建模的前期，对企业管理而言，Why及How也相当重要。
因此在AILM里，除了整合AutoML的建模分析之外，建模之前的AI议题建立、AI议题的探索评估、大量议题的管理，还有类似专案管理的工作任务管理，了解工作任务指派的情形、个人任务管理。
为了让制造业经验知识可被控管、传承扩散，AILM也提供企业内部AI知识库功能，建立企业内部AI知识库。
林裕鑫表示，相较于一般知识管理偏向文档管理，AILM的知识库则以问题为中心来建立相关的AI知识库。企业能将长期累积的领域AI知识及经验建立内部资料库，让领域经验知识能够传承、扩散，结合在年底前推出的生成式AI模组，使用者可以透过生成式AI，搜寻特定领域的知识，或是对企业内部累积的大量资料，快速搜寻相关资料，获得资料的摘要。