B2B軟件銷售和營銷團隊很喜歡采用“人工智能”（AI）這一術語。人工智能具有一種神奇的效果，聽起來令人印象深刻。但是，當這些銷售人員說“人工智能正在這樣做”時，他們的買家通常對人工智能知之甚少，因此不會提出棘手的問題。

在諸如DevTools空間之類的行業(yè)中，至關重要的是，買家必須了解產品的用途和局限性，以確保這些產品滿足其需求。如果人工智能的目的是為人類做出正確的決定，那么接受“人工智能正在這樣做”就是承認真的不知道產品的工作方式或它是否在為其做出正確的決定。

當人們成為買方時，通常不對了解人工智能和機器學習產品負責，因為這些技術令人望而生畏。它們非常復雜。

本文討論了人工智能和機器學習的局限性，因此軟件購買者可以提出正確的問題以了解他們所購買的產品。

測試Oracle問題

某些人工智能或機器學習產品的局限性在于，對于該技術的某些應用，沒有絕對的真實來源可與輸出的準確性進行比較。例如，人類和機器都不知道如何為任何給定的應用程序生成一套完美的端到端測試。這是預言性的問題：沒有客觀的真理標準。沒有人愿意在銷售過程中引入這種不確定性。然而，我們的買家應該對我們的產品有充分的了解。

作為買家，在做出購買決定之前，需要了解賣家的人工智能產品的預期優(yōu)勢。它是否意味著在客觀標準下做出比人類更準確的決定？它是否意味著以更少的成本做出更快的決定？或者引入一種以新方式使用新數(shù)據(jù)的替代方法？對這些問題的回答將影響買家如何使用產品以及它提供的價值。

人工智能和機器學習

盡管人工智能被普遍認為是“使用數(shù)學進行決策的任何機器”，但真正的人工智能是自學的。人工智能有一個神經(jīng)網(wǎng)絡，它模仿人腦中的神經(jīng)元，使它能夠自我教學、自我更新和自我進化。正因為如此，真正的人工智能很難構建，而且往往是實驗性的，而不是商業(yè)性的。

更常見的是，當人們說人工智能實際上是機器學習時。機器學習是人類培訓的：機器使用概率決策過程通過人類反饋來學習，而這種概率決策過程會通過不斷進行的糾正而得到改善。機器接收數(shù)據(jù)，針對數(shù)據(jù)運行算法，然后根據(jù)概率輸出決策。人們通過告訴機器評估是否準確來糾正機器，并更新機器。機器收到準確度反饋后，就會學會做出更好的決策。而且由于機器學習基于概率，所以有時會做出錯誤的決定。

根據(jù)買家計劃使用產品的方式，需要確定其準確性的嚴格程度。機器可以多久做出一次錯誤的決定并仍然達到其目的，這取決于特定的應用程序。自動駕駛汽車必須幾乎完全準確才能被采用。律師助理機器學習工具集可能需要降低準確性，那么其產品需要多精確？

提出正確的問題

無論買家打算如何使用產品，重要的是要提出正確的問題，以了解產品并圍繞其準確性水平建立彈性。在銷售方告訴買家“人工智能正在這樣做”時，可以提出以下要求：

該產品是機器學習產品嗎？是否需要機器學習才能獲得有意義的結果？作為機器學習，產品需要通過人工反饋來學習，而不僅僅是使用概率來做出決策。買家是否只需要使用邏輯來做出決策的產品，還是隨著時間推移而提高準確性的產品？

如何計算該產品的精度？如果不知道用于計算精度的條件，則不會知道機器是否比人類更準確。如果一臺機器比人類的精度高30%，那么誰來評估這種精度以及他們如何確定這一精度？

怎么知道產品何時做出錯誤的決定？任何機器學習產品有時都會產生錯誤的輸出。通常情況下，銷售方最成功的客戶已經(jīng)采用了業(yè)務流程來增強對這種錯誤輸出的適應能力。如果是這樣，銷售方也可以幫助買家采用它們。

在當前狀態(tài)下，產品多久做出一次錯誤決定？了解錯誤的頻率和這些錯誤的風險對于決定如何使用產品以及在產品開發(fā)的現(xiàn)階段這樣做是否安全至關重要。

該產品投入了多少教學時間？這個數(shù)字將簡單估算出使產品更加準確所付出的努力。取決于應用程序，較小的數(shù)字可能很好。

如何提高該產品的準確性？買家是機器測試和教學過程中不可或缺的一部分。那么應該愿意使用其數(shù)據(jù)來提高其準確性，因為希望這些產品在將來得到改進。

為什么知道人工智能和機器學習很重要

不僅有很多不是人工智能的“人工智能”，而且還有不是機器學習的算法技術。因此，對于買家來說，有足夠的知識來提出正確的問題，并了解這些產品如何做出決定至關重要。

所有機器學習產品都有限制，盡管限制因產品和產品應用方式而異。當產品的準確度未知時，買家所能做的就是詢問其方法是否對決策有效：它是否能獲得比人類更好的數(shù)據(jù)？使用此數(shù)據(jù)，它可以比人類做出更快、更明智的決策嗎？如果答案是肯定的，那么買方應該考慮購買產品，而不是是自己開發(fā)。
責編AJX