B2B软件销售和营销团队很喜欢采用“人工智能”(AI)这一术语。人工智能具有一种神奇的效果，听起来令人印象深刻。但是，当这些销售人员说“人工智能正在这样做”时，他们的买家通常对人工智能知之甚少，因此不会提出棘手的问题。
在诸如DevTools空间之类的行业中，至关重要的是，买家必须了解产品的用途和局限性，以确保这些产品满足其需求。如果人工智能的目的是为人类做出正确的决定，那么接受“人工智能正在这样做”就是承认真的不知道产品的工作方式或它是否在为其做出正确的决定。
当人们成为买方时，通常不对了解人工智能和机器学习产品负责，因为这些技术令人望而生畏。它们非常复杂。
本文讨论了人工智能和机器学习的局限性，因此软件购买者可以提出正确的问题以了解他们所购买的产品。
测试Oracle问题
某些人工智能或机器学习产品的局限性在于，对于该技术的某些应用，没有绝对的真实来源可与输出的准确性进行比较。例如，人类和机器都不知道如何为任何给定的应用程序生成一套完美的端到端测试。这是预言性的问题：没有客观的真理标准。没有人愿意在销售过程中引入这种不确定性。然而，我们的买家应该对我们的产品有充分的了解。
作为买家，在做出购买决定之前，需要了解卖家的人工智能产品的预期优势。它是否意味着在客观标准下做出比人类更准确的决定?它是否意味着以更少的成本做出更快的决定?或者引入一种以新方式使用新数据的替代方法?对这些问题的回答将影响买家如何使用产品以及它提供的价值。
人工智能和机器学习
尽管人工智能被普遍认为是“使用数学进行决策的任何机器”，但真正的人工智能是自学的。人工智能有一个神经网络，它模仿人脑中的神经元，使它能够自我教学、自我更新和自我进化。正因为如此，真正的人工智能很难构建，而且往往是实验性的，而不是商业性的。
更常见的是，当人们说人工智能实际上是机器学习时。机器学习是人类培训的：机器使用概率决策过程通过人类反馈来学习，而这种概率决策过程会通过不断进行的纠正而得到改善。机器接收数据，针对数据运行算法，然后根据概率输出决策。人们通过告诉机器评估是否准确来纠正机器，并更新机器。机器收到准确度反馈后，就会学会做出更好的决策。而且由于机器学习基于概率，所以有时会做出错误的决定。
根据买家计划使用产品的方式，需要确定其准确性的严格程度。机器可以多久做出一次错误的决定并仍然达到其目的，这取决于特定的应用程序。自动驾驶汽车必须几乎完全准确才能被采用。律师助理机器学习工具集可能需要降低准确性，那么其产品需要多精确?
提出正确的问题
无论买家打算如何使用产品，重要的是要提出正确的问题，以了解产品并围绕其准确性水平建立弹性。在销售方告诉买家“人工智能正在这样做”时，可以提出以下要求：
- 该产品是机器学习产品吗?是否需要机器学习才能获得有意义的结果?作为机器学习，产品需要通过人工反馈来学习，而不仅仅是使用概率来做出决策。买家是否只需要使用逻辑来做出决策的产品，还是随着时间推移而提高准确性的产品?
- 如何计算该产品的精度?如果不知道用于计算精度的条件，则不会知道机器是否比人类更准确。如果一台机器比人类的精度高30%，那么谁来评估这种精度以及他们如何确定这一精度?
- 怎么知道产品何时做出错误的决定?任何机器学习产品有时都会产生错误的输出。通常情况下，销售方最成功的客户已经采用了业务流程来增强对这种错误输出的适应能力。如果是这样，销售方也可以帮助买家采用它们。
- 在当前状态下，产品多久做出一次错误决定?了解错误的频率和这些错误的风险对于决定如何使用产品以及在产品开发的现阶段这样做是否安全至关重要。
- 该产品投入了多少教学时间?这个数字将简单估算出使产品更加准确所付出的努力。取决于应用程序，较小的数字可能很好。
- 如何提高该产品的准确性?买家是机器测试和教学过程中不可或缺的一部分。那么应该愿意使用其数据来提高其准确性，因为希望这些产品在将来得到改进。
为什么知道人工智能和机器学习很重要
不仅有很多不是人工智能的“人工智能”，而且还有不是机器学习的算法技术。因此，对于买家来说，有足够的知识来提出正确的问题，并了解这些产品如何做出决定至关重要。
所有机器学习产品都有限制，尽管限制因产品和产品应用方式而异。当产品的准确度未知时，买家所能做的就是询问其方法是否对决策有效：它是否能获得比人类更好的数据?使用此数据，它可以比人类做出更快、更明智的决策吗?如果答案是肯定的，那么买方应该考虑购买产品，而不是是自己开发。
