在过去的三到四年中，我们对人工智能的“可能”概念已经发生了变化。我们认为这是好莱坞科幻小说中的创新已经成为现实。例如，谷歌最近发布了一个可以读取图像中手写内容的API，这是四年前无法解决的问题。
市场也已经成熟。我们已经看到AI在专门的商业应用中的兴起，例如检测信用卡欺诈，在诉讼中识别吸烟枪文件，对商业合同进行分类以及调整供应链。AI以前需要花费专家团队数周或数月的工作，而AI现在只需几分钟或几秒钟即可完成。
突然之间，人工智能无处不在。这是我们已经理所当然的日常生活的一部分，例如解锁手机的面部识别或触发Siri和Alexa等数字助理的语音命令。无论是用户，业务领域还是行业，都有适合您的AI供应商。
但是，人工智能的商品化带来了一个新问题。当学者谈论AI时，他们通常指的是“深度学习”，这是一种由大数据构成的神经网络的高级形式。但是，在软件行业，“ AI”本身毫无意义是一个公开的秘密。
渴望从AI狂热中获利的营销人员已将该术语应用于从亚马逊风格的推荐系统（“如果您喜欢它，您也可能会喜欢它”）到基于规则的产品的所有内容，这些产品仅是if /的扩展系列然后是决策树，这是新手编码人员在上课的第一周学习的内容。
将深度学习与这种基本技术相关联，使AI购买者很难知道他们实际得到的东西以及该解决方案的实际作用。即使使用产品演示，消除营销噪音以了解幕后情况也可能会造成混乱。
由于市场变得更加精明，作为买家的您也应该精明。您需要勤奋，并且需要保持警惕。牢记这三个原则可以走很长一段路。
- 知道您想要什么：您需要AI做什么才能使您当前的软件无法做到？您正在寻找什么关键的业务成果？不要因为目标落后而投资于目标模糊的人工智能。专注于您想要的结果，然后回到实现目标的方式。在购买之前，请先确定要AI做什么：提出特定要求，并让供应商证明他们可以满足要求。在评估供应商之前定义成功标准，不仅可以公平竞争，还可以减少范围的蔓延，并为您的团队提供通用的选择框架。
- 信任，但要验证：一旦您决定要AI做些什么，就让供应商在您面前演示他们的产品。字面上就在您的面前。使用您自己的数据。目的是弄清他们的软件在多大程度上依赖于手动培训，而多少则取决于自动化。为此，请供应商立即分析您提供给他们的数据，这是看不见的。如果他们做不到，那不一定就是破坏交易。这并不意味着该产品不是“真正的AI”。但这是一个黄旗。至少，这表明AI将需要频繁调整。通常，AI可以在现场执行的任务越多，所需的维护工作就越少，并且灵活性就越高。
- 注意顾问： AI的重点是自动化，因此请注意有关咨询公司或专业服务团队的任何提及。一些AI框架需要开发人员启动并运行。但是许多所谓的AI实际上是基于规则的系统，需要不断关注。据我所知，有一家《财富》 500强公司花了100万美元购买了一个声称增加了AI的系统，然后不得不花10倍的钱在专业服务团队上构建该产品。如果系统需要大型顾问团队的定期更新，则强烈表明您没有以任何有意义的方式处理AI。
结论
如果您将某位AI经验不佳的人抓了回来，就会发现有人卖了一些商品，要么是将基本技术伪装成其他东西，要么是对科幻超级机器的不切实际的愿景。