成为现代技术领导者面临的众多挑战之一是在采购新硬件或软件时将营销炒作与现实分开。 产品营销往往倾向于夸张，关注积极而非消极。 对于技术产品，还存在需要专门理解的复杂技术元素。
将大多数产品营销的历史过度换气与热门技术混合在一起，您将被迫沉迷于承诺、流行语和声明的密集墙中，以确定产品是否适合您的组织。 在人工智能时代尤其如此，从供应链软件到办公家具，似乎所有东西都声称嵌入了人工智能的某些元素。 人们几乎可以想象一位深夜电视广告主持人大喊他推销的产品：“现在机器学习功能增加了 30%！”
评估包含人工智能的产品时存在的问题是，人工智能的定义可能存在很大差异。 如果您的定义假设学习算法可以对新数据进行智能分类，并且您的供应商认为人工智能仅包含一些奇特的计算，那么您会感到失望。 当您的供应商告诉您他们的产品中包含人工智能元素时，为了明确他们的意思，这里有三个简单的问题可以帮助区分炒作与现实。
AI模型如何学习？
大多数真正的人工智能技术的一个基本要素是，它们根据收到的数据进行改进，或者包含测试未来潜在结果并根据这些结果加强计算的技术。 玩游戏的人工智能是这项技术的一个典型例子，人工智能可以模拟玩游戏的数千次迭代，并根据每个游戏的结果提高其性能。
向您的供应商询问有关人工智能如何学习和改进的一些细节。 它使用什么数据？ 它会模拟潜在的场景并用它来学习吗？ 它可以运行多少次模拟？ 当你问这些类型的问题时，你可能很快就会发现，供应商所吹捧的“人工智能驱动的学习”实际上只是在你现有的数据集上运行一些基本的计算，而不是真正根据学习能力调整其算法。
AI是如何监控和调整的？
实际的人工智能系统会根据收到的输入以及运行不同模拟来测试潜在结果的能力的某种组合来调整预测。 因此，人工智能需要受到监控，并可能需要重新训练或需要额外的输入数据。
询问您的供应商如何监控和调整人工智能，将表明他们的产品是否确实包含一定程度的智能，而不是一些奇特的标准算法。 假设您的供应商声称不需要监控或调整。 在这种情况下，您可以放心地假设人工智能是一种夸张的营销手段，而不是正在考虑的产品中嵌入的有益技术。
你们是否共享客户数据来训练人工智能？
要问供应商的另一个关键问题实际上涵盖两个基本主题。 首先，值得了解您的数据是否与其他客户的数据混合以训练产品中的人工智能。 这可能有好处，也可能没有好处。 例如，如果您正在考虑供应链管理解决方案，允许您的数据通知人工智能以换取其他公司数据的好处可能是一项值得的交易，因为更广泛的数据集应该使产品更有效。 相反，如果您正在处理独特且高度具体的数据，那么人工智能受到其他数据的影响可能会成为一个障碍。
这个问题还应该促使您的供应商解释客户数据如何通知和改进人工智能。 假设他们没有这个问题的答案，或者提到没有客户数据实际上影响人工智能的预测能力。 在这种情况下，这可能表明相关产品实际上并不包含任何适当的人工智能技术。
人们很容易将“AI Inside”吹捧为技术工具的优势。 然而，人工智能的不精确定义让技术领导者的工作变得困难。 在您选择技术时，使用这些问题来确定人工智能对您的技术的支持程度可能是一个重要的区别因素。
