購買還是自己開發？數據從何而來？人工智能和機器學習應用的潛在客戶需要問以下五個問題。

　　人工智能等新興技術面臨兩大挑戰：不要讓營銷承諾大于實際成果交付；并為客戶闡明如何將新的、先進的功能整合到企業領域。分析師在最近的一次行業會議上談到了這兩個問題，并為集成商提供了一些關于如何開始購買和構建人工智能解決方案的建議。

　　人工智能是每家企業的未來，也是每家企業都將以某種形式使用的基礎技術，到 2025 年，近 100% 的企業將擁有人工智能，并指出一些企業將自己開發人工智能，而另一些企業將購買包含人工智能的下一代應用程序。根據研究到 2025 年，許多企業將兩者兼而有之，從而導致 370 億美元的人工智能市場。

　　機器學習是人工智能應用中最熱門的方法。雖然購買人工智能應用程序與購買常規應用程序類似，但過程并不完全相同。當有一個熱門話題（如人工智能）時，企業希望參與其中，并指有時可能會夸大事實。為了消除一些不透明的營銷，鼓勵解決方案集成商向人工智能供應商提出以下問題：

　　商業價值是什么？

　　這一問題聽起來可能非常明顯，當技術買家開始迷戀于一項技術時，這個核心問題被忽視的頻率令人驚訝。公司需要辨別他們將如何使用機器學習來做出更好的決策。他們會使用預測分析來確定誰可能發動網絡攻擊，或者哪些客戶可能會流失？它將在哪些方面節省時間或使流程自動化以擴大規模？評估AI應用程序的方法與評估任何其他軟件的方法相同。

　　人工智能技術有多成熟？

　　雖然絕大多數人都在使用機器學習模型，但值得調查所使用數據的來源。開發人員是使用自己的數據、外部數據還是某種組合？挖掘并詢問數據來自哪里，詢問正在使用哪些算法，因為算法會分析數據以創建模型。這些問題將有助于揭示技術的成熟程度，以及他們是否真的在進行機器學習。

　　用什么數據來訓練 AI 模型？

　　把這看作是上一問題的延續。請務必明確軟件供應商用于創建 AI 模型的數據是您的數據還是供應商自己客戶的數據。它是開源的還是專有的？這里沒有正確或錯誤的答案，最終重要的是客戶對AI應用的要求。看看用例需要什么數據，它是如何連接的，以及數據從哪里來，這很重要。這些答案會因應用而異，即使在同一組織中使用也是如此。

　　如何監測 AI 模型？

　　從數據分析中產生的人工智能模型不是靜態的。人工智能軟件模型是根據歷史數據和未來可能發生的情況進行訓練的。但模型并不完美，必須進行監測，因為它們會隨著時間的推移而衰減。