Sztuczna inteligencja różni się od tradycyjnego oprogramowania pod jednym bardzo ważnym aspektem: musi nauczyć się wykonywać swoje zadania.
Zapewnia to kluczową korzyść dla cykli życia produktu, ponieważ zamiast czekać na kreatorów kodowania, aby ręcznie aktualizowali swoje kreacje raz w roku (lub nawet rzadziej), sam system może dodawać nowe narzędzia, tworzyć nowe funkcje i w inny sposób zmieniać się na lepiej spełniają wymagania użytkowników. Wadą jest oczywiście to, że kilka programów AI zapewnia najwyższą wydajność od razu po wyjęciu z pudełka; tylko dzięki ciągłemu użytkowaniu zrozumieją, czego się od nich oczekuje i jak najlepiej osiągnąć swoje cele.
Kluczowym czynnikiem tej ewolucji są dane, na które narażone są systemy oparte na sztucznej inteligencji. Dobre dane, odpowiednio uwarunkowane i umieszczone we właściwym kontekście, umożliwią usługom podejmowanie świadomych decyzji i podejmowanie odpowiednich działań, a złe dane doprowadzą do słabych wyników i stałego spadku wydajności.
