近年来，营销界还没有幸免于AI的炒作，并且许多人开始怀疑机器学习和AI是否对那些经常发现自己对数据几乎一无所知的营销人员来说具有真实，实际的应用。为了回答这个问题，首先重要的是定义我们谈论AI时的意思，以及它必须具有动态性和实用性的必要先决条件。

在市场环境中谈论AI时，区分批处理学习非常重要，批处理学习是指在计算机程序中获取大量要消化的数据然后吐出旨在最大化某些结果的运算算法时发生的情况，以及动态或“在线”学习，操作算法可根据持续不断的实时数据流自我完善和调整。批量学习是第一代机器学习，已经存在了数十年。批处理学习最初与“ AI”一词相关联，因为编程非常复杂，无法从对人类监督而言过于复杂的模型中做出预测性结论和实现。

动态或在线学习模型建立在早期批量学习的基础上，但是增加了编程能力以适应实时，始终在线的移位变量流。

尽管现代动态AI非常擅长执行绩效营销活动的细化策略，但它仍然依赖于人工指导。拥有巨大资源的雄心勃勃的公司（例如Google）仍在努力开发AI，这些AI通过即时构建和传播新模型来有效适应消费者行为的实时变化。

现代营销人员可以使用的大多数版本的AI仍然无法自行做出高层决策。如果您突然受到启发，并且想要开始根据天气预报为雨具广告定位，则仍然需要手动获取该数据并将其插入您的营销平台。大多数可用的营销软件平台都没有编程或自主权来自行做出此类决策。

所发生的变化是，启用了AI的现代营销平台可以实时适应新数据集。一个具有AI功能的现代平台将研究此最新示例中的天气数据与销售数据的叠加方式，并开始跟踪趋势，建立消费者行为模型并相应地进行调整。较旧的批处理学习方法需要脱机，并馈入大量的现有数据集（必须是追溯性的）以生成模型，这些模型是静态的，并且在启动时就已过时。

这种转变的最终结果是使营销人员更容易使用支持AI的应用程序。自改进，动态的平台比以往任何时候都更便宜，更易于实现，而且它们承诺的效率和投资回报率是存在的，他们仍然需要人工指导才能将其指向正确的方向。现代的营销人员可能仍需要向供应商咨询以实施AI解决方案，但是营销人员不太可能需要拥有计算机科学博士学位。现代AI使整个价值链变得更便宜，更容易，并且最重要的是更加有效。

现代AI提供的效率更简单，更便宜，更易于使用，但它们还无法独自解决整个问题。Spotify可能相当不错，可以推荐您喜欢的音乐，但尚无法创作出您喜欢的音乐。这个承诺在将来仍然遥遥无期，但是随着计算机的自我完善，我们似乎每天都在朝着这个方向前进。