编者按：红点创投的知名投资人TOMASZ TUNGUZ日前撰文，认为机器学习并非产品的一切，人们应该更加重视工作流。他认为，企业AI的推出有三个关键阶段：数据、算法和工作流，atv，而这三个阶段中工作流是最难的。

　　在今年年初的SaaStr（专为SaaS企业创始人和CEO打造的社交平台）会议上，我谈到在SaaS（软件即服务）中机器学习的巨大潜力。在那次谈话中，我否定了一些可能对软件公司有用的ML（机器学习）进展。在随后的讨论中，我强调不允许技术混淆软件价值命题的重要性。诚然，ML是一项巨大的进步，但这是不够的。事实上，atv，它可能不是颠覆性产品创造中最具挑战性的部分。

　　工作流

　　在最近的一次采访中，Salesforce的首席科学家Richard Socher谈到了工作流的重要性。

　　企业AI的推出有三个关键阶段：数据、算法和工作流……你必须非常小心考虑如何用你的AI的特点授权给用户和客户。这是非常复杂但非常具体的。销售流程的工作流整合与自驾车汽车区别很大。

　　这三个阶段中工作流是最难的。只有通过处理好工作流，用户才会给你时间和权限用机器学习说服他们。

　　设计适合用户工作流的软件是困难的。好的软件的标志是更好的工作流。实现它需要学习、研究和提炼用户的工作方式。一些企业创始人写软件解决自己的问题，并从经验中了解现有的工作流。其他的创始人在写代码前访问了数百位潜在用户和客户。较小的团体有很棒的直觉。设计师和用户的工作流软件有许多方法。

　　ML可以在很多其他实例中，通过减少数据录入时间（RelateIQ）、提高效率（Infer），提供新思路来（Chorus）增强工作流。

　　但挑战总是一样的。软件如何将当前的工作流改进得使用户愿意停用他们目前的工作流来学习一个新的工作流呢？产品的价值定位必须压倒用户保持同样的工作方式的惯性。

　　机器学习使创业者能够为他们的产品注入一种新的魔力。在每一个伟大的产品中都会有一点魔法一样的东西，但工作流会让用户回归现实。

　　翻译来自：虫洞翻翻译者ID：看见一片海