2011年，云购全球，在《华尔街日报》的一篇文章中，大数据分析，马克·安德森宣称软件正在吞噬世界。他认为，包括先进微处理器和高速连接在内的一系列技术创新将彻底改变传统业务，每个公司都应该成为一家软件公司。许多权威人士随后认为，即使是传统企业也需要重新思考其商业模式。安德烈森甚至说，由于亚马逊等公司的可扩展性，整个垂直零售业最终将消亡。简言之，如果你不考虑你将如何破坏你的行业，网站服务器租用，你可以打赌你的竞争对手已经在这么做了。如果每个公司都需要把自己改造成一个软件公司，那么什么能让他们从竞争对手中脱颖而出呢？
我的观点是，嵌入到软件系统中的机器学习是下一代破坏性软件系统的关键。SAP和其他所有大型软件公司都在向核心产品和服务投入大量的机器学习。软件公司面临的挑战是实质性的，你如何设计、测试和更新软件的整个方法都将改变。
传统方法
设计软件的传统方法侧重于人类设计使用规则和布尔逻辑来解决问题的系统。
使用这种传统方法，一个质量保证（QA）过程不断发展，它对软件进行测试，以确保软件按设计的方式工作。软件开发组织知道如何设计质量测试以确保软件满足业务和技术需求。随着我们进入简单人工智能时代，设计和测试软件的方法将需要改变。
下一代方法
向前发展，由人类组成的开发团队将消失，软件将由机器学习算法设计和编码。算法将使用基于数据的示例，网络云服务器，并编写解决方案，而不是人类想出解决问题的方法。
虽然我们认为这是不可避免的，但如何测试和发布通过机器学习构建的软件是一个挑战。通过机器学习设计和创建的软件本质上是概率的，而不是布尔的。我们将遇到的主要挑战之一是如何一致地测试系统，而这些系统的核心是概率的？
在旧世界，识别系统的哪一部分工作不正常相对容易。在新的世界里，大数据开发，我们代码的概率特性将使安全和风险缓解成为一个重大挑战。如果这是一个挑战，为什么还要尝试呢？
答案是速度。随着决策周期的显著缩短，我们将需要一种基于自动化的完全不同的软件开发方法。随着释放量的增加，从数年到数小时或数分钟的周期将带来风险。机器学习肯定会引入错误，但无论是人类还是算法，总是不可避免地存在一定数量的随机性，这确保了我们永远不会把每件事都做好。
简而言之，不采用这种下一代方法的风险在于，你的竞争对手会这样做，并且会把你打乱，让你被遗忘。
