Kunstig intelligens er i modsætning til traditionel software i et meget vigtigt aspekt: Det skal lære, hvordan man gør sit job.
Dette giver en vigtig fordel for produktets livscyklus, idet systemet i stedet for at skulle vente til kodningsguider manuelt opgraderer deres kreationer en gang om året (eller endda mindre hyppigt), kan selve systemet tilføje nye værktøjer, oprette nye funktioner og ellers ændre sig til bedre opfylder brugerkrav. Ulempen er naturligvis, at få AI-programmer vil yde top-flight-ydelser lige uden for kassen; kun gennem kontinuerlig brug vil de forstå, hvad der forventes af dem, og hvordan man bedst kan nå deres mål.
En nøglefaktor i denne udvikling er de data, som AI-drevne systemer udsættes for. Gode data, korrekt konditioneret og placeret i den rigtige kontekst, giver tjenester mulighed for at tage informerede beslutninger og træffe passende handlinger, mens dårlige data vil føre til dårlige resultater og konstant formindske ydeevne.
