在亞馬遜SaaS生態系統中，幾乎每個工具都聲稱使用了人工智能：列表優化器、廣告平台、分析儀表盤、評論管理器……“AI”這個詞出現在每一個登錄頁面上，原因很簡單：它有助於轉化。然而，幾乎沒有任何工具真正做到了他們聲稱的事。這並非惡意指控，而是一個已經蔓延成行業性混亂的詞彙問題。
作者是一位統計學博士，研究方向是機器學習。他並不批評這些工具使用的具體技術——以下描述的三個層級都可以產出優秀的產品。他批評的是，許多工具用與其實際運作不符的語言來描述自己。
關鍵詞是“我們的AI在亞馬遜數據上訓練過”或“我們的模型會隨着時間學習你的業務”。在技術誠實的使用中，“訓練”意味着SaaS公司在自己的數據集上對基礎模型（如Llama或Mistral）進行了額外的訓練，改變了模型的權重。這昂貴、需要真正專業知識，且在中端市場中罕見。但在營銷用語中，“訓練”通常指以下之一：編寫描述亞馬遜的系統提示（基礎模型未修改）、構建檢索系統在查詢時獲取歷史數據（即RAG），或擁有用户反饋機制以影響未來提示。這些都不是技術意義上的訓練。真正的訓練產生持久的改進，而基於提示的系統則不然。如果競爭對手明天寫一個稍好的提示，他們就能立即匹敵“在亞馬遜數據上訓練”的工具。
這種詞彙問題給買家帶來三個實際問題：無法比較產品、無法預測工具在演示之外的行為、無法評估持久性。一個圍繞LLM API的包裝器沒有防禦性，任何人都可以構建。如果工具的整個價值是“我們對GPT進行了提示工程以談論亞馬遜”，那麼這個價值是脆弱的。
誠實的版本應該是：“我們使用大型語言模型（特別是Claude和GPT）來回答有關您亞馬遜業務的問題。我們不訓練這些模型。我們建立了一個精心設計的提示系統和檢索層，將相關數據拉入每個查詢。模型的能力取決於其基礎架構，我們通過改進問題結構和發送的上下文來提高結果。”這雖然平淡，但真實。而營銷版本“我們的專有AI在數十億亞馬遜數據點上訓練，提供無與倫比的見解”雖然賣得更好，但導致買家信任的緩慢消亡。
作者認為，AI一詞在SaaS營銷中已變得毫無用處。幾乎沒有任何中小型SaaS訓練自己的基礎模型，這沒問題。三個層級對買家很重要：規則系統、真正的機器學習和LLM API包裝器是具有不同特性、故障模式和長期防禦性的不同產品。買家應該知道他們得到的是哪一個。
對於評估亞馬遜SaaS的買家，有用的問題是：智能是基於規則、機器學習還是LLM？工具是自己訓練模型還是調用API？工具出錯時會發生什麼？對於構建者，有用的問題是：你實際在做什麼？能否準確描述？提示工程加RAG是誠實的勞動，就按它來賣。如果有真正的機器學習，就賣那個。如果有規則引擎，就賣規則。所有這些都可以是有價值的產品，但借別人的詞彙來推銷對誰都沒好處。