מתודלוגיות מבוססות AI Machine Learning

Machine learning
Machine learning הוא תת תחום של בינה מלכותית ((AI.  המושג מתייחס ליכולת של מחשבים לטפל במסדי נתונים גדולים (big data) כדי לזהות קשרים בין המשתנים ולהגיע לתובנות מדויקות ולהמלצות רלוונטיות. 
בינה מלאכותית עובדת בצורה דומה לבינה האנושית שבה אנשים מתייחסים למצבים מסוימים ולומדים מהן (למשל בעל עסק קטן שמפרסם בערוץ מסוים  וכתוצאה מכך יש עליה במכירות, בעקבות זאת ה"למידה" האנושית שלו מגיעה למסקנה שמדובר על ערוץ שכדאי להרבות להשתמש בו). ההבדל המהותי בין בינה אנושית לבינה מלאכותית היא המגבלה של הבינה האנושית לעבד כמויות גדולות של מידע בעוד שלבינה המלאכותית לא רק שאין בעיה כזו, אלא היא מגיעה לביצועים טובים יותר כאשר כמות הנתונים היא גבוהה, וגם שבינה המלאכותית, בניגוד לבינה האנושית, אינה מערבת רגש (ויש שיטענו שזו המגבלה שלה ואחרים יטענו שזה היתרון האולטימטיבי שלה) . 
machine learning מבוססת על ניתוחים סטטיסטיים מורכבים שמזהים קשרים בין משתנים ומתוך קשרים אלה המערכת מייצרת אלגוריתמים שמכוונים לתוצאות הרצויות (כמו איזה ערוץ פרסום יהיה יותר אפקטיבי בהעלאת מכירות העסק, או מה יגרום ללקוח לנטוש).
מכון רותם ar מרבה להשתמש במודלים מבוססי Machine Learning כמו טכניקות פילוח מורכבות ושיוך ("צביעה") לקוחות של החברה לפלחים המזוהים מתוך מסדי הנתונים של החברה. 
השימוש במסדי נתונים כדי לשייך את כל אחד מלקוחות החברה לפלחים המזוהים, למעשה נותן מענה לטענה המתסכלת של אנשים שיווק רבים שמקבלים תוצאות של מחקר פילוח ולא ממש יודעים כיצד לאתר את השייכים לפלחים. 
שימוש נפוץ נוסף שלנו ב-machine learning הוא במודלים למניעת נטישת לקוחות באמצעותה ניתן לחזות ולאתר לקוחות מתנדנדים בחברות שיש בהם לקוחות קבועים כמו בנקים, חברות ביטוח, סלולר ועוד, להתריע ולפעול כדי למנוע את הנטישה הצפויה.