“轻视业务论”最常见的两种类型是算法工程师瞧不起业务部门的工作，或者是不懂业务部门的业务逻辑、商业逻辑，完全以技术视角来看待推荐系统，看待问题存在局限性。

举例说明：在资讯类APP中，当新冠肺炎资讯出现时，如果一个用户只喜欢看美女，跟医学相关的内容之前从来没有看过，所以当新冠肺炎内容出来的时候，根据语义模型，这个用户是看不到新冠肺炎内容的。而同时，这个用户的近邻群体的行为与此用户高度相似，这类群体对于医学相关的内容也看得很少，所以他们的行为里面也没有关于新冠肺炎的，那么新冠肺炎这篇文章根据语义和用户协同会推荐给此用户的概率就很低了。

而这个用户代表了一类群体，那么这个用户该怎样才能看到新冠肺炎的资讯呢？这样的推荐逻辑忽视了新内容、热点内容的推荐，需要再引入新的模型以解决问题。

从理论上讲，这种情况是完全存在的，但问题是此例中是非常极端的用户群体，这个用户群体可能在整体用户的比例中只占1%，也就是说我们还需要花大力气去解决1%的用户的问题，况且模型上线后还不知效果是否有之前的好，是不是能解决当前问题。简而言之，做事情不抓主要矛盾。

而推荐系统的本职工作是服务业务需求，解决业务需求中最重要的部分。如果脱离了主要的业务需求，只满足次要需求，那就是得不偿失，捡了芝麻丢了西瓜。其实从道理上看通俗易懂也很简单直白，生活中的常识亦可以运用在技术工作中。

综上所述，列举了“技术尖端论”“机器万能论”“轻视业务论”三个错误的观点，算法工程师在上线推荐系统时，选择模型和技术路线要以能否最合适、最精巧地满足业务目标为前提，因此算法工程师也需要具备一定的商业素养和商业敏感度，毕竟人才是推荐系统的灵魂。