為什麼世界上許多政府部門都感到人工智能難以入手？政府面臨着大規模人工智能普及的重大挑戰，與大型企業有着不少共通點，但也有與主流觀點相反的地方。
先說大數據作為人工智能的原材料，IBM在2017年的報告中指出，世界上90%的數據是在過去兩年內創造出來，當中包括近年才大量產生的非結構性數據（例如：聲音、影像、位置）。但問題是無論公共的還是私人機構，都沒有處理和利用這種大規模數據的經驗，大多數組織對他們的內部數據能力，如數據資源、儲存方式、處理數據的基礎設施都沒基本評估，更缺少戰略方向。主要障礙是人才與創新期望不配合，至今僅有很少的亞洲城市及大型企業設有Chief Data Officer（CDO）職位，更不用說推動高效地訪問和利用數據的工具及人才資源。
政府都在說重視吸引外部高質素的大數據及人工智能領域的專家，但大部分政府的招聘預算都難以吸引高手加盟，這是政府面臨的第一個挑戰。
此外，人工智能的企業服務市場很分散，德勤加拿大在2019年進行的一項研究，列出了800多家人工智能公司，其中大多數的僱員不到50人，超過50%是成立不足5年。在小型的、較新的小型企業往往與政府合作經驗有限，政府需要找到方法讓他們參與進來，既利用他們的技術又要促進產業的發展，這是政府面臨的第二個挑戰。
眾所周知，公共採購機制是緩慢而複雜的。常見的障礙包括繁複的條款和條件，從投標到最終決定都需要經過漫長等待，這些因素也令政府外判人工智能項目做成極大的困難，漫長的等待使得小型企業很難在資源配備作出承諾。
另外，政府機構面臨着一個額外的複雜性，職能間的隔離使得在多個部門間的項目外判時協調困難大增。當然所有組織在採用新技術方面都面臨挑戰，然而，公共部門的靈活度往往不如其私營部門，它們的實踐時往往循規蹈矩。在私營部門中，企業文化鼓勵員工創新，並獎勵積極的表現。而在政府中，較少鼓勵員工承擔風險。這種根深柢固的問題，不是一時三刻能改變，但「夢想一定要有，萬一實現了呢」！