當大數據帶來的新技術變革浪潮席捲全球時，人工智能和機器學習這兩個術語就開始頻繁出現。人工智能和機器學習已經被很多企業譽為新一代的殺手級工具，因為他們會給企業提供一些新穎、有價值的東西，但當企業遇到不可預見且創新的一次性事件時，人工智能和機器學習便缺乏舉一反三的能力。儘管人工智能在很多企業中開始被普遍使用，目前仍有待加強。我認為有社會責任感的商業決策者更有義務去探索人類在AI中的潛在優勢，以下方面值得探討商榷：
數據集品質參差不齊
首先，先科普一下：「自動化是指機器設備、系統在沒有人或較少人的直接參與下，按照人的要求，經過自動檢測、資訊處理、分析判斷、操縱控制，實現預期的目標的過程。」迄今為止，大多數成功的人工智能項目都是依賴大型數據集的機器學習系統。鑑於互聯網時代下各種數據集魚龍混雜，品質參差不齊，構建一個全新人工智能解決方案或產品時，最難的部分不是人工智能本身或演算法，而是數據收集和標注──用於投入訓練人工智能系統的數據，必須具有可信性、不偏不倚，這一點很重要。然而，數據的品質卻因為大數據多源異構的本質而難以保障，數據是支援和推動企業高層決策的基礎，但現階段這一步還遠遠未符期望。
其次，所謂「100%自動化」的概念也是一種謬論。這種100%自動化願景在場景成熟且數據高度穩定的情況下，才可能是有意義的，惟事實上，當由人來完成的工作被換成數據驅動的自動化模式後，很容易缺乏「可被解釋性」。儘管基於人工智能研發出的演算法進步神速，那些需要人的意識與直覺參與其中的決策工作，至今仍不可能完全自動化。
人工智能和機器學習工具絕不可能代替專業買手的採購能力。專業買手總可以採購到最創新、性價比最高的產品，在專業零食買手推薦我吃白松露厚薯片之前，我從沒想過薯片還可以有這種口味，還可以這麼美味！我甚至認為，自動化的趨勢有可能把人類變得更加沒趣，人類也可能因此變得更沒有獨立思考和探索創新的能力。
再者，為了實現人工智能和人類意願之間的最佳平衡，企業需要設計及組織新的工作流程，並且重新思考員工和機器之間的任務分工。既然複雜、多工種的勞動力市場不可能做到100%自動化，那麼這些工作安排上的調整，勢必深刻改變許多工作方式，甚至在某些情況下會產生「質的變化」。面對人工智能大趨勢，我們可以做些什麼？我曾經與朋友開玩笑：未來我們的智商可能僅有一部機器之差！