我看完了《人工智慧在台灣》這本書，一方面感到讚賞，書中言之有物，在AI的大數據分析應用上講的很透徹，對台灣企業碰到的問題描述也頗具啟發性。同時，我也可以感受到著者想為台灣企業找出升級突破口的熱忱與努力，令人欽佩。但另一方面我也感到十分驚訝，幾乎不願相信，為什麼這樣高水準的書中會有如此重大的失誤？著者對整個AI技術的描述全是機器學習(Machine Learning, ML)技術，即大數據分析的應用，也因而造成了不少錯誤的觀點。
簡單講，書名若改成《機器學習在台灣》會更準確地表達書中內容的意義與作用，因為著者幾乎把ML當成AI的同義詞，而完全排除了專家系統（及其後規則管理系統）的應用，同時也沒有如企業界最新AI應用實務上強調「決策管理」的重要觀念。
管理學中很早就有“管理就是做決策”的主張，當然企業實務上還是多把管理分成了「決策」與「執行（交易處理） 」 兩大部份。這樣的區分有助於我們釐清IT應用上的內容與趨勢。
例如，早期IT的應用多著重在交易處理上，也取得了巨大的效益，其中最顯著的就是ERP（企業資源管理）系統的應用了。但ERP不直接處理決策的問題（或只處理一小部份，如MRP展開功能），而是用產生的資訊提供給管理者做決策的參考，這功能被稱為決策支援(decision support)，但卻不是直接做決策(decision making)。
80年代興起的專家系統(Expert System)則是針對人們決策的需求來求解的，故是決策系統。ERP的應用與專家系統之間沒有直接的關係，故書中第73頁指稱ERP興起使專家系統逐漸失去魅力是錯的。
IT技術的飛速發展及各領域內科研（如演算法） 的突破，造成了現今AI應用的興盛，其應用很大一部份是針對決策而來的。《AI經濟的策略思維》書中就直接了當地宣稱：AI技術就是個預測機器(prediction machine)。而，預測正是決策的核心要素。預測之後加上判斷，就是做出決策了。 我由決策需求的角度出發，檢視了實務界IT應用發展的歷程，得到下列的結果。
