1. 麥肯錫的預測
   許多學者探討DMS內容時，使用的另一個名詞是「知識自動化 (KA：Knowledge Automation)」。例如，著名的專家Alan N. Fish在他2012年出版的書《Knowledge Automation __How to Implement Decision Management in Business Processes》中即講述了KA的目的在做決策管理，而決策服務（電腦系統）中的知識則主要來自規則。
   
   2013年5月，麥肯錫全球研究所發佈了《顛覆技術：即將變革生活、商業和全球經濟的進展》的報告，預測了12項可能在2025年之前決定未來經濟的顛覆性技術，其中代表「知識工作自動化」的智能軟體系統位居第二，列於「移動互聯網」之後，「物聯網和雲計算」之前。這一分析預測使得「知識自動化」一時風行於整個世界，引發大量熱議與探討。
   
   麥肯錫的預測可佐證我們前面所說「ES→BRMS→DMS=KA應用」的演進歷程，它也證明了規則管理的重要性，而規則不是（也不必）如同《人工智慧在台灣》書中所說要全部由機器學習得來。
   　
2. Deloitte的調查
   2018年勤業眾信公司出版的《2017Deloitte人工智慧現況調查》對AI發展的現況與未來給出了專家觀點。這份調查統計了美國「對AI有認識且在企業內部實際應用」的250位高階主管的看法與應用AI的狀況，得到了許多具有高度啟發性的觀點。
   
   Deloitte把AI技術與認知技術(cognitive technology)當成同義詞，包括了電腦視覺、機器學習、自然語言處理/生成、語音辨識、規則式系統，與實體機器人。
   
   雖然AI技術仍在初期應用階段，但實際應用AI的受訪者表示他們的企業已因應用AI而獲得相當程度(53%)或重大(30%)的效益。隨著AI應用的頻率增加，效益也隨之提高。
   
   約半數的企業都採用了規則式或專家系統。初期應用AI的企業著重進行自動化，而應用更成熟的企業則著重在創新。由上述報告的發現可知：《人工智慧在台灣》宣稱1990年後專家系統開始離開產業是錯誤的。
   　
3. 美國對中國的出口管制產品
   2018年底美國商務部公佈的對中國出口管制建議名單中，總計有14類技術的產品，其中第二類是AI和機器學習技術，其下列舉的內容包括深度學習、電腦視覺、專家系統（及決策支援系統）、語音處理、自然言處理….等技術。
   
   如果專家系統（及決策支援系統）真如《人工智慧在台灣》所說的已經失敗了，遠離產業了，美國為不麼不賣給中國？向中國企業收些鈔票，又可「害」他們退步，不是正合美國政府的心意嗎？
   　
4. 人工智慧發展的面向
   《人工智慧在台灣》談到了AI的發展方向。書中第147頁的重點國際會議表列中，第3項是 Expert Systems with Application，第9項是Knowledge-based Systems。這就佐証我在上述的論點：現今AI發展中當然包括了專家系統與規則管理系統。

《前往下載區取得文章》