我的主張與建議
我為什麼要寫這篇文章呢？目的是希望幫助台灣企業：
- 對如何應用AI技術有更完整的認識，不要被局限在機器學習技術上
AI的應用內容絶對包含了專家系統（及其後的規則管理系統及今日的決策管理系統），它是用電腦來處理已知決策知識的（已驗證有效）方法，處理的數據量不大，但效益極高（可參考Deloitte的調查報告）。
電腦處理未知的決策知識就要靠機器學習技術了，但前提是要有足夠優質的數據。近年來這一技術的應用範圍極廣，效益驚人，值得在台灣大力地推廣，這也是《人工智慧在台灣》一書極有參考價值的原因。
然而，機器學習技術不能以偏蓋全地排除其它技術的用。例如，企業近年來興起用流程管理(BPM)系統將ERP的使用方法做大翻轉，把需要人員主動的pull方式改成電腦主動的push方式，若再加上規則管理的自動化就可大量節省操作的人力需求。這樣做的第一個需求即是要重新確定（定義）企業內部使用ERP的流程，而必須由外部專家或內部高明的使用者們來進行。ML技術能分析這樣的使用習慣而找出最佳的流程與使用規則嗎？當然不行！
《人工智慧在台灣》書中提到「經理人必須具備的十個認知」，第一個是：沒有資料就不會有AI。真的沒有大數據(Big Data)就無法使用AI了嗎？這當然是錯的，除非你說AI就只能是ML技術。
《因果革命》書中指明了Mind over Data（思想勝過資料）的正確道理，值得深思。另外，《AI經濟的策略思維》第136頁的例子也極有趣：二次世界大戰中，英國嘗試分析派去轟炸德國而返航的飛機機身上的彈著點，希望強化這些轟炸機對德國防空炮火的抵禦能力。統計學家Abraham Wald指出：所有飛回來的飛機身上愈是沒有彈著點的地方，就愈是需要強化保護的地方。因為，都沒發現彈著的地方是最險點的，在那里被打到的飛機就飛不回來了。這是個小數據分析的案例，主要靠的是專家的知識來進行。機器學習技術在此沒有效用！
- 找對AI應用的方向
《人工智慧在台灣》第273頁中指出：發展人工智慧，要先找對方向。這當然是正確的主張。書中把應用AI的方向分為四種：互聯網AI、商業AI、感知AI，與自主AI。這個說法和我在李開復博士的《AI۰未來》2018年大陸版第131頁說的「AI的四波浪潮」一模一樣。
同樣地，兩位著者講的商業AI (Business AI)仍是指數據分析技術的應用內容，而不是專家系統或規則管理系統。
若依這個說法，那麼我們想要「先找對方向」就必然已經錯了，找不到最正確的方向了，因為由專家系統演化為規則管理系統，再到後來的決策管理系統的發展歷史，已經被著者給否定（或忽略）了。
企業經營在確立需求而尋找能供應的答案，不是拿著答案找問題。以ML技術來找尋可使力的點（以提升效益），不能說它不對，但還是有點solution in search of a problem的味道。若企業能先理清企業管理上的運作架構與需求內容，會更有助於AI的應用。這一方面，我認為歐美企業的理論架構與實務經驗更有助於台灣企業的AI應用。這是拿來主義，也是經濟學中「後發優勢規律」的依據，何樂不為？
- 找到最佳的起始點
企業使用ML技術將無法做出ERP使用流程(SOP)的自動化，已如前述。另一方面，大量企業經驗指出傳統使用的legacy systems（遺產系統）需要做再造工程(re-engineering)，如ERP系統。BPM與BRMS完全可以勝任這樣的挑戰，企業可以把運營層使用ERP的流程自動化，把OD（運營決策）儘量自動化，同時把ERP中的參數逐漸拔出來，改用規則來管理，這樣做可以免除ERP因應變動而做程式修改的壓力。這些都是實實在在的巨大效益，也可使企業內部的數據愈來愈正確及有序。因而，這才是目前台灣企業應用AI的最佳起始點，是英文中說的low hanging fruit（低垂的果實，喻為較容易實現的目標），中文常譯為「挑軟柿子吃」。
《人工智慧在台灣》書中說明的理想，要以AI為台灣企業找出新的著力點，我是完全贊同的。但把AI局限在機器學習上，認為「沒有大數據就沒有AI應用」，那企業要如何著手呢？只能先去清洗數據(data cleaning)了？這明顯不是好的起始點，且會嚴重誤導企業對AI應用的觀點。
《人工智慧在台灣》書中又指出：想要應用AI，必須先償還「科技債」，即以往e化要做正確與紮實，不足的地方要補修學分，這是對的，應用AI先把運營層的任務自動化就是比清洗數據更好的做法，這也是美國IBM公司大力推廣其ODM (Operational Decision Management)系統的原因。
Deloitte調查報告發現：早期應用AI的企業多以「自動化」為目標，後期才加重了「智能化」的開創，這是非常有道理的。
該調查中明白表示：『規則式及專家系統在90年代最後一波人工智慧商業化風潮中興起，直到今日仍廣受運用：49%的受訪者表示採用了這些技術。』
希望台灣企業能因而避免《人工智慧在台灣》在這一方面的誤導！
