在大部分單一指揮鏈（Chain of command）的企業決策架構中，人工智慧（AI）並不容易找到適當的位置；AI也不同於作為輔助判斷的商業智慧工具BI（Business Intelligence），而是產出判斷本身。
清華大學跨領域研究團隊日前發表能夠預測離婚監護權的AI系統，使用者只需在網站上用文字輸入雙方的有利及不利條件，這個AI預測系統就能根據過往判例，來判斷小孩監護權較可能判予父母親的哪一方。
研究團隊指出，這個以自然語言分析和類神經網絡為架構的AI系統，預測的準確率接近90%。但值得注意的是，「準確率」不代表「正確率」，因為這個AI系統是藉助過往資料，中性地預測法官綜合判斷的行為，而不是真正作出價值判斷，決定孩子的監護權「應該」判給誰。
比起電影中經常被描繪成具擬人格行為的AI，這個單純針對「人的判斷」做判斷的AI，或許更接近企業實際應用的場景。但是，大部分公司從BI商業智慧融入AI應用，仍有一些困難待克服。
AI敢下決定，但你敢讓AI作決定嗎？
目前企業內較常見的BI，著重於前端資料的彙整、分析、視覺化。簡單來說，BI擅長從過往資料告訴你一些整理過的現況，它會告訴你現在有什麼，例如「今年七月本旅館住房率為85%，較去年同期上升5%」，但不會告訴你該怎麼做。
與BI相反，AI的學習和決策判斷過程經常是不透明的。它會通過一系列對決策者來說是黑箱（Black Box）的處理程序及演算過程，只提供你最終判斷及行動建議，例如「下個月本旅館的來客數將下滑3.5%」，而這背後的運算，納入了過往住房資料、氣象預測、社群語料數據分析、當地其他旅館的狀況等使用者不完全理解的綜合要素。
然而AI的不透明感帶給人的憂慮，其實不是重點──想想1966年手持電子計算機剛在美國的德州儀器（Texas Instruments）問世時，許多公司的帳務員仍寧願再用紙筆計算一次，而時至今日大家也不一定徹底知道電子計算機的原理──卻願意直接相信計算結果。由此能明白對企業而言，充分理解一項技術，並非使用它的必要條件。
但另一方面，在Gartner今年九月根據上百家企業的調查中，也發現有超過49%企業的資訊長計畫在兩年內導入AI，其中42%卻認為「無法量化評估AI導入的效益，以及不確定該在哪個工作環節派上用場」。這是由於AI不同於作為輔助判斷/決策的BI工具，而是產出判斷/決策本身，因此在大部分單一指揮鏈（Chain of command）的企業決策架構中，AI並不容易找到適當的嵌入位置。
例如，在澳大利亞的聯邦法條文中，就有針對公司商業決策的明確規則，使得經理人單靠AI做出的判斷進行決策成為違例的行為。
但在組織無法更易的情形下，不妨如此考慮：AI未必需要取代BI的功能，而是提供另一個平行選項，讓決策者交互參考BI的數據彙整以及AI的判斷決策（實際上這個「判斷」也只是資料來源之一）。
不過，在未來企業的組織場景中，AI將會越來越像一名貨真價值的人類員工。它可能犯錯，需要更新知識（機器學習），具有自我進化的能力（類神經網路），也因此，未來的企業內AI，擔任的將是某個職位的行動者，具備相對應的權責。而正如企業需要承受員工可能犯錯一樣 ──企業也將試著接受AI可能產生的錯誤判斷與決策。
即使它許多時候可能比人類更「聰明」一些。
