儘管近年來，人工智慧（Artificial Intelligence，AI）已大幅擴展機器的能力範疇，但仍有許多任務無法超越人類。麻省理工學院（MIT）學者湯瑪斯．戴文波特（Thomas Davenport）實際採訪全球29個正導入AI的企業或機構組織，發現至少8種與公司營運管理，或專業判斷相關的任務，AI仍需要人類員工當主管引領或協助。（本文彙整摘錄自《智慧協作時代：一人即團隊的高生產力新商業模式》，作者：湯瑪斯．戴文波特、斯蒂芬．米勒，感電出版。）
1. AI的認知侷限：人類擅長脈絡理解
目前，無論是透過訓練資料或是數學演算法，AI都難以掌握廣泛的脈絡理解。這項根本限制在短期內仍難以突破。
2. AI系統誤報率高
Al 通常無法區分真實或重要的警報，與虛假或不太重要的警報，而操作監控人員和保全人員則可以做到這一點。
以新加坡樟宜機場（Changi Airport）的星耀樟宜商場為例，當電腦系統、感應器與AI聲音和影像分析系統偵測到問題時，仍需要人類來判斷警報的真實性與優先順序。
星展銀行（DBS Bank）的交易監控也有類似情況：AI系統常會對可疑交易發出誤報，即使有其他AI系統協助篩選，最終還是需要人類人員進行調查。
3. AI診斷輔助：醫療決策仍需人為把關
以好醫生科技與皮膚科醫生的醫療平台Miiskin的案例來看，雖然AI能協助初步診斷，提供相關影像資訊，但監管機構與審慎的組織，仍堅持由臨床醫師做出最終診斷與治療決策。
同樣地，在史丹佛醫療中心的藥局案例裡，電腦系統和機器人技術可以包好藥物，送到患者床邊，但在送出之前需要人類藥劑師檢查藥物是否正確。
4. AI可整理資料，人類擅長複雜法律解讀
在奧斯勒律師事務所（Osler, Hoskin, and Harcourt LLP）的案例中，即便AI能完整彙整法律文件內容，但向客戶解釋複雜法條的含義，仍需要人類律師的專業判斷與說明。該事務所團隊指出， 「我們仍舊需要人類律師對客戶說明，AI系統在合約和其他文件理發現的内容。」
AI現在雖然能完整彙整事實與數據，但仍無法用有脈絡的方式串聯說明複雜法令，這是人類的強項。
5. AI自動化模型的侷限：仍需要人類培訓
以數據分析公司84.51°的經驗顯示，雖然AI能自動生成機器學習模型，但無法主動提出問題、尋找解決方案，或理解模型產出的意義。在84.51°工作的資料科學家，還要花很多時間訓練，輔導和審查一些資淺的業餘人員，利用自動化機器學習功能所做的工作。因此，大多數資料科學家的工作，應該還可以安全一陣子。
6. AI無法取代跨部門溝通與談判
以蝦皮（Shopee）產品管理的案例來看，產品管理涉及複雜的跨組織協調，需要大量溝通、談判與決策技巧，這些都是目前AI難以勝任的領域。
產品管理往往涉及複雜的多方協調，這是企業裡結構化程度最低的工作之一。現在還沒有任何AI系統可以擔任這樣的角色，而且不太可能很快就能開發出這種功能。
7. AI難以建立真實人際關係
無論是摩根士丹利的客戶服務，或是阿肯色州立大學使用Gravyty系統進行募款，都顯示建立真實的人際關係仍是人類的專長。
AI有助於我們服務客戶，包括摩根士丹利（Morgan Stanley）的下一個最佳行動做法，以及阿肯色州立大學（Arkansas State University）利用 Gravyty 籌款，但我們仍需要人類銷售人員審查服務內容，確保服務符合我們想得到的關係，並在服務內容裡增加個人化的訊息。
到目前為止，真正擅長和人類建立關係的電腦系統，只出現在好萊塢，例如電影《雲端情人》（Her）或《人造意識》（Ex Machina）。
8. AI無法提升團隊士氣或工作滿意度
雷帝斯金融集團（Radius Financial Group）的案例顯示，即使大量使用AI和數據分析，員工的工作滿意度仍取決於人性化的管理方式與同事互動。
總而言之，《智慧協作時代：一人即團隊的高生產力新商業模式》（Working with AI: Real Stories of Human-Machine Collaboration）書中的研究指出，AI確實提升了工作效率，但在需要理解、溝通、判斷與人情味的領域，人類仍是無可取代的。與其擔心被AI取代，不如思考如何善用AI，讓它成為得力助手，把時間投注在更具價值的任務上。
