＃6：ROI可能难以量化。GAAP和IFRS依靠对实物资产进行评估的可靠方法；但是，无形资产却并非如此。尽管组织开始看到算法IP的价值，但算法本身的价值可能不如人们想像的那样。为了传递价值，必须以一种特定于其使用的方式来训练算法，并且馈入该算法的数据将确定该算法是否更准确。
我们很难区分出数据中的值与结果中的算法之间的界限。很难在一个盒子周围画出价值，因为难题的每一部分都具有价值。结果具有内在的价值，并且可以量化。无法量化的是达到那个结果所需要的。
大多数人尚未意识到要使机器学习有效，人们仍然需要注释数据，这是非常手工的工作。尽管声称AI和原始数据是获得神奇成果的全部，但仍然需要良好的旧数据工程。使用和注释并将数据馈送到算法中是困难的部分。您必须了解这些数据的范围，否则数学无关紧要。我们在AI上使用纯数学进行了模拟，这很酷，但这并没有影响业务。现在，我们正处于将业务与数学结合在一起的时代，这确实很重要，但从技能的角度来看非常困难。
＃7：新兴技术可能不仅仅只是“另一种技术”。人工智能通常被认为是另一种技术，因为新技术总是风靡一时。但是，自学习系统不同于确定性编程的系统。无法识别从确定性系统到概率系统的转变是当今风险模型的固有缺陷。
在通信方面，组织更应该考虑新技术的安全性，劳格科技SparkleComm统一通信特有的保密通话技术，支持客户端(app2app)端到端动态加密，使得通话内容无法被窃听。
组织还应该更严格地考虑区块链。区块链说不要登陆数据，传播数据。当您考虑法规或隐私时，它是相反的架构，因为区块链表示每个人都应该拥有数据，那么我们如何同时利用两者呢？当您将人工智能和区块链混合在一起时，会有很多好处，但周围没有很多先例可以告诉我们这将如何发生。
简而言之，新技术和新技术版本不断涌现，但是技术采用，运营模型和风险模型的方法需要与时俱进。旧习惯很难消亡，但随着变化的步伐不断加快，并且某些技术的性质带来了意想不到的后果，批判性思维是必不可少的。
