近年来，人工智能大热。评价一项技术变革的影响，只需提一个问题：这项技术如何降低成本？半导体革命的意义之所以重大，就是因为它降低了运算成本。同样，人工智能通过“预测”（利用已知信息产生之前没有的信息）让曾经稀少且昂贵的事物变得富余又廉价。人工智能的最新进展被称为“机器学习”，指给计算机编程，让计算机学习样本数据和以往经验。比如，教计算机在一篮子杂物中如何识别一样东西是苹果。计算机会参考已经看过的苹果图像的信息，通过运用关联因素，例如颜色、性质、质地、背景等，来预测自己现在看的新图像是不是苹果。
 
　　近年来计算速度、数据存储、数据检索、传感器以及算法的进步大幅降低了基于机器学习的预测成本。与此同时，当能够获得的数据越多也越容易时，预测的价值就越高。
 
　　一项任务由数据、预测、判断和行动组成。机器学习只涉及其中一个组成部分：预测。预测是自动化领域中技术正在突飞猛进的领域，但自动化还要求机器参与数据收集、判断和行动。
 
　　判断是经过思考后做出决策的能力——根据预测，了解不同行动会带来的不同结果。能够轻松描述所需结果，而且不大需要人类判断的任务一般更容易通过自动化的手段完成。对其他任务而言，要精确描述结果可能很困难。
 
　　例如，谷歌的电子邮件Gmail的收件箱可以自动处理收到的电子邮件，并提出几个简短回复建议，但它需要人工判断哪个自动化回复最合适。从选择列表中选择一个回复比人工输入回复更快，使得用户能够在更短的时间内回复更多的电子邮件。
 
　　医学是人工智能可能发挥更大作用的领域，但人类仍将扮演重要角色。虽然人工智能可以改善诊断，带来更有效的治疗手段和更妥善的病人护理，但治疗和护理仍将依靠人的判断。不同患者有不同的需求，对此人类能比机器做出更好的响应。许多情况下，机器可能永远都不能以人类可接受的方式来权衡不同处事方式的利弊。
 
　　随着人工智能技术的进步，机器所做的预测将越来越多地取代人类所做的预测。未来最有价值的技能将是与预测互补的技能——换言之，与判断相关的技能。企业可能会持续需要那些能够做出负责任的决策（需要道德判断）、吸引客户和员工（需要高情商），并能挖掘新机遇（需要创造力）的人。如果预测能让疾病诊断变得更廉价、更迅速，与身体干预和情感安慰有关的护理技能就可能会变得更重要。
 
　　管理者的工作将越来越多地涉及如何以最佳方式应用人工智能，他们通过提出以下问题来进行决断：当前存在哪些预测的机遇？哪些东西应该被预测？人工智能体应该如何学习来逐渐提升预测能力？在这种情况下的管理，需要以下两种判断：识别并应用最有用的预测，以及衡量不同类型错误的相对成本。有时会有明确的目标（例如，根据面容识别人物）。而其他时候，目标可能并不明确，需要做出判断来指明所需的结果。