人工智能的挑战第一包括情感性，机器人是没有情感的，情感需要人与人之间长时间的培养，人工智能很难做到这一点。
第二人工智能存在机器误差。有些应用是致命的比如自动驾驶，目前还没彻底解决。
第三个体差异性，虽然机器可以千人千面，但是必须基于已有事例，人可以有很多隐藏特性突然爆发，机器很难模拟
众所周知目前的人工智能技术广泛应用与各行各业当中，并且对这些行业产生了一定的改善作用。想要更加深入的应用人工智能技术，还需要对人工智能技术有更透彻的了解。
由于AI能处理大量数据，让目前的AI技术对于零售业、需要进行因果驱动因素预测的应用，以及银行业的风险评估应用重要性高。目前的AI系统其实仍然面临许多挑战，这些挑战也深深影响AI的应用市场推广。
目前AI技术应用面临的挑战，包含标注训练数据、大量全面的数据获取、输出结果的解释，以及学习的普遍性等。
在标注训练数据方面，由于目前AI系统主要都是采用监督学习模式，必须事先耗费大量时间、人力或资金进行数据标注，因此成为AI系统推广导入的劣势所在。目前针对此劣势，已有许多研究学者陆陆续续推出新的演算模型，希望能逐步达成让数据能自动被标注的目标，以大幅缩减人力与时间的投入。
在大量全面的数据获取方面，由于对许多产业而言，要获取数量与质量都足够的数据并不容易，因此对于这类数据较不易取得的产业而言，导入AI系统的难度也会较高。
而输出结果的解释部份，目前AI系统还难以达到。原因在于，目前AI系统虽然能算出结果，但却无法一步一步地解释这个结果是如何获得的，因此面临这类需要针对运算结果进行解释的需求，目前为止都还无法达到。
至于学习的普遍性部分，是因为目前AI模型在将学习经验自A类移转至B类时，经常会遇到困难。这意谓着企业需要投入大量资金训练新的模型，即便是A类与B类两者间有部分相似性也难以避免。
