不过，洪小文表示，AI终究还是演算法，是人设计出算法，再交给电脑负责计算，AI能在封闭且不受外在因素影响的环境下，效果很好，但是遇到复杂且有外在因素影响的环境，AI就不管用。
AI系统的运作模式
他举例，多数的工作运作流程都可以归纳成一个封闭回圈模式，首先发行一个产品到真实世界（Physical World），由感测器（Sensor）收集数据，数据传到分析端（Analysis），分析下一个产品哪些要改善，做完决策（Decision），最后再启动执行器（Actuator）发行下一个产品到真实世界。
以往这样的工作流程中，洪小文表示，感测器就是透过人工的方式收集数据，像是派人做问卷调查或是采集样本，往往非常耗时，但是，由于现在IoT装置兴起，收集数据变得更容易，再加上AI负责分析和决策，就能快速地完成一次封闭的流程，不断地重复执行就能达到优化的效果。
现在由于有大数据分析的能力、AI演算法和IoT装置的配合，就能将此流程自动化，洪小文举出一个有名的工业应用例子，以往电梯都是坏了才维修，但是透过在电梯中装设感测器收集数据，执行上述的封闭回圈模式，电脑就能归纳出模式，进而达到预测性维修，也就是在电梯某些条件出状况时，电脑就能预测电梯即将坏掉，提前派人来维修。
AI应用适用于重复性高的工作
洪小文认为，这种封闭回圈因为没有外在因素影响，系统较为简单且可执行，不仅能藉此收集到大量的数据，作为往后分析的参考依据，还因为重复性高，可以适用于一样的工作，举例来说，电梯的预测模型，可能只需要做些微的调整，就能套用到每一台电梯，这也是他认为企业应用AI技术，可以创造最大商机的模式。
洪小文指出，所有的工作运作流程都可以归纳成一个封闭回圈模式，首先，企业发行一个产品到真实世界，由感测器收集数据，数据传到分析端，分析下一个产品哪些要改善，做完决策，最后，再启动执行器发行下一个产品到真实世界。
复杂且变化性高的工作要用AI加上HI协同合作
封闭式的回圈模式是AI演算法能够发挥所长的环境，洪小文指出，若是碰到外来因素的影响，这样的模式就不管用，有些工作一辈子只做一次，下一次所有的条件都不同，这种变化性高的工作，需要AI加上HI（Human Intelligence）协同合作。
举例来说，像是股票投资就不能只用AI，股市会因为外来一则新闻而有所波动，他认为，AI还是可以分析数据给予人建议，但最后还是得要由人经过多方评估来做决策，选举也是如此。
AI技术像是深度神经网路（Deep Neural Networks，DNN）企图模仿大脑思考的运作模式，不过，洪小文指出，其实人脑和电脑AI程式的运作方式还差的非常远，因为目前人类对人脑的理解还太少，不足以将大脑神经元的运作模式归纳成一套演算法，交由电脑执行。
他更进一步说明，AI擅长的是大数据，人刚好相反，人类擅长的是小数据，也就是说，人类对于自己熟悉的人事物，不管外观的改变，或是遮住了90%，人类都还是可以成功地识别，他举例，视觉和语音都是如此，就像在吵杂的环境中，只要是自己熟悉的人，听到几个声音，人类就能马上知道说话者的身分、说话内容。
「人和AI刚好互补！」他指出，AI都是在优化流程，而人类则是透过理解来归纳、推论事实，他将人脑的运作层次由最底层开始分为记忆力、感知、认知、创造力，最高层次则是智慧，他认为目前AI只停留在感知层，认知层中AI可能只有达到一小部分。
他说明，人类的模式识别就是透过理解，而理解需要因果关系才可以推理，但是深度学习中每一层的输入和输出参数不同，就像个黑盒子，是不可能推理的，不过，他坦言，由于理解还包含各领域知识，因此，目前这方面还没有显着的进展，「理解是很复杂的，我们还不知道要怎么建立模组。」他说。
洪小文补充，许多人希望赋予AI创造力，不过，AI连认知层都还没办法达到，要有创造力更是困难，让AI拥有创造力不全然是正面的，还包含出错的风险都是要考量的因素。
