第一波人工智能浪潮的基础是给个別互联网用户的浏览数据贴上标籤，从而得知每个用户的喜好，而第二波商用人工智能则是给传统公司数十年来积累的大量专业数据贴上标籤，而用上运算法去找出特征来做出精准预测、判断和决定。商用人工智能从数据库中挖掘人类往往会忽略的隐藏联系，因为大部份人类只能根据强特征(Strong Features)来做预测，例如人们可能用身体质量指数(BMI)这些强特征去预测患糖尿病的可能性，而人工智能算法除了考虑强特征外，更会将一些表面上毫无关联性的弱特征(Weak Features)也一并计算，将数千万个例子结合起来，可以发现一些对预测结果有帮助的重要联系。
传统的财务公司或银行贷款部门只会根据客户填写的申请书去作出贷款申请审核，用的都是为各项栏目作打分，然后作出一个总分去决定这个客户值不值得放贷和可贷款的金额是多少，但是商业智能化如Alipay和微信支付则拥有大量信息，这些数据如有沒有过期还图书馆的书本、转换工作的频繁次数、身体健康质素如心跳纪录看似和信贷无关，但大数据和加入运算法之后，他们得出的结果会比传统的申请除了精准之外，结果更是动态的，只需数秒便会得到结果，Smart Finance取代了传统银行客户经理的工作。
金融是相对容易理解和首先采用的行业，医疗和法律是另外两个行业也采用弱特征去帮助医生和法官去作出断症和判案，要训练一个出色的医生，是他需要经歷疹断过一定数量的病人，才可以准确对症下药，依靠的是大数据和自我学习，笔者称之为人肉Alpha Go，但有了商用人工智能在过去医疗病例的数据之下，便可以从病征中快捷地找出可能性高疾病，以免医生因为经验不足而作出误判，以免判错症而用错药，担误了医疗病人的时间，在今天Business AI在医学界中只是辅助角色，让所有医生和护士都能聚焦在机器做不到的人类工作上，如多关怀病者，或更人性化地和病者分享诊断结果。
在司法界上内地的科大讯飞公司使用以往案例数据，比较所有证据，如证供、证词、文件及背景资料等，找出供词的矛盾点，提醒法官需注意那些有争议的地方，又用算法去评估提请假释的犯人进行风险评估，是一个看不见的法庭助手，协助和辅导专业人员作出更佳决策，並非取代专业人员。
由于美国的公司和政府机构已有系统化地积累数十年的数据，这一波较中国更有优势，美国仍处于领先地位，但随着中国企业和政府机构已意识到数据的重要性，中国将会慢慢把差距收窄。
作者:邵志尧
博士、测量师，现职香港华业金控集团负责人员和兼任宏海控股集团（上市编号：8020）及沛然环保（上市编号：8320）的高级顾问，在金融和房地产行业已有30年经验，近年专注绿色金融和减碳项目，为多家大学讲授绿色和双碳金融课程，更定期发表文章和视频。