O processo de gestão exige tomadas de decisões constantes, desde operacionais até estratégicas. A tomada de decisões sempre carrega incertezas e riscos, e a experiência com situações anteriores similares ou análogas reduz a incerteza e tende a aumentar a assertividade, mesmo que não existam dados históricos ou modelos para apoiar a tomada de decisão. Considere o diagrama que mostra a relação entre experiência e dados disponíveis numa tomada de decisão: tal situação é representada no QUADRANTE 1 do diagrama, em que a decisão é tomada por um gestor experiente.

A disponibilidade de dados históricos de situações similares também auxilia a reduzir a incerteza da decisão, já que análises e modelos podem ser construídos a partir deles. Modelos de inteligência artificial baseados em técnicas de machine learning podem ser treinados com esses dados para oferecer um importante suporte na tomada de decisões, pois extraem dos dados informações complexas que vão além da capacidade humana de processamento [veja figura 2]. Por exemplo, uma empresa no ramo do varejo alimentício pode utilizar modelos preditivos do comportamento do consumidor em datas especiais para antecipar mudanças na demanda de seus produtos para que otimize suas decisões de compra e estoque de produtos. Tal abordagem baseada em modelos, conhecida como decision intelligence, contribui para a redução do risco de decisões, já que suportam a tomada de decisões baseadas em evidências.

Tal situação é representada no QUADRANTE 2 do diagrama, no qual há disponibilidade de um gestor experiente com a situação e dados históricos de situação análoga. Nessas situações há a cocriação de valor, ou seja, uma sinergia entre inteligência artificial e gestor na criação de valor. Esse quadrante representa que a empresa está munida de recursos para uma tomada de decisão com o menor perfil de risco. Um exemplo dessa situação é a utilização de inteligência artificial para auxiliar um gestor a tomar decisões de direcionamento de esforço de sua equipe de vendas a fim de concentrar a utilização de seus recursos comerciais, como flexibilização nas condições comerciais e descontos para os clientes com o maior potencial de fechamento de negócio no quartil. E, ao mesmo tempo, evitar o desperdício de esforço e a utilização de recursos como descontos para os clientes com a menor probabilidade de fechamentos dentro do quartil. Já em situações de crise, apoiar-se em profissionais com experiência e em modelos de inteligência artificial baseados em dados de situações similares constituem boas práticas para minimizar os riscos na tomada de decisões.