五、對理工資訊領域的學者：過往理工領域的研究都是與國際標準一致，以能發表到國際一流期刊或頂尖會議(Top Conference)為榮。這部分當然是學術研究不可避免也仍然需要努力的地方，但是在AI發展在地化的脈絡下，如何將這些AI 技術打造成實際可用於我們台灣社會，解決實際面臨的如長照、醫療、司法、教育、經濟、交通或社會各面向的相關系統與使用介面(見圖一)，也應該是我們理工或資通訊領域學者不可迴避的責任(總不能丟個程式碼給民眾使用吧)。但是新的AI技術往往也是由年輕學者從國外帶回，而他們卻有較大的升等與發表的壓力。所以開發系統這部分也需要國科會或政府教育單位調整資源補助方式，提供長期穩定的經費與支持，並配合學校升等與評量方式的調整，才可能持續開發維護，而不是一味追趕國際潮流，而忘卻自身優勢，以及台灣社會的利基與需求。
六、對各大學與高等教育機構：除了謹慎地戒備A I對高等教育的挑戰外，更重要的應該是積極善用高等教育過程，促使學生多元發展與AI協作的能力，以創造更好的AI社會與個人職涯發展，不應墨守於特定領域的傳統而不思變遷。畢竟未來有許多工作會因為AI而消失，也會有新的機會出現。我們不應讓學生自行去面對這樣的環境，而應更積極調整教學的內容與方向，培育長遠善用AI的能力。此外對於A I發展不可或缺的跨領域應用而言，大學內部可以藉由調整升等與評鑑的方式來鼓勵學者投入相關研究，並且結合同校或跨校的AI技術學者與人文社會領域學者，將跨領域的AI公共應用作為大學的社會責任(USR)之一。這將有助於快速累積適合台灣發展的在地化A I，而這種跨領域的整合正是大學端可以做到的獨特社會貢獻，在台灣的環境中更顯得十分重要且無法被取代。
七、對於產業界：如何直接將AI應用來產生市場價值往往是企業所關切的重點，也因此常發生業界為了市場競爭而挖角學界人才，讓AI的基礎研究產生斷層，也因此難以累積學界人才於AI的公共應用。但是細看國外許多AI公司的發展，其獲利模式往往不是直接因為AI的產品，而是搭配有AI相關的公眾服務(例如將AI技術融入搜尋引擎)。所以業界也應該認真思考如何投資AI於公共化的服務，可以與學界合作創造更大的價值與品牌形象，一起培育更多博士級學生先開發技術，然後於業界發展應用，讓整體社會享受到AI技術的果實。當然，台灣許多中小型企業相關的研發能力有限，可能不足以單獨投入，所以更應該將同類型的產業由工研院等相關研究機構來整合，將資料串接並輔導技術轉型，一起對外打團體戰來提升整體的能力。
