امروزه سازمان ها به صورت فزاینده ای به سمت فرایند تصمیم گیری با استفاده از اطلاعات (معمولا با استفاده از هوش تجاری) در حرکت هستند و به صورت موازی مقدار و حجم داده های سامانه های مختلف در سازمان ها به شکلی تصاعدی در حال رشد می باشد، بنابراین فشار تقاضا در جهت استخراج اطلاعات مفید از این داده ها روز به روز افزایش می یابد.
کشف دانش یکی از شاخه های هوش مصنوعی می باشد که هدف آن استخراج اطلاعات مفید از حجم وسیع داده های سازمان می باشد. از سوی دیگر هوش تجاری چتری است که سازمان را در جهت رسیدن به اهداف استراتژیک خود پوشش می دهد.
کشف دانش و هوش تجاری با چالش های جدیدی روبرو هستند. به عنوان مثال با توجه به گسترش روز افزون اینترنت و شبکه های اجتماعی حجم بسیا زیادی از داده های پیچیده در دسترس می باشد که بخش عظیمی از آنها نویز یا داده های غیر مفید می باشد. علاوه بر این تمام موجودیت ها در این محیط تحت تاثیر یک محیط پویا و نا پایدار دائما در حال تغییر یا تکمیل می باشد.
نگرانی بزرگ کسب و کارها مواجهه با رویدادهای پیچیده طبیعی می باشد که موجب ایجاد دشواری در زمان تصمیم گیری شده و تحلیل های منطقی سابق را دچار اشکال می نماید. بنابراین هوش مصنوعی می تواند در تعامل با سیستم های هوش تجاری اقدام به بسط و تکمیل این نوع سیستم ها نماید. در حالت عادی خوارک سیستمهای هوش تجاری همان داده های موجود در سیستم های TPS می باشد حال آنکه در صورت ورود خروجی های مربوط به سیستم های MIS و یا DSS می توان تحلیلی دقیق تر و کامل تر از شرایط سازمان داشت و در نهایت با ضریب خطایی کمتر به سمت اهداف استراتژیک سازمان حرکت کرد.
