Die größten Anstrengungen gelten hier der Verbesserung der Patientenresultate und der Senkung der Kosten. Unternehmen wenden Machine Learning an, um genauere und schnellere Diagnosen zu stellen als der Mensch. Eine der bekanntesten Technologien im Gesundheitswesen ist IBM Watson. Sie versteht natürliche Sprache und ist in der Lage, Fragen zu beantworten. Das System verdichtet Patientendaten und andere verfügbare Datenquellen zu einer Hypothese, die es dann mit einem Vertrauens-Scoring-Schema darstellt. Andere KI-Anwendungen umfassen Chatbots, ein Computerprogramm, das online verwendet wird, um Fragen zu beantworten und Patienten zu unterstützen, um Folgetermine zu planen oder diese bei Abrechnungsprozessen zu unterstützen und virtuelle Gesundheitsassistenten, die grundlegende medizinische Rückmeldung liefern.
„Das Gesundheitswesen wird seine IT-Bemühungen um intelligente COVID-19-Sensorvorhersage- und Reaktionssysteme verstärken und damit die Grundlage für ein besseres Management neuer Krankheitsausbrüche sowie der laufenden Gesundheitsbedürfnisse der Bevölkerung schaffen."

„Die Automatisierung von Prozessen durch neue Technologien wird der Schlüssel zur Minimierung von Unterbrechungen und zum Austausch von Mitarbeitern sein, wenn deren Anwesenheit nicht möglich ist." Robotergesteuerte Prozessautomatisierung wird bei wiederholenden Aufgaben eingesetzt, die normalerweise vom Menschen ausgeführt werden. Machine-Learning-Algorithmen werden in Analyse- und CRM-Plattformen integriert, um Informationen darüber aufzudecken, wie Kunden besser bedient werden können. Chatbots wurden in Webseiten integriert, um den Kunden einen unmittelbaren Service zu bieten.

„Schulen und Universitäten investieren verstärkt in Tools für die Zusammenarbeit und in Endbenutzergeräte." Künstlich Intelligenz kann zum Beispiel Benotungen automatisieren, was Lehrkräften mehr Zeit gibt. KI kann die Schüler einschätzen, sich an ihre Bedürfnisse anpassen und ihnen helfen, in ihrem eigenen Tempo zu arbeiten. KI-Tutoren können den Studenten zusätzliche Unterstützung zur Verfügung stellen, um sicherzustellen, dass sie auf „Kurs“ bleiben. KI kann langfristig verändern, wo und wie die Schüler lernen.

Künstliche Intelligenz ist in Finanzinstituten auf dem Vormarsch. KI-Finanzanwendungen können zum Beispiel personenbezogene Daten sammeln und finanzielle Beratung bieten. Andere Programme, darunter IBM Watson, wurden bereits auf den Prozess des Hauskaufs angewendet. Heute führt Software einen Großteil des Handels an der Börse durch.

Das Durchsieben von Dokumenten ist für Menschen oft ein langwieriger Prozess. Die Automatisierung dieses Prozesses spart Zeit und schafft effizientere Prozesse. Startups bauen auch Frage-und-Antwort-Computer-Assistenten, die programmierte Fragen durch Untersuchung der mit einer Datenbank verbundenen Taxonomie und Ontologie aussieben können.

Dieser Bereich spielt bei der Integration von Robotern in den Workflow eine Vorreiterrolle. Industrieroboter führten in der Vergangenheit nur einzelne Aufgaben aus und wurden von menschlichen Arbeitern getrennt. Mit dem Fortschritt der Technologie änderte sich dies allerdings und Roboter übernehmen immer umfassendere Prozesse in der Fertigung.

Automatisierung ist der Prozess, bei dem ein System oder ein Prozess automatisch funktioniert. Zum Beispiel kann die robotergesteuerte Prozessautomatisierung (Robotic Process Automation, RPA) so programmiert werden, dass sie hochvolumige, wiederholbare Aufgaben übernimmt, die normalerweise vom Menschen ausgeführt werden. RPA unterscheidet sich von der IT-Automatisierung dadurch, dass es sich an veränderte Gegebenheiten anpassen kann.​​​​​​​

Machine Learning (maschinelles Lernen) ist die Wissenschaft, einen Computer ohne Programmierung zum Handeln zu bringen. Deep Learning ist ein Teilgebiet von Machine Learning und kann als eine Automatisierung von Predictive Analytics verstanden werden. Es gibt drei Arten von Machine-Learning-Algorithmen:
​​​​​​​

• Überwachtes Lernen, bei dem Datensätze so gekennzeichnet werden, dass Muster erkannt und zur Kennzeichnung neuer Datensätze verwendet werden;
• Unbeaufsichtigtes Lernen, bei dem Datensätze nicht gekennzeichnet und nach Ähnlichkeiten oder Unterschieden sortiert werden. 
• Verstärkendes Lernen, bei dem Datensätze nicht gekennzeichnet werden, sondern nach einer oder mehreren Aktionen dem KI-System Feedback gegeben wird.

Machine Vision ist die Wissenschaft, Computer „sehen zu lassen“. Machine Vision erfasst und analysiert visuelle Informationen mit Kameras, Analog-Digital-Umwandlung und digitaler Signalverarbeitung. Es wird oft mit dem menschlichen Sehvermögen verglichen, doch Machine Vision ist nicht an die Biologie gebunden und kann zum Beispiel so programmiert werden, dass es durch Wände hindurch sieht. Es wird in einer Reihe von Anwendungen von der Signaturidentifikation bis zur medizinischen Bildanalyse eingesetzt. Computer Vision, die sich auf die maschinelle Bildverarbeitung konzentriert, wird oft mit Machine Vision kombiniert.

Natural Language Processing (NLP) ist die Verarbeitung der menschlichen Sprache durch ein Computerprogramm. Eines der ältesten und bekanntesten Beispiele für NLP ist Spam-Erkennung, die die Betreffzeile und den Text einer E-Mail betrachtet und entscheidet, ob es sich um eine Junk-E-Mail handelt. Aktuelle Ansätze für NLP basieren auf Machine Learning. Zu den Aufgaben von NLP gehören Textübersetzung, Stimmungsanalyse und Spracherkennung.

Mustererkennung ist ein Zweig des Machine Learning, der sich auf die Identifizierung von Mustern in Daten konzentriert.

Robotik ist ein Bereich des Maschinebaus, der sich auf die Entwicklung und Herstellung von Robotern konzentriert. Roboter werden oft eingesetzt, um Aufgaben zu erledigen, die für den Menschen schwer oder gar nicht zu bewältigen sind. Sie werden in Montagelinien für die Automobilproduktion oder in der Raumfahrt eingesetzt, um große Objekte im Weltraum zu bewegen. In jüngerer Zeit nutzen Forscher Machine Learning, um Roboter zu bauen, die in sozialen Umgebungen interagieren können.