Az MI képes aranyérmet nyerni matematikából, mégis hibás eredményt adhat egy egyszerű összesítésnél a riportokban. Ez ellentmondásosnak tűnhet, de a valóságban gyakran előfordul, főként azért, mert az adatok el vannak rejtve különféle javaslatok, táblázatok és összefoglalók mélyén. Emiatt a számadatok nem jutnak el ahhoz az MI-részhez, amely ténylegesen elvégzi a számításokat.
Felmerül a kérdés, hogy egy ilyen intelligens rendszer miként követhet el alapvető hibákat. Az ok gyakran az, hogy az MI egyszerre több feladatra koncentrál, például egy piackutatásra vagy jelentés összeállítására, így a matematikai pontosság háttérbe szorul. Ebből adódóan két út közül választhat: vagy kódot ír a számításokhoz, vagy pusztán a prediktív funkcióját használja, és találgat az eredményeknél.
Részletesen bemutatásra kerül három fő megközelítés: hogyan ellenőrizzük egyszeri, rendszeresen visszatérő és különösen fontos (nagy tétű) feladatok esetén az adatokat. Külön kiemelendő, hogy a nagyobb megbízhatóság érdekében akár egy második MI-t is létrehozhatunk ellenőrző céllal, amely friss szemlélettel tekint az eredményekre.
Érdekes kérdésként merül fel, hogy miként ösztönözhető az MI arra, hogy őszinte legyen az eredményeket illetően, és miért fontos, hogy a számításokat ne csak mechanikusan, hanem ténylegesen ellenőrizzük mind az adatforrás, mind a képlet szempontjából.
