فناوری های دانش:

-         محیطهای دانش متمرکز

   - حوزه های دانش متمرکز بعنوان بهترین وضعیت برای سامانه های کاردان

   - فراهم آوری امکان برای استفاده گروه زیاد از کاربران نیازمند به حوزه ای خاص از دانش یک یا چند متخصص

   - ورود اطلاعات مربوط به مشکل یا شرایط موجود به سامانه توسط کاربر

   - لزوم گنجانده شدن قوانین حاکم بر سامانه کاردان درساختار دقیق 

   مثال : سامانه کاردان یاریگر تصمیم گیری در مورد دادن یا ندادن اعتبار

   - سامانه های مبتنی بر محدودیت

   - متناسب برای مواجهه با سیل داده ها ( البته نه در حد شبکه های عصبی )

   - قادر به حل مسایل محدود مثل تعیین ویژگی های محصول و یا قیمت گذاری

     - موانع موثر در تصمیم گیی های پیچیده را دریافت کرده و چاره اندیشی می نماید

     - آسانی تغییر در این سامانه ها در مقایسه با سامانه های کاردان

     - عدم لزوم انجام تعاملهای پیچیده

     مثال : ترکیب اجزای یک بویینگ در میلیونها شکل

سامانه های دانشی زمان واقعی – هوش مصنوعی :

   - برای موارد زمان محدود و کاربرانی هوشمند

   - بهترین کار : استفاده از استدلالهای مبتنی بر مثالها – روشCBR       که به گردآورنده حکایتهای مربوط به دانش حوزه ای خاص بشکل مجموعه و راه حلها بیان شده ، نیاز دارد

   - مقایسه ویژگی های مساله با مجموعه حکایات ذخیره شده درسامانه و تشخیص نزدیکترین موارد با موضوع ارجاعی

   - استفاده در فرایندهای پشتیبانی و خدمات

   - لزوم حضور متخصص مربوط به هر زمینه خاص برای طراحی و نگهداری حکایات 

      - محصول Solution Builder  برای شرکتهای با فناوری بالا

   - برای حل مشکلات مراجعان در زمینه مدیریت دانش وپشتیبانی

   - برنامه ای برای مدیریت دانش پاسخگویی با هدف تجزیه شرایط و مشکلات بنام تجزیه گر اجزای      

     دانش

   - تحلیل گر سامانه پاسخگوی مشتری : دریافت دانش مربوط به مشکلات از مراجعان و طبقه بندی آن و یا قالب بندی دانش جدید برای افزودن به مجموعه دانش

   - چاره ساز : انجام جستجو در  پایگاههای اطلاعاتی هدفمند حاوی راه حلها برای یافتن راه حل مناسب

   - نیازمند توانایی زیاد برای طبقه بندی

سامانه های تحلیل دراز مدت – هوش مصنوعی :

   - برای شرایط زمان زیاد و کاربر متخصص

   - دارای مبنای آماری

   مثال : آیا یک متقاضی وام قسطهای خود را ادا ویا درپرداخت آن قصور خواهدکرد

   - دارای ویژگی یادگیری

   - دارای  قابلیت دقیق تر شدن با افزوده شدن حکایات جدید

   - نیازمند داده های زیاد و رایانه های قدرتمند

   - نیازمند کاربران برخوردار از دانشی بالا بدلیل ظریف بودن تحلیل و تفسیرحکایات 

   - قابل تحلیل بودن داده های جدید با همان مدل قبلی ، و در نتیجه سرعت در تبدیل داده ها به دانش

   - رایج تر برای استفاده جهت استخراج داده ها

   - نیازمند انسان برای ساختمند سازی داده ها

   - سامانه های جدید برای شناسایی خلاقیت ها