Настоящите критерии за оценяване често не успяват да измерят как ИИ моделите се справят с дългосрочни решения в условия на несигурност, където обратната връзка се забавя, а информацията е непълна. Изследването на практическите способности за вземане на решения предоставя по-строга и честна оценка на логическото мислене на машините, отколкото стандартните тестове тип „въпрос-отговор“.