人工智能的应用场景存在一些痛点问题，其中一些主要问题及对策如下：

1. 数据问题：人工智能系统需要大量的高质量数据来进行训练和学习，然而获取和整理大量数据是一项复杂和耗时的任务。
因此，对策是建立更高效和智能的数据收集和处理系统，可以利用自动化技术和人工智能算法来辅助数据整理和标注。

2. 隐私问题：人工智能系统处理大量个人数据，包括个人隐私信息。
因此，保护用户隐私成为一个重要问题。
对策是采用加密和安全技术，确保个人数据的隐私和安全，并制定合适的数据保护政策和法规。

3. 偏见和不公平问题：人工智能系统可能会出现对某些群体或个体的偏见和不公平。
例如，性别、种族等因素可能影响算法的决策结果。
对策是建立公平和中立的人工智能算法，通过数据纠正和算法优化来减少偏见。

4. 解释性问题：人工智能系统的决策过程通常是黑盒，难以解释。
这给用户和监管机构带来了困难。
对策是研究和开发可解释的人工智能算法，确保系统的决策过程可以被解释和理解。

5. 技术壁垒问题：人工智能技术相对复杂，需要专业的知识和技能来开发和应用。
这使得许多中小型企业和个人难以使用和应用人工智能技术。
对策是提供更加简化和易用的人工智能工具和平台，使更多人能够轻松使用和开发人工智能应用。

总的来说，解决人工智能应用场景的痛点问题需要从技术、数据、隐私、公平等多个方面综合考虑，采取相应的对策来提高人工智能系统的效果和可信度。