當(dāng)我們在為AI帶來的效率提升感到興奮時，一個容易被忽略的風(fēng)險正在浮現(xiàn)：AI在幫助新手快速完成任務(wù)的同時，也可能讓他們失去成長過程中最重要的“犯錯-學(xué)習(xí)”機會。這篇文章指出了一個關(guān)乎每個人職業(yè)發(fā)展的核心問題：如果基礎(chǔ)工作都被AI代勞，我們該如何培養(yǎng)關(guān)鍵的判斷力？這不僅是企業(yè)的管理挑戰(zhàn)，更是每位職場人需要思考的長期課題。

幾年前，我在一家咨詢公司首次嘗試將生成式AI作為工作伙伴時，觀察到一種令我驚訝的現(xiàn)象：AI對我的幫助遠大于對那些經(jīng)驗較淺的同事。

在我的工作中，AI能幫助我更快完成研究整合、分析等需要專業(yè)知識的任務(wù)。雖然產(chǎn)出質(zhì)量并非完美，但方向基本正確，我也能輕松調(diào)整引導(dǎo)。而對剛?cè)肼毜姆治鰩煻?，使用AI的體驗卻截然不同——他們確實能快速生成內(nèi)容，但成果并未比使用AI前有實質(zhì)性提升。更引人深思的是，他們往往難以判斷產(chǎn)出質(zhì)量的好壞，更不用說如何修正方向。有時，他們甚至不知該從何入手。

這與我的預(yù)期相悖。和2022年的許多人一樣，我曾認為生成式AI能幫助資淺員工突破能力局限，如同一次突如其來的能力注入。然而現(xiàn)實卻相反：這些工具放大了已有的判斷力，而非彌補判斷力的缺失。

如今我意識到，這個微觀案例恰恰解釋了當(dāng)前各行業(yè)管理者面對AI輔助產(chǎn)出時普遍存在的不安：盡管成果生成迅速、形式精美，卻難以評估其質(zhì)量，更遑論據(jù)此采取行動。

當(dāng)我們深入觀察人們?nèi)绾谓柚鶤I工具取得優(yōu)質(zhì)成果時，就會發(fā)現(xiàn)這種現(xiàn)象的合理性——這需要持續(xù)評估AI產(chǎn)出并進行深思熟慮的迭代。你提出指令、獲得結(jié)果、評估效果、調(diào)整指令，在此過程中不斷微調(diào)方向。

從歷史經(jīng)驗看，這種判斷力并非來自使用AI本身，而是源于親身完成過類似工作的經(jīng)驗。正是在那些緩慢、不完美且需為結(jié)果承擔(dān)實際責(zé)任的重復(fù)實踐中，人的判斷力才得以淬煉。

這就引出了一個無論企業(yè)是否意識到、都正在面臨的悖論：AI既增加了對判斷力的需求，同時也在侵蝕孕育判斷力的經(jīng)驗土壤。

哈佛商學(xué)院的艾米·埃德蒙森和羅盛咨詢的托馬斯·查莫羅-普雷姆日奇曾警告過完全用AI替代初級崗位的風(fēng)險。本文聚焦的則是當(dāng)初級崗位保留但其培養(yǎng)價值發(fā)生根本性變化時會出現(xiàn)的問題。

首先，我需要完整闡述“判斷力”的內(nèi)涵。

何為判斷力？

判斷力是領(lǐng)導(dǎo)者常提及卻鮮少明確定義的特質(zhì)。它常是晉升的關(guān)鍵門檻，且隨著職級升高愈發(fā)重要。對此我深有體會：既曾需要展現(xiàn)判斷力以獲得晉升，后來也需在評估他人時考察這項能力。

判斷力，可被定義為一種在既有規(guī)則無法提供明確指引時，仍能作出明智決策的能力。這種能力包括：識別情境的關(guān)鍵要素、權(quán)衡相互沖突的優(yōu)先級與利弊、預(yù)見決策可能引發(fā)的后果，并在不確定性的環(huán)境下，主動抉擇何時需要為結(jié)果承擔(dān)責(zé)任。

這一定義意味著，當(dāng)領(lǐng)導(dǎo)者談?wù)撆袛嗔r，通常融合了多種表現(xiàn)形式。實踐中至少體現(xiàn)為以下五類：

評估判斷：辨別事物優(yōu)劣、強弱、恰當(dāng)與否的能力

情境判斷：把握通用規(guī)則的適用邊界，識別需要特例處理的情境

取舍判斷：在沒有明確正確選項時權(quán)衡競爭目標的能力

預(yù)見判斷：在結(jié)果顯現(xiàn)前洞察潛在連鎖反應(yīng)的能力

擔(dān)當(dāng)判斷：在不確定性中決定何時需要個人承擔(dān)責(zé)任與風(fēng)險，而非回避或上交決策

以新產(chǎn)品上市決策為例：兩位領(lǐng)導(dǎo)者可能審閱相同數(shù)據(jù)、理解相同風(fēng)險、認同預(yù)期收益，但一人拍板推進而另一人猶豫不決。差異正源于判斷力——前者認為供應(yīng)鏈風(fēng)險可控，延遲六個月將讓競爭對手搶占過多先機；后者則擔(dān)憂上市時的質(zhì)量問題可能損害品牌信任，而修復(fù)這種信任需要數(shù)年時間。兩者皆非錯誤，只是基于多年觀察類似決策形成的認知模式，對相同取舍做出了不同權(quán)衡。

這些判斷力通常無法直接傳授，而是從工作本身的結(jié)構(gòu)中自然涌現(xiàn)。

傳統(tǒng)判斷力的形成土壤

在多數(shù)組織里，判斷力是工作架構(gòu)衍生的副產(chǎn)品。以專業(yè)服務(wù)機構(gòu)為例：初級顧問需承擔(dān)調(diào)研、信息整合、模型構(gòu)建、報告撰寫等任務(wù)。根據(jù)我的親身經(jīng)歷，初期嘗試總存在缺陷與不足，但在獲得管理者反饋指導(dǎo)、持續(xù)改進的過程中，我逐漸培養(yǎng)出對高質(zhì)量成果的鑒別力。

這種模式在咨詢公司的每個層級——從分析師到經(jīng)理再到合伙人——不斷重演。隨著職級提升，責(zé)任性質(zhì)轉(zhuǎn)向項目領(lǐng)導(dǎo)、團隊建設(shè)、客戶關(guān)系維護與組織發(fā)展，但判斷力的形成路徑始終相似：承擔(dān)超越現(xiàn)有能力的新責(zé)任，在試錯中獲得反饋，從經(jīng)驗中學(xué)習(xí)成長。

這種模式并不限于專業(yè)服務(wù)領(lǐng)域，而是各類組織培養(yǎng)人才的通用路徑。試舉兩個AI已產(chǎn)生深遠影響的領(lǐng)域為例：

產(chǎn)品管理領(lǐng)域

傳統(tǒng)上，初級產(chǎn)品經(jīng)理通過撰寫原始需求文檔、明確功能取舍、為開發(fā)優(yōu)先級決策辯護、觀察上線后效果來錘煉判斷力。而今AI可在數(shù)分鐘內(nèi)生成產(chǎn)品規(guī)格、用戶故事、路線圖等所有內(nèi)容。新一代產(chǎn)品經(jīng)理往往只需審閱這些產(chǎn)出，而非親手創(chuàng)造。

市場營銷領(lǐng)域

廣告文案、視覺素材生成、營銷活動策劃等傳統(tǒng)營銷工作，現(xiàn)已能通過AI快速批量生成（意味著幾乎有無窮選項可供選擇）。隨著模型學(xué)習(xí)企業(yè)歷史營銷方案、戰(zhàn)略文檔及競品動態(tài)，其產(chǎn)出質(zhì)量持續(xù)提升。這使得新一代初級營銷人員未必需要親歷創(chuàng)作過程的艱難磨礪，卻也因此錯過了傳統(tǒng)的成長必修課。

這個培養(yǎng)體系有兩個關(guān)鍵特征：實際決策權(quán)與重復(fù)實踐。沒有什么比承擔(dān)決策后果更能錘煉判斷力。重復(fù)實踐同樣至關(guān)重要——當(dāng)需要評估他人工作時，你已親歷過多次掙扎求索的過程。

這套體系效率并不突出，但確實有效。然而其建立在一個前提上：人類將繼續(xù)執(zhí)行那些培養(yǎng)判斷力的核心任務(wù)。在AI時代，這個前提已然動搖。

悖論：缺失經(jīng)驗的判斷力

這導(dǎo)致企業(yè)正面臨一個悖論：要有效使用AI，人們需要對當(dāng)前任務(wù)具備判斷力；但隨著AI承擔(dān)更多工作，曾經(jīng)孕育判斷力的實踐經(jīng)驗卻開始消逝。

對個人而言，這種轉(zhuǎn)變體現(xiàn)在工作體驗與技能發(fā)展方式上。AI產(chǎn)出快速且充滿自信語氣，審閱優(yōu)化這些產(chǎn)出可能讓人產(chǎn)生深度參與的錯覺。但由于人們現(xiàn)在是對生成答案作出反應(yīng)，而非從零創(chuàng)造，其認知過程與培養(yǎng)的相關(guān)技能已截然不同。

對組織整體而言，這種影響會持續(xù)放大。初級崗位失去那些原本作為訓(xùn)練場的雜亂而關(guān)鍵的成長型任務(wù)，導(dǎo)致中層管理者需要督導(dǎo)他們從未完全掌握的工作。高層領(lǐng)導(dǎo)者則發(fā)現(xiàn)，越來越少人能在不確定性中勝任需要真正判斷力的崗位。

哈佛商業(yè)評論一篇關(guān)于AI生成“工作垃圾”的文章描述了這種動態(tài)的連鎖反應(yīng)：那些外表光鮮卻缺乏實質(zhì)內(nèi)容或情境支撐的產(chǎn)出，因越來越少人能識別其局限或予以修正，最終通過引發(fā)混亂與返工侵蝕整體效率。

為何僅有“人類參與”仍然不夠？

面對自動化過度的隱憂，許多企業(yè)確立了一條看似穩(wěn)妥的原則：確保人類始終處于決策閉環(huán)之中。這體現(xiàn)為對特定產(chǎn)出或決策的正式審查等多種形式，雖是降低風(fēng)險的重要原則，卻未能解決培養(yǎng)判斷力土壤這一深層問題。

其他常見的AI保障措施雖具價值，卻可能無意中加劇此問題。以升級上報機制為例：這類規(guī)則要求初級員工將模糊或高風(fēng)險案例移交上級決策。短期雖保障了質(zhì)量，卻也教會新員工將不確定性視為需要轉(zhuǎn)移而非克服的難題。長此以往，組織將越來越依賴日益縮減的經(jīng)驗決策者群體，而培養(yǎng)應(yīng)對模糊情境能力的渠道卻在收窄。

問題的核心在于：大多數(shù)“人類參與”機制的設(shè)計初衷，是優(yōu)化對流程的控制與已知風(fēng)險的管理，而非促進參與閉環(huán)中人類自身的成長。

典型案例：編輯判斷力

要理解其中的利害關(guān)系，不妨審視專業(yè)雜志編輯的工作。

當(dāng)稿件送至編輯案頭，他們需要從流暢度、論證、證據(jù)、語調(diào)、受眾契合度、原創(chuàng)性、實用價值等多維度評估質(zhì)量。這些判斷往往同步進行，同時權(quán)衡整體質(zhì)量是否達到出版標準。若決定采用，編輯需指出各個維度如何改進才能達標，并標記需要補充的內(nèi)容。

這種判斷力源自多年處理粗糙稿件、提供反饋、與作者反復(fù)溝通、決定刊發(fā)內(nèi)容，更重要的是觀察讀者反應(yīng)的過程。優(yōu)秀編輯通常自身就是卓越的寫作者，經(jīng)歷自己作品被編輯的過程也助力了判斷力培養(yǎng)。雖然部分專業(yè)知識可提煉為明確規(guī)則，但更多時候它屬于隱性知識，運用時甚至如同直覺。

現(xiàn)在試想讓缺乏此背景者評估同一份稿件。即使此人聰明勤奮、能識別表面問題，仍將難以把握真正的關(guān)鍵所在。他們無法判斷稿件中的缺陷是否可修正，也不理解該文章如何融入整體編輯規(guī)劃。其反饋往往趨于保守或方向偏差——根本原因在于缺乏提供有效反饋所需的經(jīng)驗。

這個差距正是所有組織在AI時代面臨的困境。由于人工智能能夠高速生成看似專業(yè)的跨領(lǐng)域內(nèi)容，其人類使用者實則處于"經(jīng)驗缺失的編輯"境地——他們不得不在缺乏必要實踐經(jīng)驗的前提下，對AI產(chǎn)出進行審查與評估，而這些實踐原本正是形成深度編輯判斷力的基石。

領(lǐng)導(dǎo)者忽視的組織風(fēng)險

孤立地看，判斷力退化似乎只是技能問題或短期陣痛。但從系統(tǒng)視角審視，這實則構(gòu)成領(lǐng)導(dǎo)力與繼任風(fēng)險。

組織需要持續(xù)補充能在不確定性中做出穩(wěn)健決策的人才。傳統(tǒng)上，這種補充通過人員在崗位流動中積累日趨重要的決策經(jīng)驗而實現(xiàn)。

隨著AI自動化那些塑造能力的基礎(chǔ)工作，越來越少人能接觸曾經(jīng)作為判斷力訓(xùn)練場的場景。結(jié)果判斷力將集中于更小范圍的高層領(lǐng)導(dǎo)者群體——他們的經(jīng)驗形成于自動化普及之前。最終，隨著新一代領(lǐng)導(dǎo)者普遍缺乏在日益常見的新穎或模糊情境下的關(guān)鍵決策能力，人才梯隊將逐漸萎縮。

此外還存在更微妙的文化影響。當(dāng)人們在職業(yè)生涯早期就被剝奪此處所述的擔(dān)當(dāng)體驗，其學(xué)習(xí)重心將自然轉(zhuǎn)向如何向上管理，而非學(xué)習(xí)如何決策。

這些是AI帶來的真實風(fēng)險，且不同于其他常被提及的AI相關(guān)風(fēng)險。

破局之道：重建判斷力培育土壤

當(dāng)前組織面臨的挑戰(zhàn)在于：如何在AI時代重新設(shè)計工作，使判斷力仍能持續(xù)發(fā)展。一個有效的切入點是提出診斷性問題，揭示特定崗位的決策發(fā)生點及其所需知識技能：

真正做出重要決策的是誰？誰只是在審閱他人或機器塑造的成果？

人們在何處體驗自身選擇（包括失?。淼暮罄m(xù)影響？

哪些崗位失去了曾經(jīng)隨時間培養(yǎng)判斷力的重復(fù)性、低風(fēng)險任務(wù)？

人們在何處被保護免于面對模糊性，而非被要求與之角力？

這些問題有助于我們辨識：哪些環(huán)節(jié)仍保留著判斷力形成的土壤，而哪些環(huán)節(jié)已被AI技術(shù)割裂了人與關(guān)鍵決策場景的聯(lián)系。針對后者，必須構(gòu)建替代性的能力培養(yǎng)機制。

雖然相關(guān)機制仍在積極探索中，但我們可以從那些獲取真實經(jīng)驗成本過高或風(fēng)險過大的領(lǐng)域（如醫(yī)療、軍事）汲取靈感。這些領(lǐng)域長期通過案例研習(xí)、模擬訓(xùn)練、隨判斷力驗證逐級增加責(zé)任、結(jié)構(gòu)化事后復(fù)盤等機制，有意識地構(gòu)建判斷力。

AI時代的核心挑戰(zhàn)，是如何持續(xù)培養(yǎng)出具備判斷力的人。

關(guān)鍵詞：

大衛(wèi)·S·鄧肯（David S. Duncan ）| 文

大衛(wèi)·S·鄧肯是咨詢公司Disruptive Edge合伙人，專長為增長戰(zhàn)略、創(chuàng)新與AI應(yīng)用咨詢。

周強 | 編校

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org