導(dǎo)讀：在AI技術(shù)浪潮席卷全球商業(yè)環(huán)境的當(dāng)下，一個(gè)關(guān)鍵問(wèn)題浮出水面：人工智能是否將取代企業(yè)戰(zhàn)略決策者？牛津大學(xué)的Teppo Felin教授提出了令人深思的觀點(diǎn)，挑戰(zhàn)了當(dāng)前"算法終將主宰決策"的流行論調(diào)。本文將深入探討AI（特別是大型語(yǔ)言模型）的本質(zhì)與局限，剖析人類(lèi)認(rèn)知在戰(zhàn)略決策中的獨(dú)特價(jià)值，并思考AI時(shí)代企業(yè)戰(zhàn)略的新范式。

諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Daniel Kahneman曾在2018年做出驚人斷言："只要有足夠的數(shù)據(jù)，沒(méi)有理由限制AI能做什么。你應(yīng)該盡可能用算法替代人類(lèi)。"這一觀點(diǎn)代表了當(dāng)前主流思潮：AI在國(guó)際象棋、圍棋、外交等領(lǐng)域已超越人類(lèi)，甚至在數(shù)學(xué)答題和醫(yī)療診斷方面表現(xiàn)出色，似乎預(yù)示著算法決策的全面勝利。

要評(píng)估AI在企業(yè)戰(zhàn)略中的真正價(jià)值，我們必須首先理解其本質(zhì)。大型語(yǔ)言模型（LLM）本質(zhì)上是一種預(yù)測(cè)技術(shù)，通過(guò)分析大約13萬(wàn)億個(gè)語(yǔ)言標(biāo)記（tokens）的訓(xùn)練數(shù)據(jù)來(lái)預(yù)測(cè)下一個(gè)詞的概率分布。這一數(shù)據(jù)量之龐大令人咋舌——據(jù)估算，人類(lèi)需要200萬(wàn)年才能接觸到如此海量的文本信息。LLM學(xué)習(xí)的是詞匯間的統(tǒng)計(jì)關(guān)聯(lián)，在一定的上下文窗口中分析詞序和上下文關(guān)系。

這種技術(shù)的強(qiáng)大之處在于能夠生成流暢的文本，但其"認(rèn)知"存在根本性局限。Felin教授提出了一個(gè)引人深思的實(shí)驗(yàn)：如果在1633年伽利略時(shí)代存在LLM，并且它接受了當(dāng)時(shí)所有科學(xué)文獻(xiàn)的訓(xùn)練，它會(huì)如何評(píng)價(jià)伽利略的日心說(shuō)？答案幾乎毫無(wú)疑問(wèn)——它會(huì)堅(jiān)定地認(rèn)為伽利略錯(cuò)了，因?yàn)閷?duì)LLM而言，"真相"等同于其訓(xùn)練數(shù)據(jù)中某種說(shuō)法出現(xiàn)的頻率。在伽利略時(shí)代，科學(xué)共識(shí)、觀測(cè)數(shù)據(jù)甚至日常經(jīng)驗(yàn)全都支持地心說(shuō)，而非日心說(shuō)。

這一實(shí)驗(yàn)揭示了AI決策的關(guān)鍵盲點(diǎn)：我們不總是需要更多數(shù)據(jù)，有時(shí)我們需要的是正確的理論、正確的實(shí)驗(yàn)和正確的數(shù)據(jù)。LLM的根本局限在于它僅能鏡像其訓(xùn)練數(shù)據(jù)，無(wú)法進(jìn)行真正的前瞻性思考。雖然它可以模仿與推理相關(guān)的詞匯，但多項(xiàng)研究表明，當(dāng)稍微改變經(jīng)典推理任務(wù)的措辭時(shí)，LLM往往會(huì)完全失敗，表明它并非在進(jìn)行實(shí)際推理，而是在重復(fù)訓(xùn)練數(shù)據(jù)中的模式。

在企業(yè)環(huán)境中，這種局限性與Erik Brynjolfsson提出的"IT生產(chǎn)力悖論"相呼應(yīng)：企業(yè)在IT上的大量投資往往沒(méi)有帶來(lái)相應(yīng)的回報(bào)。同樣，通用AI技術(shù)往往產(chǎn)生通用輸出，難以為企業(yè)創(chuàng)造差異化價(jià)值。這就引出了一個(gè)戰(zhàn)略性問(wèn)題：在什么類(lèi)型的決策環(huán)境中，AI的數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)能夠創(chuàng)造價(jià)值，而在什么環(huán)境中，我們?nèi)匀恍枰蕾?lài)人類(lèi)獨(dú)特的認(rèn)知能力？

人類(lèi)認(rèn)知優(yōu)勢(shì)：超越數(shù)據(jù)的戰(zhàn)略思維

1903年，科學(xué)界和公眾聚集在華盛頓特區(qū)的河邊，觀看著名科學(xué)家Samuel Langley嘗試飛行。當(dāng)他的飛行器從坡道滑下直接墜入水中時(shí)，《The New York Times》及眾多科學(xué)權(quán)威得出結(jié)論：人類(lèi)飛行是不可能的。英國(guó)皇家學(xué)會(huì)主席Lord Kelvin斷言："我明確指出，比空氣重的飛行機(jī)器是不可能的。"著名天文學(xué)家Simon Newcomb認(rèn)為："比空氣重的機(jī)器飛行是不切實(shí)際的，無(wú)關(guān)緊要的，如果不是完全不可能的話。"

就在同年，兩位自行車(chē)機(jī)械師——萊特兄弟成功實(shí)現(xiàn)了飛行。這一歷史性突破揭示了人類(lèi)認(rèn)知的獨(dú)特價(jià)值。萊特兄弟沒(méi)有被科學(xué)共識(shí)和現(xiàn)有數(shù)據(jù)所束縛，而是基于一個(gè)看似不可能的信念：人類(lèi)飛行是可行的，前提是我們能夠解決升力、推進(jìn)力和轉(zhuǎn)向三個(gè)具體問(wèn)題。

這種認(rèn)知方式與愛(ài)因斯坦的洞見(jiàn)不謀而合："你能否觀察到某物取決于你使用的理論。是理論決定了什么能被觀察到。"人類(lèi)決策者頭腦中的理論框架引導(dǎo)著我們關(guān)注特定問(wèn)題并尋找解決方案。如心理學(xué)家Kurt Lewin所言："沒(méi)有什么比好理論更實(shí)用的了。"

更令人驚奇的是，人類(lèi)能夠利用相對(duì)稀疏的數(shù)據(jù)進(jìn)行有效決策和創(chuàng)新。研究表明，人類(lèi)每天接觸約17,000個(gè)詞匯，這與LLM的13萬(wàn)億標(biāo)記相比微不足道。然而，人類(lèi)能夠進(jìn)行生成性語(yǔ)言創(chuàng)造和真正的創(chuàng)新思考，這一點(diǎn)LLM無(wú)法企及。原因在于人類(lèi)不僅僅是在處理數(shù)據(jù)，而是在與環(huán)境進(jìn)行互動(dòng)實(shí)驗(yàn)，通過(guò)尋找正確的線索而非簡(jiǎn)單地處理海量信息來(lái)理解世界。

在狩獵等進(jìn)化環(huán)境中，人類(lèi)不是通過(guò)處理所有可能的數(shù)據(jù)來(lái)追蹤獵物，而是尋找關(guān)鍵線索。同樣，嬰兒不僅被動(dòng)接收輸入，還主動(dòng)實(shí)驗(yàn)他們的環(huán)境。這種實(shí)驗(yàn)和數(shù)據(jù)創(chuàng)造的能力是人類(lèi)認(rèn)知的獨(dú)特之處，也是任何決策者或高管在面對(duì)不確定性時(shí)所運(yùn)用的能力。

這種能力的另一個(gè)關(guān)鍵方面是情感和信念的作用。萊特兄弟對(duì)飛行的熱情驅(qū)使他們反抗當(dāng)時(shí)的科學(xué)共識(shí)。這種激情與數(shù)據(jù)分析能力的結(jié)合，使人類(lèi)能夠在面對(duì)看似不可能的挑戰(zhàn)時(shí)堅(jiān)持不懈，這是AI在設(shè)計(jì)上所缺乏的關(guān)鍵因素。

創(chuàng)新戰(zhàn)略與顛覆性商業(yè)模式的AI盲點(diǎn)

如果在2007年將Airbnb的商業(yè)理念輸入一個(gè)基于歷史數(shù)據(jù)訓(xùn)練的LLM，結(jié)果會(huì)如何？著名風(fēng)險(xiǎn)投資家Fred Wilson（Twitter和Kickstarter的投資人）在收到Airbnb的商業(yè)計(jì)劃時(shí)斷言："這只適合背包客和嬉皮士。"酒店行業(yè)專(zhuān)家認(rèn)為這不是一個(gè)可行的商業(yè)模式。

如果在當(dāng)時(shí)問(wèn)大多數(shù)人，他們是否愿意將自己的家租給陌生人，或在旅行時(shí)住在陌生人家中，答案很可能是否定的。沒(méi)有歷史數(shù)據(jù)支持這一商業(yè)模式的可行性。然而，通過(guò)分解并解決三個(gè)關(guān)鍵問(wèn)題——信任、匹配和交易風(fēng)險(xiǎn)，Airbnb創(chuàng)造了一個(gè)市值超過(guò)1000億美元的企業(yè)，徹底改變了人們的旅行方式。

這個(gè)案例揭示了基于歷史數(shù)據(jù)的AI在預(yù)測(cè)顛覆性創(chuàng)新方面的根本局限。創(chuàng)新往往意味著創(chuàng)造此前不存在的數(shù)據(jù)，改變消費(fèi)者行為和市場(chǎng)格局。就像萊特兄弟一樣，Airbnb的創(chuàng)始人沒(méi)有被現(xiàn)有數(shù)據(jù)所束縛，而是專(zhuān)注于解決特定問(wèn)題，通過(guò)實(shí)驗(yàn)創(chuàng)造新的可能性。

對(duì)企業(yè)而言，這一洞察具有深遠(yuǎn)的戰(zhàn)略意義。通用AI技術(shù)產(chǎn)生通用輸出，難以為企業(yè)創(chuàng)造差異化價(jià)值。真正的戰(zhàn)略?xún)r(jià)值來(lái)自于企業(yè)特定的應(yīng)用，如利用檢索增強(qiáng)生成(RAG)技術(shù)將企業(yè)特定知識(shí)整合到AI應(yīng)用中。企業(yè)領(lǐng)導(dǎo)者需要思考：AI如何成為解決企業(yè)獨(dú)特問(wèn)題的變量之一，而非簡(jiǎn)單地追隨技術(shù)潮流？

這種思考方式要求我們超越簡(jiǎn)單的數(shù)據(jù)驅(qū)動(dòng)決策，轉(zhuǎn)向理論驅(qū)動(dòng)的戰(zhàn)略思維。在穩(wěn)定環(huán)境中，歷史數(shù)據(jù)可以很好地預(yù)測(cè)未來(lái)；但在創(chuàng)新環(huán)境中，理論構(gòu)建、假設(shè)檢驗(yàn)和實(shí)驗(yàn)?zāi)芰ψ兊弥陵P(guān)重要。這正是人類(lèi)認(rèn)知相對(duì)于AI的獨(dú)特優(yōu)勢(shì)所在。

我們不應(yīng)當(dāng)過(guò)度依賴(lài)或完全拒絕AI，而應(yīng)當(dāng)理解其適用的決策領(lǐng)域，并在相應(yīng)環(huán)境中有效部署人類(lèi)智慧或AI工具。這種平衡需要我們重新思考AI在企業(yè)戰(zhàn)略中的角色：不是簡(jiǎn)單的替代品，而是增強(qiáng)人類(lèi)決策能力的工具。

AI時(shí)代的企業(yè)戰(zhàn)略：混合決策模式與競(jìng)爭(zhēng)優(yōu)勢(shì)

在當(dāng)前對(duì)AI的熱情中，一個(gè)關(guān)鍵問(wèn)題被忽視：在什么類(lèi)型的決策環(huán)境中，AI能夠創(chuàng)造價(jià)值，而在什么環(huán)境中，人類(lèi)認(rèn)知仍然至關(guān)重要？牛津大學(xué)的Matthias Holweg教授指出，對(duì)于常規(guī)操作決策——那些過(guò)去能夠很好地映射未來(lái)的環(huán)境——AI的數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)非常有效。但對(duì)于創(chuàng)新戰(zhàn)略決策，人類(lèi)的前瞻性思維仍然不可替代。

未來(lái)的企業(yè)戰(zhàn)略將越來(lái)越依賴(lài)于人類(lèi)-AI混合決策系統(tǒng)。這種系統(tǒng)中，AI提供數(shù)據(jù)分析和預(yù)測(cè)支持，而人類(lèi)提供創(chuàng)造性思維、情感判斷和理論構(gòu)建。關(guān)鍵在于設(shè)計(jì)這種混合系統(tǒng)的原則：如何在企業(yè)中有效區(qū)分不同類(lèi)型的決策環(huán)境，并相應(yīng)地部署人類(lèi)智慧或AI工具？

首先，企業(yè)需要理解AI的潛力與局限。通用AI應(yīng)用將變得越來(lái)越普遍，但真正的競(jìng)爭(zhēng)優(yōu)勢(shì)來(lái)自企業(yè)特定的應(yīng)用。檢索增強(qiáng)生成(RAG)等技術(shù)允許企業(yè)將通用語(yǔ)言能力與企業(yè)特定知識(shí)結(jié)合，創(chuàng)造獨(dú)特價(jià)值。這要求企業(yè)思考：我們?nèi)绾螌I整合為解決企業(yè)獨(dú)特問(wèn)題的一個(gè)變量？

其次，企業(yè)需要培養(yǎng)組織的前瞻性思維和實(shí)驗(yàn)文化。萊特兄弟和Airbnb的案例表明，突破性創(chuàng)新往往來(lái)自于那些能夠超越現(xiàn)有數(shù)據(jù)，基于理論構(gòu)建和問(wèn)題解決進(jìn)行實(shí)驗(yàn)的組織。這種能力在AI時(shí)代變得更加重要，而非更不重要。

最后，AI時(shí)代的戰(zhàn)略領(lǐng)導(dǎo)力需要一種新的思維模式。領(lǐng)導(dǎo)者需要明白，真正的戰(zhàn)略思維不僅關(guān)乎預(yù)測(cè)未來(lái)，更關(guān)乎創(chuàng)造未來(lái)。在穩(wěn)定環(huán)境中，AI的預(yù)測(cè)能力可以創(chuàng)造巨大價(jià)值；但在創(chuàng)新環(huán)境中，人類(lèi)的理論構(gòu)建、問(wèn)題分解和實(shí)驗(yàn)?zāi)芰θ匀皇遣豢商娲暮诵母?jìng)爭(zhēng)力。

最成功的企業(yè)將是那些既能利用AI的預(yù)測(cè)力量，又能保持人類(lèi)獨(dú)特創(chuàng)造性的組織——他們不僅能看見(jiàn)當(dāng)前的數(shù)據(jù)，還能想象尚不存在的可能性。在這種混合決策模式中，AI不是人類(lèi)決策者的替代品，而是強(qiáng)大的合作伙伴，共同應(yīng)對(duì)未來(lái)的戰(zhàn)略挑戰(zhàn)。

在AI快速發(fā)展的時(shí)代，企業(yè)戰(zhàn)略決策者面臨著重新思考人類(lèi)認(rèn)知與人工智能各自?xún)r(jià)值的挑戰(zhàn)。通過(guò)理解AI的預(yù)測(cè)本質(zhì)與局限，認(rèn)識(shí)人類(lèi)前瞻性思維的獨(dú)特價(jià)值，企業(yè)可以構(gòu)建更有效的混合決策系統(tǒng)，在數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)與創(chuàng)造性戰(zhàn)略思維之間找到平衡。真正的競(jìng)爭(zhēng)優(yōu)勢(shì)不在于簡(jiǎn)單地采用最新AI技術(shù)，而在于理解何時(shí)依賴(lài)數(shù)據(jù)，何時(shí)超越數(shù)據(jù)，以及如何將AI整合為解決企業(yè)獨(dú)特問(wèn)題的一個(gè)變量。這種平衡將定義AI時(shí)代的戰(zhàn)略領(lǐng)導(dǎo)力，引領(lǐng)企業(yè)在不確定性中把握機(jī)遇，創(chuàng)造未來(lái)。