洞察
AI 如何悄然限制组织的雄心
想象一下，一位研究人员在白板上写下了两个问题，并做出了一项自己毫无察觉的小决定。第一个问题是她已经盘旋了三年的——尴尬、定义不清，那种你无法提前说清什么样的证据才算数的宏大问题。第二个问题则与之相邻、范围更窄，且用团队手头已有的数据就能给出明确的答案。她选择了第二个。并不是因为它更重要。而是因为当她把这两个问题描述给 AI 时，其中一个带回了一套方案，而另一个只带回了一段鼓励的话。她会把这称之为效率。但我认为这是另一回事。
约书亚·甘斯（Joshua Gans）有一篇工作论文（NBER 33566）精准地对这一现象进行了建模。当决策者获得了能在已知领域内很好进行内插的 AI 时，科学家们会采取策略性回应。当工具较弱时，他们会无视它。当工具极其强大时，他们会向真正的未知新领域推进，因为那正是工具价值发挥最大的地方。但在中间区间——也就是今天大多数组织所处的位置——科学家们却在“为 AI 打工”。他们限制了自己所追求事物的新颖性，以契合机器能够可靠处理的范围。
为 AI 打工
该模型表明，中度的 AI 可能会降低研究雄心。我认为这一发现的意义远超科学界。如今，每个组织里都充斥着每周要做几次这种“白板抉择”的人。尝试哪种分析。切入哪个客户问题。将哪个战略问题提上日程。一个崭新而无声的标准已经悄然进入决策过程：当我把它描述给机器时，事情会进展得有多顺利？
没有人指示任何人去应用这个标准。它的到来如释重负。那个易于处理的问题在周四前就能产出一份草案。而那个重要的问题则会带来数周的不确定性，且在评审会上交不出任何成果。在组织内部，做前一种人显然要轻松得多。
这并非一个关于 AI 受到限制的故事。这是一个关于雄心被我们的工具恰好能读懂的内容悄然重新界定的故事——并且这种重新界定不留一丝痕迹。一个被收窄的问题看起来并不狭隘。它看起来像是专注。它按时交付、结构清晰、无懈可击。而被放弃的问题从未出现在任何文档中，因此没有人去权衡这其中的得失。
雄心正被悄然重新界定
关于集体创造力的研究正从另一个方向得出相似的结论：使用 AI 往往会提高个人产出，同时降低整个人群产出的多样性。每个人都过得更好了。但群体的差异性却减少了。《自然·心理学综评》（Nature Reviews Psychology）今年夏天发表的一篇文章指出，抵御这种同质化的主要屏障是元认知——即智力谦逊，也就是在自己的推理发生时注意到它的习惯。
仔细琢磨一下，这真是一个奇怪的结论。对抗巨大规模技术的最后防线，竟然是一次微小而私密的注意力汇聚。
对抗巨大规模技术的最后防线
我不认为个人能够独自承担这一点。如果某种机制在意识层面以下运作，并受到日程表的奖励，那么意志力就是错误的工具。它必须被内化到组织的提问方式中去。
暂且看来，这可能是这样的：保留一份被考虑过但被搁置的问题的可视化记录，让雄心留下痕迹。在评审时，不仅要问发现了什么，还要问什么没有被尝试以及原因何在。专门资助一部分工作，其明确的标准就是目前没有人知道该如何着手。将“模型对此无话可说”视为前沿的信号，而不是不可行性的判决。
执行成本已经变得很低。这本该释放我们去提出更宏大的问题。只有当我们注意到自己正受到多么强烈的拉扯，被拽向那些易于回答的问题时，这一切才真正可能发生。
组织可能失去的最昂贵的东西不是时间。而是那个没有人记得自己曾决定不去提出的问题。