洞察
为什么生成式AI加剧了创新瓶颈
大多数组织都在那些从不缓慢的环节上购买速度。
今年夏天，我一直在琢磨哈佛商学院的一个框架——研究人员的一篇工作论文提出了一种他们称之为创新的人类瓶颈视角（HBS WP 26-094，2026）。他们的前提静悄悄地激进。阻碍创新过程的制约因素很少是技术层面的。它们是认知和社会层面的。它们存在于人们如何产生想法、如何判断新颖性，以及想法如何在社会系统中传播之中。而生成式AI对这些制约因素的作用并非千篇一律。在每个阶段，它缓解了一些制约，却加深了另一些。
最后这句话是我反复回味的。我们谈论AI时，好像它是一场能让所有东西都水涨船高的潮水。但它更像是一根杠杆。你把它放在哪里，决定了事物是会被移动还是会被压垮。
审视各个阶段
让我们审视各个阶段。创意生成曾经确实受到限制——一小群人、有限的小时数、个人阅读的局限。AI几乎完全解除了这种限制。现在，组织在一下午内产出的看似合理的想法，比过去一个季度产出的还要多。
但筛选同样受到限制，而AI并没有以同样的方式缓解这一限制。判断新颖性需要了解哪些已经尝试过、哪些失败了、组织实际上能消化什么。这种判断依赖于少数人掌握的隐性知识。因此，当创意产出成倍增加而筛选能力保持不变时，瓶颈并没有消失。它发生了转移——落在了那些本来就是制约因素的人身上。
我猜这就是为什么从内部看，许多AI项目让人感到莫名失望。产出增加了，决策速度却没有。领导者将其解读为采用率问题，并继续为本来就已经很快的阶段购买更多工具。
第二组文献让这一观点更加犀利
第二组文献让这一观点更加犀利。今年发表在《心理学前沿》（Frontiers in Psychology）上的一项研究区分了人们将思考交予机器的两条路径。在依赖性卸载中，个人将判断本身委派出去并接受结果。在自主性卸载中，个人委派了生产但保留了判断——将输出结果作为审视的素材。从外部看，这些行为完全一致。同样的工具、同样的提示词、按时送达的同一份文档。不同之处在于，人类的心智停留在工作流的哪个环节。
组织只衡量产出物。因此，它们无法区分这两种情况。久而久之，如果只衡量产出物，这两种习惯中成本更低的那一个就会胜出。
我们究竟在缓解哪个瓶颈？
接下来的内容并非技术战略。这是一个设计问题，只需一小时就能梳理清楚：
我们究竟在缓解哪个瓶颈？明确指出那个阶段。如果是生成环节，请期待体量，而不是更好的决策。
我们刚刚加深了哪个瓶颈？如果生成量成倍增加，现在是谁必须对所有这些内容进行判断——我们又为他们提供了什么支持吗？
判断力仍然掌握在极少数人手里？那是贡献稀缺的地方，也是组织最脆弱的地方。
我们是在奖励自主性卸载还是依赖性卸载？不要问大家产出了什么，而要问他们拒绝了什么、为什么拒绝。拒绝的理由是我们能掌握的最清晰的思考信号，但几乎没有人去收集它。
我们这个特定系统真正缺少的究竟是什么
瓶颈框架有一种拨云见日的力量。它打破了“某种工具能全面提升整个组织”的幻想。它将问题带回了原本属于它的地方：不是技术能做什么，而是我们这个特定系统真正缺少的究竟是什么。
我认为，大多数组织从来都不缺想法。它们缺的是判断这些想法的勇气和能力。没有任何模型能缓解这一点。它只会让这种短缺变得更加明显——而且，继续忽视它的代价或许也变得更加高昂。