洞察
组织中的判断力差距
我们花了一个世纪的时间来建立那些奖励“知道”的人的组织，却几乎没有花时间建立那些奖励“意识到自己不知道”的人的组织。这种不对称过去还能承受，但可能维持不了多久了。
今年早些时候，Scale 的一个研究团队发布了一个名为 HiL-Bench 的基准测试。其前提很简单：选取前沿 AI 模型已经能很好解决的困难软件和数据库任务，然后移除一些细节——这是每份实际编写的规范中都会缺失的那种细节：一个模糊的需求、文档之间的矛盾、一个没有人写下来的事实。
在信息完整的情况下，模型解决了 75% 到 89% 的任务。在赋予其向人类请求澄清的能力、但由其自行决定何时发问的情况下，在一个领域的表现跌至 38%，在另一个领域则跌至 12%。
令人震惊的不是失败，而是失败的方式。系统没有停滞或标记不确定性。它们用一个自信的假设填补了空白并继续运行。在数千个失败轨迹中，一个模型家族在其从未审视的信念之上构建了复杂的成果；另一个模型则在识别出自己卡住后依然硬着头皮推进。
这是一道判断力差距，而非能力差距
研究人员给这个缺失的东西起了一个很好的名字：判断力差距，而不是能力差距。发问的机制是存在的，但关于何时使用它的判断力却不存在。
我认为大多数组织都存在同样的差距，而且存在的时间比机器还要长得多。
想想我们是如何选拔人才的。我们要求提供他们已经产出的证据——学位、头衔、吞吐量、过往职责范围。我们很少要求提供证据，证明他们能够看出工作简报何时不连贯，或者某个计划何时建立在两年前成立、如今却从未重新审视的假设之上。伯宁格拉斯研究所（Burning Glass Institute）和 OneTen 在今年春天研究了美国一千多家大型雇主，发现那些正式取消学位要求的公司，非学位凭证雇员的录用比例仅上升了两个百分点。政策变了，选拔本能却没有变。美国黄金年龄劳动力中有 58% 没有四年制学位，而招聘机器却仍在执着于寻找相同的信号。
于是，我们组建了针对自信执行进行过优化的组织，然后当自信执行最终成为失败模式时，又表现得大惊小怪。
错误的假设现在正以机器的速度不断叠加
为什么现在这变得更加重要？当执行成本高昂时，一个自信的错误假设传播得很慢。它会经过人、草稿、会议、预算——每一个环节都是有人轻声发问的机会：“等等，我们这话到底是什么意思？”而现在的执行既便宜又快速。错误的假设现在正以机器的速度不断叠加。瓶颈转移到了上游，即工作起始问题的质量上。
这使得“察觉”成为了一种生产力——也许是最有价值的一种。而且，“察觉”不仅来自于专业知识，还来自于在不止一个系统中生活过。曾在仓库工作过、后来转行金融的人，能够一眼看出满屋子其他人直接忽略的供应链假设；从护士转为行政管理的人，能够听出政策中哪一部分在周二晚上根本无法行之有效；移民能够听出幻灯片里只有在本地长大的人才能听懂的那句话。在我看来，这就是多元化组织的真正论据——并不是因为差异本身值得赞赏，而是因为差异是唯一能够检测出同质化群体因身处其中而无法看清的假设的可靠探测器。
事实证明，判断力是可以训练的
基准测试中最令人鼓舞的部分是它的最后一项发现：事实证明，判断力是可以训练的。一个规模小得多的模型，经过训练能够识别无法解决的不确定性并据此行动，不仅改进了其提问方式，还改善了其结果。
如果它在模型中是可以训练的，那么它在机构中也就是可以培养的。但你无法培养从未记录的东西。这就让我回到了一个我一直在盘旋的问题：你的组织会记录下某人停下工作提出更好问题的时刻吗？还是说它只记得那些一直埋头苦干的人？