别让AI来定义关键决策的问题框架

50多年前，毕加索曾指出：“计算机毫无用处。它们只能给你答案。”这句名言反映了一个由人类界定问题框架、计算机仅负责解决问题的世界，而AI正在模糊这一界限。

如今，AI的影响不仅在于它生成的答案，更在于这些答案所源自的框架。框架引导组织注意力，决定哪些可能性变得可见，哪些仍不为人所见。在此背景下，领导者的卓越之处，不仅体现在他们利用AI做出的决策上，更体现在他们构建的框架上。最大的战略价值，往往源于发现那些别人尚未想象到的可能性。

在大多数组织中，AI的快速部署是由一个简单的价值主张驱动的，那便是效率。它们以惊人的速度采纳了这一逻辑。到2025年，88%的组织在至少一项业务职能中部署了AI，而2023年这一比例仅为55%。生成式AI的部署率在短短一年内从33%飙升至71%。最大的效率提升，很少发生在决策制定的那一刻，而是源于更上游的认知工作，如信息收集、洞察开发和机会识别之中。随着AI日益支持这些活动，它正向上游移动，进入决策之前的流程。

战略风险并不在于谁做出最终决策，而在于谁塑造了决策前的思考。企业可能继续自行做出决策，但会越来越依赖AI来界定问题、缩小看似可行的可能性范围，并影响最初提出哪些问题。

试想一家企业正在进入新市场。战略团队利用AI分析趋势、竞争对手、内部能力及客户需求。短短几分钟内，AI便识别出有前景的机会，综合相关证据，并突出显示出少数几个战略方向。等到领导团队坐下来讨论时，议题已不再是界定机遇，而是评估各种可能性。AI在上游的这一角色，催生了两种截然不同且相互强化的动态：框架压缩与框架趋同。框架压缩减少组织内部的探索，框架趋同则减少组织之间的多样性。

框架压缩作用于组织内部。企业过去通常通过反复讨论、分析和辩论来构建框架。如今，AI将这一过程压缩至数分钟之内，改变的不仅仅是决策的速度，更改变了审议本身的成本收益。由于生成连贯的框架几乎无需成本，而对其进行批判性评估却依然要求严苛，AI从而改变了审议的激励结构。其结果便是，组织质疑这些框架所依赖假设、或探索替代方案的激励减少。一旦出现看似可行的框架，竞争性解释就可能被视为不必要的拖延，而非有价值的探究。

与此同时，框架趋同出现在许多使用相同基础模型和数据处理方法的组织之间。人们的关注点往往集中在AI使用者是否拥有不同的数据上。然而，战略多样性不仅取决于数据，还取决于用于组织数据的解释性结构。通过相似框架逻辑处理的不同数据集，仍可能产生高度相似的假设。其风险在于，组织会形成相似的盲点。如此一来，错错误变得相互关联而非彼此独立，整个行业可能更容易受到冲击。

“让人类留在决策回路中”的治理方案，其实并没有表面上看起来那么令人放心。关键问题不在于人类是否审查AI的输出结果，而在于在AI开始生成答案之前，人类是否还能影响问题的框架设定。人类可能仍处于审批环节，却已悄然淡出了框架设定环节。事实上，人类可以对三种可能性进行严格的压力测试，却从未质疑过这三种可能性是否从一开始就是值得考虑的正确选项。这种看似监督的行为，风险可能不过是从事先设定好的菜单中选择。

更好的提示词并不能从根本上解决这个问题。提示词只是在既定框架内优化搜索，却很少质疑框架本身是否恰当。尽管AI可以在选定框架内生成许多备选方案，但在揭示定义该框架的假设方面却不够可靠。即使未来的模型能够提出真正不同的框架，组织仍可能更倾向于采用第一个看似可行的框架所带来的效率，而非投入精力去探索其他替代方案。

无论是人工监督还是更完善的提示词，都无法解决根本问题：在AI构建框架之前，由谁来确定框架。这一责任仍由领导者承担。

领导者的独特贡献，日益体现于构建框架。这不仅关乎构建框架本身，更在于决定哪些内容纳入其中、哪些被排除在外，以及组织将从中获得何种意义。在实践中，这意味着在AI开始收窄可能性范围之前，创造让替代性框架得以浮现的条件。

因此，领导团队需要为稳健的战略框架构建创造条件。这些条件始于在寻找答案之前质疑问题，留出时间探索替代性框架，奖励真正的挑战精神，并将第一个看似可行的框架视为假设而非结论，抵制过早定论。

归根结底，这不仅是绩效问题，也是组织主权问题。那些失去框架控制权的组织，会逐渐失去定义自身战略议程的能力，唯有领导者才有能力阻止这种情况的发生。

本文作者：

Alexandra Dobra-Kiel，Serviceplan集团创新与战略总监

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。