未來3年，它將成為一個人的核心競爭力

內容來源：內容匯編自網絡資料。

責編| 柒排版| 拾零

第 9320篇深度好文：6561字 | 17 分鐘閱讀

思維方式

筆記君說：

當ChatGPT能在瞬間生成學術報告、Midjourney可依據需求繪制創意作品、智能助手能精準響應各類指令時，一個普遍的困惑開始在人群中蔓延：在AI能提供幾乎所有答案的時代，人類該拼什么？

拼提問能力。一個好問題，能解決問題的一大半。

但并非簡單地問“是什么”，而是帶著批判性思維去追問“為什么”“憑什么”“還有沒有別的可能”。

AI是答案的生產者，而提問則是答案的篩選器、優化器。今天這篇文章，我們就學習一下如何批判性提問。

一、AI時代，如何高效吸收信息與知識？

1.兩種思維模式

《學會提問》將人類的思維劃分為兩種模式：

第一種是海綿式思維，其核心特點是被動吸收、全盤接受，簡單來說就是“記”——劃重點、抄筆記、背結論。

在AI的助力下，這種思維模式的“便利性”被推向了極致：無論是你需要的報告、方案，還是各類知識點，AI都能為你整理得妥妥當當。

然而，便利背后潛藏著巨大風險：你無法確定AI提供信息的來源是否可靠、邏輯是否存在漏洞，更無從知曉其中是否隱藏著隱性偏見。

第二種是淘金式思維，它以主動篩選為核心，強調帶著問題去與信息對話，關鍵在于“問”——邊閱讀邊質疑，邊聆聽邊評估，如同在沙子里淘金一般，從中篩選出具有核心價值的內容。

同樣是借助AI制作報告，有經驗的產品經理會提出三個關鍵問題：

1.數據來源是哪里？是否有最新的行業報告能夠佐證？

2.得出這個結論是基于什么假設？例如“90后偏好低價產品”，其背后的假設是“90后消費能力弱”，這種假設是否合理？

3.存在反例嗎？比如某高端品牌在90后消費群體中的銷量增長十分迅速，這是否能對該結論構成挑戰？

在AI時代，這兩種思維模式的差距，直接體現在是“被誤導”還是“能做出正確決策”上。

擁有淘金式思維的人，既不會盲目跟從AI給出的答案，也不會固執地堅持自己的固有看法，而是會用證據去驗證，用邏輯去判斷，從而掌握主動權。

2.批判性思維的三大維度：構建缺一不可的思考閉環

不少人會說“我也想主動提問，但不知道該從何處入手”。《學會提問》為我們提供了明確的答案：首先要搭建起批判性思維的三個維度，形成完整的思考閉環。

意識層面：主動尋找“漏洞”

這一維度的核心在于“不輕易相信”。每當看到“專家說”“數據顯示”“AI生成”等內容時，首先要在心里打一個問號：這些信息中是否存在未被提及的前提條件？

比如某網紅推薦“減肥茶，7天瘦10斤”，擁有海綿式思維的人會直接記住“7天瘦10斤”這個結果；而具備淘金式思維的人則會思考：這個減肥效果有對照組嗎？飲用這款減肥茶是否會產生副作用？7天瘦下來的是水分還是脂肪？

在AI時代，這種主動找“漏洞”的意識尤為重要。AI生成的“行業分析報告”可能包含過時的數據，“營銷方案”或許會忽略你的產品定位，“法律建議”也可能沒有考慮到地域差異。

只有主動去尋找這些潛在的“漏洞”，才能避免被AI誤導。

態度層面：保持“謙遜開放”

“認知繭房”是一個廣為人知的概念，而AI在一定程度上會加劇這一問題，比如你喜歡什么內容，它就會向你推送類似的內容，讓你逐漸陷入自我封閉的認知空間。

批判性思維所要求的態度，正是打破“認知繭房”的關鍵：要承認自己存在認知局限，愿意傾聽不同的觀點，不被情緒左右自己的判斷。

例如，當你支持某項政策時，不要急于讓AI為你提供“支持該政策的10個理由”，而是應該先去搜索“反對該政策的核心觀點”，然后進行理性評估，這樣才能全面、客觀地認識該政策。

技能層面：掌握“提問工具”

如果說意識層面是讓你“想提問”，那么技能層面就是教你“會提問”。

《學會提問》將抽象的批判性思維，轉化成了10個可直接套用的關鍵問題。只要按照以下10個問題依次進行提問，就能穿透表面現象，洞察本質。

二、10個關鍵問題：

讓批判性思維成為“肌肉記憶”

第一步：明確議題與結論——先抓住“靶心”

你是否有過這樣的經歷：開了兩個小時的會議，卻始終不清楚老板到底希望你做什么？出現這種情況的根源在于“沒有找到結論”。

《學會提問》中明確指出：結論是“可被論證的觀點”，而不是“事實陳述”。例如，“今年公司營收增長20%”，這只是一個事實，并非結論；而“今年營收增長是因為新品上市”，這才是一個需要證據支撐的結論。

舉個例子，新人小李利用AI生成了一份“渠道優化方案”，方案開篇羅列了大量的行業數據，但卻沒有明確提出核心結論。

領導看完后反問他：“你的結論是‘放棄線下渠道’還是‘優化線下渠道’？”直到這時，小李才意識到自己深陷在數據中，卻忽略了抓住問題的“靶心”。

這里有一個關鍵提醒：如果一份內容找不到明確的結論，即便它辭藻華麗、數據豐富，也沒有實際意義。在分析任何內容時，都要先問“結論是什么”，然后再展開后續的思考。

第二步：探尋理由——再查看“橋梁”

沒有理由支撐的結論，都只是“斷言”，不值得相信。比如，只說“這個方案不行”，這就是一種斷言；而“這個方案不行，因為投入產出比只有1:1，低于行業平均的1:3”，這才是一個有理由支撐的結論。

在面對一個結論時，我們可以提出這樣的問題：“支持這個結論的證據是什么？”“這些證據是數據、案例，還是個人經驗？”

在生活中也有很多這樣的例子。比如朋友推薦你“買這款基金，肯定漲”，這時你不要直接聽從建議去購買，而是應該反問：“你說它會漲，理由是什么？是基金經理過往的業績表現出色，還是該基金所投資的行業正處于風口？”如果對方只是說“我感覺的”，那么你就應該果斷拒絕這個建議。

第三步：識別歧義詞語——警惕“模糊陷阱”

很多爭論的本質，其實是雙方對詞語的定義不同。

舉個例子，A說“某企業是良心企業”，在A的認知里，“良心企業”的定義是“員工福利好，五險一金齊全”；而B卻反駁“它污染環境，不是良心企業”，B對“良心企業”的定義則是“社會責任強，環保達標”。兩人爭論了半天，實際上討論的是兩件不同的事情。

因此，在分析觀點時，我們要提出這樣的問題：“結論中的關鍵詞，具體定義是什么？”“不同的人對這個詞的理解，會不會存在差異？”

第四步：挖掘隱含假設——找出“地基”

有些觀點表面上看起來邏輯通順，但實際上隱藏著沒有明確表達出來的前提條件。這些前提條件就是“假設”，也是最容易出現問題的地方。

《學會提問》將假設分為兩種類型：

第一種是價值觀假設，即對“什么更重要”做出的隱性判斷。

例如，“應該廢除死刑”這一觀點，背后隱藏的價值觀假設是“生命權高于懲罰權”；而“應該保留死刑”的觀點，背后則藏著“正義（懲罰犯罪）高于生命權”的價值觀假設。價值觀本身沒有絕對的對錯，但它會直接決定結論的方向。

第二種是描述性假設，也就是對“世界是什么樣”做出的隱性判斷。

比如“應該多讀書，因為能提升收入”，這句話背后的假設是“讀書和收入呈正相關關系”。如果這個假設不成立，那么“多讀書能提升收入”這個結論也就站不住腳了。

在分析觀點時，我們可以提出這樣的問題：“作者默認了什么前提？這個前提是否合理？”“如果這個前提不成立，那么結論還能成立嗎？”

第五步：評估證據效力——判斷“可信度”

AI會為我們提供數據，專家會給出觀點，朋友會分享案例。但并非所有這些所謂的“證據”，都值得我們相信。

《學會提問》將常見的證據分為6類，每一類證據都有其特點、陷阱以及對應的批判性提問重點，具體如下表所示：

個人經歷：具有生動性，容易引發共情，但很容易出現“以偏概全”的問題。

典型案例：內容具體，包含豐富細節，但這些案例可能是經過“篩選”的，不具有普遍性。

專家觀點：具有一定的權威性，但專家可能存在立場偏向，或者其觀點已經過時。

數據/研究報告：看起來客觀公正，但數據和研究報告很容易被“操縱”。

類比論證：通俗易懂，便于理解，但“類比是否恰當”是關鍵問題。

個人觀察：具有直接性，但很容易受到觀察者主觀偏見的影響。

第六步：尋找替代原因——避免“單一歸因”

復雜的問題從來都不是“一因一果”那么簡單。但AI和很多人都傾向于給出“單一答案”，這種做法很容易導致我們對問題的認知出現偏差。

比如，某奶茶品牌去年的銷量增長了50%，AI分析得出的結論是“產品口感好”。但品牌創始人通過深入提問，發現了其他可能導致銷量增長的原因：

1.去年夏天天氣異常炎熱，消費者對飲品的需求大幅增加；

2.該品牌的競爭對手出現了食品安全問題，導致大量用戶流失，轉而選擇該品牌；

3.該品牌新開通了外賣渠道，擴大了產品的覆蓋范圍。

如果創始人只相信AI給出的“口感好”這一個原因，今年盲目地投入資金升級產品配方，而忽略了渠道拓展和對競爭環境的關注，那么今年的銷量很可能會出現暴跌。

第七步：識別數據欺騙性——拆解“數字陷阱”

數據看似客觀公正，但實際上卻最容易誤導人。《學會提問》總結了三種常見的“數字陷阱”：

陷阱1：百分比陷阱。這類陷阱通常只強調增長的百分比，卻不提及增長的基數。比如“某產品銷量增長100%”，聽起來增長幅度很大，但實際上可能只是從10件增長到20件，基數非常小，這樣的增長并沒有太大的實際意義。

陷阱2：平均數陷阱。平均數往往會掩蓋數據之間的差異。

例如“某公司員工平均月薪1萬”，但實際情況可能是老板月薪10萬，另外10個員工月薪僅為5千，將這些數據平均下來，才得出了“平均月薪1萬”的結果，這個平均數并不能真實反映大多數員工的薪資水平。

陷阱3：圖表陷阱。有些報告為了突出某個觀點，會對圖表進行操縱，比如將Y軸刻度從0改成90，這樣原本只有1%的差異，在圖表上看起來就像有10%的差距，從而誤導讀者對數據的判斷。

第八步：關注省略信息——警惕“片面性”

任何論證過程，本質上都是“選擇性呈現信息”——只展示對自己觀點有利的信息，而隱藏不利的信息。AI在這方面也不例外，它會根據你的提問傾向，篩選出符合你預期的信息。

因此，在向AI提問時，最好追加以下幾個問題：“是否存在相反的證據沒有被提及？”“這個方案可能存在的風險和需要付出的成本是什么？”“有沒有重要的背景信息被省略了？”只有全面了解這些信息，才能做出客觀、準確的判斷。

第九步：審視結論是否“非黑即白”——拒絕“二元思維”

“要么加班，要么失業”“要么支持，要么反對”——這種非黑即白的二元思維，是做出正確決策的大忌。

《學會提問》提醒我們：現實中的問題大多是“灰度問題”，存在中間地帶，不能簡單地用兩種極端的情況來概括。

比如，家長們在討論“教育應該側重應試還是素質”時，很容易陷入二元對立的局面。

而有經驗的老師則會提出這樣的疑問：“在小學階段，是不是可以側重素質培養，到了高中階段再適當加強應試訓練？”“在應試教育中，對錯題的分析整理，能不能轉化為素質教育中所強調的反思能力？”

二元思維會極大地限制我們的思考范圍，讓我們無法看到問題的多種可能性。在面對問題時，多問一句“還有沒有別的可能”，才能找到更優的解決方案。

第十步：明確結論的“適用范圍”

任何結論都有其“邊界”，一旦超過這個邊界，結論就可能失效。

比如，某互聯網公司推行的“扁平化管理”模式取得了很好的效果，一位傳統制造業的老板便直接將這種管理模式照搬過來。

結果卻導致員工工作混亂：生產車間需要嚴格的層級管理來確保生產安全，而扁平化管理使得指令傳達混亂；老員工習慣了明確的匯報關系，突然沒有了明確的領導，反而不知道該如何開展工作。

由此可見，明確結論的適用范圍，比了解結論本身更為重要。在借鑒他人經驗或運用某個結論時，一定要先判斷其是否適用于自己的實際情況。

三、3個方法，克服“思維惰性”

有人可能會說：“這10個問題我都明白，但遇到實際事情時，還是會忘記運用。”其實，這種情況很正常。

大腦天生就喜歡“省力思考”，而批判性思維則需要我們進行“費力思考”，這與大腦的本能傾向相悖。《學會提問》給出了3個切實可行的落地方法：

1.識別5種常見邏輯謬誤——避開“思維陷阱”

邏輯謬誤是“省力思考”的產物，也是AI和騙子最常利用的手段。記住以下5種常見的邏輯謬誤，能幫助你避開80%的思維陷阱。

謬誤1：人身攻擊。這種謬誤的特點是不反駁對方的觀點，而是通過攻擊對方的個人特質來否定其觀點。

比如“你沒做過生意，沒資格談論商業問題”“他品行不好，所以他說的話肯定不可信”。應對這種謬誤的方法是：不要關注對方的個人情況，只聚焦于對方的觀點和支持觀點的理由。

謬誤2：訴諸情感。這類謬誤是用情緒代替理性論證，通過煽動他人的情緒來讓對方接受自己的觀點。

例如“不支持這個方案，就是不愛國”“他是可憐的受害者，所以他說的都是真話”。應對方法是：冷靜下來，主動詢問“支持這個觀點的理由是什么”，不要被情緒左右自己的判斷。

謬誤3：滑坡謬誤。這種謬誤是夸大某個行為可能帶來的后果，認為只要邁出一步，就會引發一系列糟糕的連鎖反應。

比如“允許學生帶手機進校園，學生就會在上課時間玩手機，導致學習成績下降，最終考不上大學”。應對這種謬誤時，要問自己“每一步之間的因果關系是否真的成立？是否存在相反的案例？”

謬誤4：稻草人謬誤。該謬誤是先歪曲對方的觀點，然后再對被歪曲后的觀點進行攻擊。

比如你說“應該減少加班時間”，對方卻反駁“你是想讓公司倒閉嗎”。應對方法是：明確指出對方歪曲了自己的觀點，并重新清晰地表達自己的真實想法，例如“我沒說過要讓公司倒閉，我的意思是通過優化工作流程來提高工作效率，從而減少不必要的加班”。

謬誤5：訴諸權威。這種謬誤是盲目相信權威的觀點，不對觀點的合理性進行審視。

比如“這是某教授說的，肯定不會錯”“這是AI生成的內容，一定靠譜”。應對方法是：運用前面提到的10個關鍵問題，對權威觀點進行全面、深入的拷問，判斷其是否合理。

2.警惕“確認偏誤”——避免只看“自己想看到的”

“確認偏誤”是人類根深蒂固的一種思維偏見，而AI在一定程度上會加劇這種偏見。

當你支持某個政策時，AI會不斷向你推送“支持該政策的10個理由”；當你相信星座時，你會只記住星座預測中說對的部分，而忽略那些錯誤的預測。

應對“確認偏誤”的有效方法是主動進行“反向搜索”。如果你支持某個觀點，就要刻意去搜索“反對這個觀點的核心證據”；如果你想投資某只股票，不要只關注“看漲分析”，而是應該先搜索“看空這只股票的3個核心理由”。

只有同時了解正反兩方面的信息，才能對事物做出客觀、全面的判斷。

3.區分“事實”與“觀點”——不把“看法”當作“真相”

區分“事實”與“觀點”是批判性思維的基礎，也是減少無效爭論的關鍵。

事實是可以被驗證的，只有真和假兩種情況。

比如“地球繞太陽轉”，這是經過科學驗證的事實；“2023年中國GDP增長5.2%”，這是有官方數據支撐的事實；“這款手機的續航時間為24小時”，也可以通過實際測試來驗證。

驗證事實的方法有很多，比如查閱權威數據、進行實驗、尋找可靠的信息來源等。

觀點則是基于個人判斷形成的，沒有絕對的對錯，只有合理與不合理之分。

例如“這家餐廳的飯菜很好吃”，這是個人基于自身口味做出的判斷；“這部電影很無聊”，是個人根據自己的觀影體驗得出的觀點。判斷一個觀點是否合理，主要看支持觀點的理由是否充分，邏輯是否嚴密。

每個人都有自己的觀點，對于純粹的觀點爭論，比如“甜豆腐腦更好吃還是咸豆腐腦更好吃”，爭論對錯是沒有意義的；而對于事實性問題，比如“豆腐腦的起源地是哪里”，則可以通過尋找證據來爭論出真相。

四、AI時代，提問能力愈發重要

AI能為你提供答案，但通過提問，你才能找到“正確的答案”。

不妨從現在開始，當你遇到專家提出的觀點，試著提出第一個問題：“它的結論是什么？支持結論的理由是什么？”

*文章為作者獨立觀點，不代表筆記俠立場。

PS：各位筆記俠的朋友，跟大家同步一個消息——第五代企業家互生大會暨筆記俠創始人柯洲和他的創業者朋友年度演講，已經進入最后沖刺階段，距離正式登場只剩21天了！

他會把這一年觀察的20個全球化、數智化、新興產業化代表性案例，全部濃縮進4小時的演講里，一起尋找“看不見的新大陸”！

現在開放40個現場名額，與上百位第五代企業家共學。本次報名采取審核制。

預約直播，請掃碼下方海報二維碼↓

好文閱讀推薦：

“子彈筆記”是筆記俠的矩陣公眾號，聚焦職場效率追求、人際關系與高潛成長者，幫你3分鐘吃透核心觀點和方法論。歡迎關注～