如何成為AI無法淘汰的人？答案藏在你的判斷力里

當我們在為AI帶來的效率提升感到興奮時，一個容易被忽略的風險正在浮現：AI在幫助新手快速完成任務的同時，也可能讓他們失去成長過程中最重要的“犯錯-學習”機會。這篇文章指出了一個關乎每個人職業發展的核心問題：如果基礎工作都被AI代勞，我們該如何培養關鍵的判斷力？這不僅是企業的管理挑戰，更是每位職場人需要思考的長期課題。

幾年前，我在一家咨詢公司首次嘗試將生成式AI作為工作伙伴時，觀察到一種令我驚訝的現象：AI對我的幫助遠大于對那些經驗較淺的同事。

在我的工作中，AI能幫助我更快完成研究整合、分析等需要專業知識的任務。雖然產出質量并非完美，但方向基本正確，我也能輕松調整引導。而對剛入職的分析師而言，使用AI的體驗卻截然不同——他們確實能快速生成內容，但成果并未比使用AI前有實質性提升。更引人深思的是，他們往往難以判斷產出質量的好壞，更不用說如何修正方向。有時，他們甚至不知該從何入手。

這與我的預期相悖。和2022年的許多人一樣，我曾認為生成式AI能幫助資淺員工突破能力局限，如同一次突如其來的能力注入。然而現實卻相反：這些工具放大了已有的判斷力，而非彌補判斷力的缺失。

如今我意識到，這個微觀案例恰恰解釋了當前各行業管理者面對AI輔助產出時普遍存在的不安：盡管成果生成迅速、形式精美，卻難以評估其質量，更遑論據此采取行動。

當我們深入觀察人們如何借助AI工具取得優質成果時，就會發現這種現象的合理性——這需要持續評估AI產出并進行深思熟慮的迭代。你提出指令、獲得結果、評估效果、調整指令，在此過程中不斷微調方向。

從歷史經驗看，這種判斷力并非來自使用AI本身，而是源于親身完成過類似工作的經驗。正是在那些緩慢、不完美且需為結果承擔實際責任的重復實踐中，人的判斷力才得以淬煉。

這就引出了一個無論企業是否意識到、都正在面臨的悖論：AI既增加了對判斷力的需求，同時也在侵蝕孕育判斷力的經驗土壤。

哈佛商學院的艾米·埃德蒙森和羅盛咨詢的托馬斯·查莫羅-普雷姆日奇曾警告過完全用AI替代初級崗位的風險。本文聚焦的則是當初級崗位保留但其培養價值發生根本性變化時會出現的問題。

首先，我需要完整闡述“判斷力”的內涵。

何為判斷力？

判斷力是領導者常提及卻鮮少明確定義的特質。它常是晉升的關鍵門檻，且隨著職級升高愈發重要。對此我深有體會：既曾需要展現判斷力以獲得晉升，后來也需在評估他人時考察這項能力。

判斷力，可被定義為一種在既有規則無法提供明確指引時，仍能作出明智決策的能力。這種能力包括：識別情境的關鍵要素、權衡相互沖突的優先級與利弊、預見決策可能引發的后果，并在不確定性的環境下，主動抉擇何時需要為結果承擔責任。

這一定義意味著，當領導者談論判斷力時，通常融合了多種表現形式。實踐中至少體現為以下五類：

評估判斷：辨別事物優劣、強弱、恰當與否的能力

情境判斷：把握通用規則的適用邊界，識別需要特例處理的情境

取舍判斷：在沒有明確正確選項時權衡競爭目標的能力

預見判斷：在結果顯現前洞察潛在連鎖反應的能力

擔當判斷：在不確定性中決定何時需要個人承擔責任與風險，而非回避或上交決策

以新產品上市決策為例：兩位領導者可能審閱相同數據、理解相同風險、認同預期收益，但一人拍板推進而另一人猶豫不決。差異正源于判斷力——前者認為供應鏈風險可控，延遲六個月將讓競爭對手搶占過多先機；后者則擔憂上市時的質量問題可能損害品牌信任，而修復這種信任需要數年時間。兩者皆非錯誤，只是基于多年觀察類似決策形成的認知模式，對相同取舍做出了不同權衡。

這些判斷力通常無法直接傳授，而是從工作本身的結構中自然涌現。

傳統判斷力的形成土壤

在多數組織里，判斷力是工作架構衍生的副產品。以專業服務機構為例：初級顧問需承擔調研、信息整合、模型構建、報告撰寫等任務。根據我的親身經歷，初期嘗試總存在缺陷與不足，但在獲得管理者反饋指導、持續改進的過程中，我逐漸培養出對高質量成果的鑒別力。

這種模式在咨詢公司的每個層級——從分析師到經理再到合伙人——不斷重演。隨著職級提升，責任性質轉向項目領導、團隊建設、客戶關系維護與組織發展，但判斷力的形成路徑始終相似：承擔超越現有能力的新責任，在試錯中獲得反饋，從經驗中學習成長。

這種模式并不限于專業服務領域，而是各類組織培養人才的通用路徑。試舉兩個AI已產生深遠影響的領域為例：

產品管理領域

傳統上，初級產品經理通過撰寫原始需求文檔、明確功能取舍、為開發優先級決策辯護、觀察上線后效果來錘煉判斷力。而今AI可在數分鐘內生成產品規格、用戶故事、路線圖等所有內容。新一代產品經理往往只需審閱這些產出，而非親手創造。

市場營銷領域

廣告文案、視覺素材生成、營銷活動策劃等傳統營銷工作，現已能通過AI快速批量生成（意味著幾乎有無窮選項可供選擇）。隨著模型學習企業歷史營銷方案、戰略文檔及競品動態，其產出質量持續提升。這使得新一代初級營銷人員未必需要親歷創作過程的艱難磨礪，卻也因此錯過了傳統的成長必修課。

這個培養體系有兩個關鍵特征：實際決策權與重復實踐。沒有什么比承擔決策后果更能錘煉判斷力。重復實踐同樣至關重要——當需要評估他人工作時，你已親歷過多次掙扎求索的過程。

這套體系效率并不突出，但確實有效。然而其建立在一個前提上：人類將繼續執行那些培養判斷力的核心任務。在AI時代，這個前提已然動搖。

悖論：缺失經驗的判斷力

這導致企業正面臨一個悖論：要有效使用AI，人們需要對當前任務具備判斷力；但隨著AI承擔更多工作，曾經孕育判斷力的實踐經驗卻開始消逝。

對個人而言，這種轉變體現在工作體驗與技能發展方式上。AI產出快速且充滿自信語氣，審閱優化這些產出可能讓人產生深度參與的錯覺。但由于人們現在是對生成答案作出反應，而非從零創造，其認知過程與培養的相關技能已截然不同。

對組織整體而言，這種影響會持續放大。初級崗位失去那些原本作為訓練場的雜亂而關鍵的成長型任務，導致中層管理者需要督導他們從未完全掌握的工作。高層領導者則發現，越來越少人能在不確定性中勝任需要真正判斷力的崗位。

哈佛商業評論一篇關于AI生成“工作垃圾”的文章描述了這種動態的連鎖反應：那些外表光鮮卻缺乏實質內容或情境支撐的產出，因越來越少人能識別其局限或予以修正，最終通過引發混亂與返工侵蝕整體效率。

為何僅有“人類參與”仍然不夠？

面對自動化過度的隱憂，許多企業確立了一條看似穩妥的原則：確保人類始終處于決策閉環之中。這體現為對特定產出或決策的正式審查等多種形式，雖是降低風險的重要原則，卻未能解決培養判斷力土壤這一深層問題。

其他常見的AI保障措施雖具價值，卻可能無意中加劇此問題。以升級上報機制為例：這類規則要求初級員工將模糊或高風險案例移交上級決策。短期雖保障了質量，卻也教會新員工將不確定性視為需要轉移而非克服的難題。長此以往，組織將越來越依賴日益縮減的經驗決策者群體，而培養應對模糊情境能力的渠道卻在收窄。

問題的核心在于：大多數“人類參與”機制的設計初衷，是優化對流程的控制與已知風險的管理，而非促進參與閉環中人類自身的成長。

典型案例：編輯判斷力

要理解其中的利害關系，不妨審視專業雜志編輯的工作。

當稿件送至編輯案頭，他們需要從流暢度、論證、證據、語調、受眾契合度、原創性、實用價值等多維度評估質量。這些判斷往往同步進行，同時權衡整體質量是否達到出版標準。若決定采用，編輯需指出各個維度如何改進才能達標，并標記需要補充的內容。

這種判斷力源自多年處理粗糙稿件、提供反饋、與作者反復溝通、決定刊發內容，更重要的是觀察讀者反應的過程。優秀編輯通常自身就是卓越的寫作者，經歷自己作品被編輯的過程也助力了判斷力培養。雖然部分專業知識可提煉為明確規則，但更多時候它屬于隱性知識，運用時甚至如同直覺。

現在試想讓缺乏此背景者評估同一份稿件。即使此人聰明勤奮、能識別表面問題，仍將難以把握真正的關鍵所在。他們無法判斷稿件中的缺陷是否可修正，也不理解該文章如何融入整體編輯規劃。其反饋往往趨于保守或方向偏差——根本原因在于缺乏提供有效反饋所需的經驗。

這個差距正是所有組織在AI時代面臨的困境。由于人工智能能夠高速生成看似專業的跨領域內容，其人類使用者實則處于"經驗缺失的編輯"境地——他們不得不在缺乏必要實踐經驗的前提下，對AI產出進行審查與評估，而這些實踐原本正是形成深度編輯判斷力的基石。

領導者忽視的組織風險

孤立地看，判斷力退化似乎只是技能問題或短期陣痛。但從系統視角審視，這實則構成領導力與繼任風險。

組織需要持續補充能在不確定性中做出穩健決策的人才。傳統上，這種補充通過人員在崗位流動中積累日趨重要的決策經驗而實現。

隨著AI自動化那些塑造能力的基礎工作，越來越少人能接觸曾經作為判斷力訓練場的場景。結果判斷力將集中于更小范圍的高層領導者群體——他們的經驗形成于自動化普及之前。最終，隨著新一代領導者普遍缺乏在日益常見的新穎或模糊情境下的關鍵決策能力，人才梯隊將逐漸萎縮。

此外還存在更微妙的文化影響。當人們在職業生涯早期就被剝奪此處所述的擔當體驗，其學習重心將自然轉向如何向上管理，而非學習如何決策。

這些是AI帶來的真實風險，且不同于其他常被提及的AI相關風險。

破局之道：重建判斷力培育土壤

當前組織面臨的挑戰在于：如何在AI時代重新設計工作，使判斷力仍能持續發展。一個有效的切入點是提出診斷性問題，揭示特定崗位的決策發生點及其所需知識技能：

真正做出重要決策的是誰？誰只是在審閱他人或機器塑造的成果？

人們在何處體驗自身選擇（包括失敗）帶來的后續影響？

哪些崗位失去了曾經隨時間培養判斷力的重復性、低風險任務？

人們在何處被保護免于面對模糊性，而非被要求與之角力？

這些問題有助于我們辨識：哪些環節仍保留著判斷力形成的土壤，而哪些環節已被AI技術割裂了人與關鍵決策場景的聯系。針對后者，必須構建替代性的能力培養機制。

雖然相關機制仍在積極探索中，但我們可以從那些獲取真實經驗成本過高或風險過大的領域（如醫療、軍事）汲取靈感。這些領域長期通過案例研習、模擬訓練、隨判斷力驗證逐級增加責任、結構化事后復盤等機制，有意識地構建判斷力。

AI時代的核心挑戰，是如何持續培養出具備判斷力的人。

關鍵詞：

大衛·S·鄧肯（David S. Duncan ）| 文

大衛·S·鄧肯是咨詢公司Disruptive Edge合伙人，專長為增長戰略、創新與AI應用咨詢。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org