上一篇谈到 AI 让普通人开始拥有一个强大的智囊。过去，很多知识、经验和专业判断掌握在少数人手里，一个普通人即使知道自己遇到了问题，也未必有条件找到合适的专家。今天不一样了。AI把大量知识和专业能力放到了每个人身边。某种意义上，我们每个人都开始拥有一个甚至多个随时可以咨询的“顾问”。
但拥有顾问是一回事，能否有效使用顾问又是另一回事。
如果说上一篇更关注的是“老板是谁”——即使有了强大的智囊，最终作出选择、承担结果的人仍然是老板；那么这一篇想继续往前走一步：既然你已经有了智囊，怎样才能让这个智囊真正发挥作用？
我觉得答案的起点其实很简单：老板，请让事实先说话，再来判断。
这句话并不是让老板少判断。恰恰相反，判断力本来就是老板最重要的能力之一。只是判断有它更合适的位置。顾问负责专业分析，老板则需要在专业分析之后，把不同的信息、不同的方案放到自己的现实中去比较和取舍。尤其当身边可以同时拥有多个顾问、获得多个方案时，老板真正需要的，是全局视野下的判断力。
而在判断之前，有一件事情非常重要：先把事实尽可能完整地交给顾问。
现实中，我们却很容易把事实和判断混在一起。比如说“这个员工越来越不负责任”“这个产品没有市场”“这个方案风险太大”，听起来都是在描述事情，实际上已经饱含了我们对事情的解释。顾问如果从这样的描述开始分析，很可能还没有接触事实，就已经进入了老板设定好的判断框架。
有一个据说在中欧国际工商学院课堂上讲过的例子，很能说明这个问题。有人说：“非洲人都不穿鞋。”于是便有了一个很有意思的市场问题：既然非洲人都不穿鞋，到底说明鞋子没有市场，还是说明市场巨大？两种答案都可以讲出很漂亮的道理。有人会说，既然大家都不穿鞋，就说明没有穿鞋的需求；也有人会说，正因为这么多人没有鞋，所以这是一个巨大的潜在市场。
但这个故事真正有意思的地方，并不在于最后哪个答案正确，而在于最开始那句话。
“没穿鞋”和“不穿鞋”，不是一回事。
“没穿鞋”描述的是一个事实状态：在某个时间、某个场景下，这个人脚上没有鞋。至于为什么没有鞋，可能有很多原因。“不穿鞋”则已经加入了人的主观选择，甚至暗示一种持续性的行为倾向。一个人没穿鞋，并不意味着他选择不穿鞋，更不意味着他一直不穿鞋。
于是，一个非常细小的语言变化，就完成了一次从事实到判断的转换。
这对 LLM 尤其值得注意。语言不仅是表达思想的工具，也是 LLM 进入问题、理解问题和展开分析的入口。 对人来说，“没穿鞋”和“不穿鞋”可能只是一个字的差别；但对一个主要通过语言理解和推演的系统来说，这几个字可能已经改变了它面对的问题。
如果我们告诉 AI：“非洲人都不穿鞋，请分析非洲鞋业有没有市场”，AI当然可以认真分析，甚至可以给出非常完整的市场论证。但它分析的其实已经不是“很多人为什么没穿鞋”，而是“既然他们不穿鞋，那么市场意味着什么”。问题从一开始就已经被语言替我们设定了一部分。
所以，和 AI 交互时，老板真正需要注意的，往往不是提示词写得多么漂亮，而是事实信息究竟给得够不够充分、够不够详细。
发生在什么时候，具体发生了什么，有哪些数据，涉及哪些人，事情此前是什么状态，中间发生过什么变化，已经采取过哪些措施，各方分别说了什么，哪些事情是确定的，哪些事情只是自己的推测……这些信息越充分，AI越有可能进入事情本身，而不是只进入我们对事情的描述。
这里的“充分”甚至比“简洁”更重要。
我们平时很容易追求一句话把问题说清楚，但一句话往往也是最容易把判断带进去的地方。“他为什么越来越不负责任？”看似问题很明确，实际上已经把“越来越不负责任”作为前提。“他过去三个月有三次没有按时完成任务，其中两次提前说明了原因，一次没有说明；团队成员对他的评价也不完全一致，你认为有哪些可能的原因？”这才真正把问题打开。
老板当然可以告诉 AI 自己怎么看，但最好把判断和事实分开。
“这是我看到的事实。”
“这是我的感受。”
“这是我的判断。”
“这是我的目标。”
“这是我目前倾向的方案。”
这样的区分，看起来只是表达方式的变化，实际上是在给专业分析留下空间。
尤其是判断，要尽可能后置。
这里的“后置”不是不要判断，更不是把判断交给 AI，而是不要让自己的判断在专业分析开始之前就成为专业分析的前提。可以告诉 AI：“我目前倾向于 A，但这只是我的判断。请先不要接受这个结论，根据下面的事实独立分析。”
这样做，恰恰体现了老板的主观能动性。
因为老板不是没有判断，而是知道自己的判断可能影响分析，所以主动把它标出来，暂时放到后面。顾问先看事实、做专业分析，提出可能的解释和方案；老板再把自己的目标、现实约束和判断拿回来，重新审视这些方案。
这也是老板与顾问之间很重要的一种良性交互。
老板的主观能动性，会决定顾问能够在多大程度上发挥专业；顾问的专业能力，又会反过来拓展老板能够看到的东西。老板提出的问题越真实，提供的信息越充分，愿意让专业分析越深入，顾问的专业就越有可能真正落地；顾问越认真、越客观、越专业，老板也越有可能把自己的判断建立在更丰富的现实基础上。
这其实是一个循环，而不是单向关系。
老板把现实交给顾问，顾问把专业还给老板；老板再把这些专业意见放回自己的现实中进行判断。
而到了这一步，老板真正的判断力才更加重要。
因为当你只有一个顾问时，你可能是在判断这个方案是否值得接受；当你拥有多个顾问、多个专业视角、多个方案时，问题就变成了：这些意见各自解决了什么问题？彼此之间有什么冲突？哪些是局部最优，哪些才符合自己的整体目标？哪些风险可以承担，哪些不能？哪些方案虽然专业上成立，但在自己的现实条件下根本无法落地？
顾问可以告诉你自己的专业判断，却很难替你完成这些最终的全局取舍。
这正是老板的价值所在。
所以，判断力不是在顾问分析之前抢先给出答案，而是在顾问充分分析之后，把不同的专业意见放到一个完整的现实里进行择优。
AI越强，这种能力反而越重要。
因为过去我们缺的是信息和专业意见，现在我们越来越容易获得的恰恰是信息和专业意见。真正稀缺的，开始变成了：面对大量信息和多个方案，能不能保持全局视野，知道哪些东西真正重要，并最终作出取舍。
因此，AI时代的老板与智囊关系，其实可以很简单地概括为：先让事实充分进入，让专业充分展开，再让判断回来。
老板不要急着让 AI 证明自己是对的。先告诉它事情究竟发生了什么，尽可能把相关事实和背景交代清楚；把自己的情绪、判断、猜测和目标分别说出来，但不要让它们混进事实里；然后让顾问从专业角度重新看一遍。
至于最后怎么办，仍然是老板的事情。
不是因为 AI 不够聪明，而是因为老板面对的是一个完整的人生、一个完整的企业或者一个完整的现实。专业可以被分解，现实却最终需要被统合。技术、财务、法律、市场、管理，各自都可以给出自己的最佳答案，但老板最终面对的是这些答案之间的关系，以及它们与自己目标之间的关系。
所以，老板需要的不是一个替自己判断的 AI，而是一个能够让自己看得更多、看得更深，然后判断得更好的 AI。
回到“非洲人不穿鞋”的那个例子，也许真正值得记住的就只有那几个字：没穿鞋，是事实；不穿鞋，已经包含了判断。
对人如此，对 LLM 更是如此。
因为语言就是 LLM 进入现实的入口。一个词看起来只是措辞，实际上可能已经替我们定义了问题。
所以，老板，请让事实先说话。
让事实先进入，让专业先展开，让判断晚一点回来。
等到所有这些都摆在面前，再用老板自己的判断力，去做那个真正属于老板的决定。
评论 (0)