被AI超越之后,人类学什么?

何伟，AIsims 领诺决策模拟技术公司 CEO

李世石输给AlphaGo那年，围棋圈有一种声音：人类学棋还有什么意义？

后来的发展出乎意料。棋手们没有放弃学棋，他们学得更勤了。只是学的东西变了。

以前学棋，核心是记招法。定式怎么走，布局怎么布，老师告诉你“这步棋形好”，你记下来。至于为什么好，老师说不清，你也想不清。一个定式的优劣，有时要等一代棋手用实战去验证。

现在不是了。棋手打开KataGo，摆一个局面，AI给出胜率。他试一个变化，胜率掉三个点；再试一个，胜率回来五个点。他反复摆，反复看，慢慢琢磨出AI的判断逻辑。他不是在学“怎么下”，他是在学“AI为什么这么判断”。

有一个年轻棋手说过一句话：以前学棋是学招法，现在是学评估。

学招法，人永远学不过AI。学评估，是用AI来训练自己的判断力。这是两种完全不同的学习。

商业模拟沙盘正在经历同样的转变。

传统的沙盘培训，学员组队，扮演CEO、CMO、CFO，在模拟市场里做一连串决策。营销投多少，产线扩不扩，研发什么时候启动。一个季度一个季度推，最后看哪组活得好。这种玩法的核心价值是“体验”，如果你亲手把公司搞破产一次，那么对现金流的敬畏就刻进你的骨头里了。

但它有天然的局限。体验的密度太低。你在第一年做了一个决策，后果要到第三年才显现。等到后果出现，你已经忘了当时的决策情境。更麻烦的是归因模糊：赢了，可能不知道是对手太弱还是运气太好；输了，可能总结出错误的教训。

讲师的复盘能弥补一部分，但讲师也是人。他的精力和经验边界，决定了复盘的深度上限。

AI进来之后，这件事的结构变了。

AI在沙盘里同时扮演三个角色。第一是陪练。学员可以和AI对战，体验被一个不犯低级错误、策略精密的对手步步紧逼的感觉。这种压力在和同学对战时很难获得。第二是镜子。学员做完决策，调取AI在相同局面下的选择作为参照。不必照抄，但会被逼着去想：它为什么投了3M营销费而我只投了2M？它的产能推演比我精确在哪里？第三是推演器。学员有一个想法，比如在年初借一大笔钱把产能铺开，可以让AI推演未来几个季度的后果。AI不会替人做决定，但它能说：走这条路，第三季度末现金大概率到警戒线。

这三件事加起来，产生了一个根本的变化：学员从“体验者”变成了“审视者”。他不再只是沉浸在自己的决策里感受后果，而是能够跳出来，把自己的决策和AI的决策并排放着，像看别人的棋谱一样看自己的棋。

这里需要区分两个容易被混淆的概念：纠错和驾驭。

纠错是AI不够成熟的时候发生的事。比如AI的推演有漏洞，把全年总产能算对了，但没发现第四季度末交不出货。学员发现这个漏洞，纠正了它。这证明的是AI还需要改进，不是人类有什么了不起的能力。

驾驭是另一回事。现在AI已经非常成熟，不会犯这种低级错误。相反，它的策略往往激进到让人不安。比如在Y1年末，它建议借入接近最上限的长期贷款，全部砸在产能和研发上。学员用AI的压力测试工具反复推演，发现如果市场按预期增长，这确实是最优解，Y3会把对手甩开一个身位；但如果市场增速放缓，哪怕只放缓一个季度，公司会在Y3/Q3现金流断裂。

AI的建议在它自己的假设框架里是正确的。它的假设是市场会按Forecast增长。学员没有这个信心。

学员最终决定借少一点，不是不借，是把杠杆降到一个自己能睡得着觉的刻度。

这不是对AI的纠错。AI没有错。学员是在AI的“理论最优解”和自己的“现实稳健解”之间做了一次翻译。他理解了AI的核心逻辑: 用时间窗口换增长空间, 也识别了AI的盲区：对不确定性估计不足。然后他用自己对这个世界的判断，把AI的策略校准到一个他认为安全的刻度。

这才是驾驭。驾驭不是比AI强，是看到AI看不到的东西。

那个沙盘团队的生产总监后来跟我说过一段话。他说那个AI让他更相信自己的直觉了。我问为什么。他说因为它逼着自己把直觉翻译成了AI能听懂的数据。等翻译完，他发现自己的直觉是对的，第四季度末真的交不出货。

这段话描述了一种很理想的人机关系。AI没有替代他的直觉，AI帮他验证了直觉。他没有盲从AI的计算，他用AI的计算打磨了自己的判断。他没有变成AI的手脚，他变成了一个更厉害的生产总监。

这可能就是“被AI超越之后，人类学什么”的答案之一。

不是去学AI已经会了的东西。那些东西学不过它。是学怎么站在AI的边界上，看它看不到的东西。是学怎么把AI的逻辑翻译成人类能理解的因果叙事。是学怎么在AI的“最优解”和自己的价值观之间做权衡。是学怎么把一个强大的智能，驯化成自己认知的一部分。

这些东西AI教不了。只有人教你，只有经验教你，只有自己一遍遍试、一遍遍错、一遍遍想，才能学会。

仔细想来，驾驭一个比自己聪明的存在，其实并不是什么新鲜事。一个好的主编，不一定是写稿最快的那个人，但她能判断哪篇稿子该发、哪篇还欠火候、哪篇流量不高但值得做。她驾驭的是一群比她写得快的记者。一个好的将军，不一定是枪法最准的那个人，但他知道把狙击手放在哪个山头、步兵什么时候冲锋、伤亡到什么程度必须撤退。他驾驭的是一群比他更能打的士兵。一个好的CEO，不一定是公司里最懂技术、最懂销售的那个人，但他知道在不同阶段该听谁的声音、该压谁的冲动、该在信息不完备的时候拍板。他驾驭的是一群在各自领域比他强的人。

只是现在，那个“比你快”、“比你能打”、“比你懂”的对象，从人变成了AI。

驾驭一个聪明的下属，和驾驭一个聪明的AI，底层逻辑是相通的。你要理解他的长处和短处，要能把他给的结果翻译成更大的图景，要在他走偏的时候拉一把，要为他设定一个他单靠自己无法理解的目标。

AI的崛起没有让这种能力贬值。恰恰相反，它让这种能力变成了人和机器之间最后的那条护城河。

以前学商业模拟，是学规则、学计算、学在什么情况下做什么决策。现在这些东西AI做得比人更好。现在学商业模拟，是学怎么用AI来审视自己的决策，是学怎么在AI的策略中发现它的假设和边界，是学怎么把自己的体感和AI的算力连接在一起，是学怎么做一个驾驭AI的人，而不是被AI替代的人。

那个拒绝AI建议的团队，不是比AI更聪明。他们是比AI更完整。AI有数据，他们有体感。AI有推演，他们有判断。AI有最优解，他们有价值观。

把这两样东西接在一起，才是未来商业决策者该有的样子。