EMBA答辩|一组7人,4人没过!AI帮你提速,也可能让你翻车

最近一段时间，一批EMBA学员陆续进入论文答辩阶段。这本来应该是一个收尾的阶段——论文写完了，数据也做完了，只要正常发挥，基本就可以顺利通过。但今年的情况，开始明显变了。

这段时间，我们持续在跟进学员的答辩情况，明显感觉今年的答辩现场，被卡、被要求大修甚至未通过的情况，明显在增多。有学员在答辩结束后，跟我们反馈“答辩最后半天有个组7人答辩，直接当场宣布4人没通过！”不是小修，也不是补材料，而是需要重新大幅修改，甚至重写！

如果只是个别情况，可能还可以理解为选题或方法问题。但更值得注意的是，从学校发出的通知来看，大部分没有通过的原因都是他们的论文被认为“AI痕迹过重”

其实，这并不是答辩现场才出现的问题。在论文写作的过程中，学校和导师也一直反复强调，可以使用AI工具，但不能依赖AI生成的内容，尤其要避免出现明显的AI写作痕迹，特别是文献来源不真实、内容逻辑模板化和关键部分无法解释的现象。

也正因为如此，这一轮答辩中出现的情况，其实并不意外。很多论文从完成度上看，并没有明显问题，但一旦进入答辩环节就会发现这些看起来没有问题的地方，恰恰是最经不起推敲的地方。

很多人以为，检测AI痕迹需要用什么检测工具或者复杂的方法，但从答辩现场的实际情况来看，老师只需要问几个问题，就能一下判断。

在答辩中，老师通常不会问“你看了多少文献”，而是会直接聚焦到关键文献，提问“你这篇研究中最核心的一篇参考文献是哪一篇？它的主要结论是什么？”

如果你回答模糊，那么老师可能会继续追问“这篇文献的发表期刊、年份和研究对象是什么？“它和你当前研究之间的具体关系在哪里？”等细节问题。

这时候你的问题就会暴露，甚至在答辩现场有遇到过老师根据论文中引用的一篇文献进行当场检索核验，结果是根本找不到这一篇文献！

这类问题，在当前AI辅助论文写作中并不少见，因为很多人为了节省时间，会直接使用AI生成参考文献，这些参考文献标题看起来合理、作者看似存在、期刊名称看起来也像是真的，但组合在一起在任何数据库中都找不到。

很多人会觉得，这只是引用不严谨的问题。但在答辩现场，老师真正警惕的，其实不是错误本身，而是AI最危险的地方，不是写错，而是让错的内容看起来很对。

相比文献问题，这一类问题在EMBA论文中更常见，也更容易被忽视。很多论文在写作时，会使用大量框架工具，比如 SWOT分析、PEST分析、五力模型等。

从文本上看框架完整、分析也很到位、每一部分都有对应内容，但一进入答辩，就会出现分析写得很顺，但一问逻辑，就对不上的情况。

在答辩中，老师通常不会让你重复论文内容，而是会直接问：“你在SWOT分析中提到的这个优势，具体是基于什么数据或事实判断的？”如果回答停留在公司现状，往往会继续问：“这个优势在行业中是否具有相对性？还是只是企业内部视角？”再比如：“你在分析中提出的这个机会，是如何影响你后面战略建议的？”如果回答比较泛，老师很可能会继续追问：“如果这个外部机会不存在，你的策略是否还成立？”这些问题，其实都在检验你的分析，是填进框架里的，还是基于判断推导出来的。

在实际答辩中，很容易出现你可以复述SWOT的内容，但说不清每一个结论是怎么得出的，框架之间没有真正的逻辑衔接。这类论文往往框架是完整的，但分析是空的。也就是说你用了工具，但并没有真正完成分析；写出了结构，但没有形成判断。

而这种问题，在使用AI辅助写作时会被进一步放大。AI可以帮你把框架填得很完整，但不会替你做真正的商业判断。一旦进入答辩，这些看起来很专业的内容，就会被逐步拆解。

还有一种情况，在EMBA答辩中其实非常常见。但很多人在答辩之前是意识不到的。

论文写完之后，大多数人都会觉得结构是清楚的、内容也是熟悉的、每一部分，大概都知道在讲什么，所以会下意识认为这篇论文我应该是没问题的。但一进入答辩，有一类问题，往往会让人突然卡住。老师不会再问你写了什么，而是会问：“你这个研究，如果让你重新做一遍，你还会这样设计吗？”或者“在整个分析过程中，哪一步是你最关键的决策？你当时是怎么判断的？”这些问题，看起来不像在问论文。但实际上，是在问这个研究，是不是你自己一步一步做出来的。

在真实的答辩现场，很容易出现论文内容是熟的，但研究过程说不清，关键决策讲不出来，甚至会出现回答停留在论文写了什么，但无法解释为什么这样做。

再继续追问，比如：“你当时有没有考虑过其他分析路径？”“为什么最终选择这一种，而不是另外一种？”很多人就会开始反复、犹豫，甚至前后不一致。这类问题，往往不会在写作阶段暴露。因为从文本上看一切都是完整的。但在答辩中，就会出现论文是完整的，但决策过程是缺失的这样一个落差。

这背后，通常对应的就是大量依赖AI生成内容，再进行整合和修改。这种方式有一个特点，即写出来很快，也很像论文，但问题在于你并没有真正经历这个研究过程，所以一旦老师尝试还原过程，就会发现内容可以复述，但过程无法复盘。这类问题的本质，其实就是论文在，但研究者不在。

你可以用AI帮你整理材料、优化表达，这都没有问题。但如果变成用AI替你做选择、用AI替你做判断或者用AI替你完成关键决策，那最后的结果就是论文是写完了，但你没有真正做过这项研究。

从这一次答辩的情况来看，答案其实很明显。可以用AI，而且几乎所有人都在用。但真正拉开差距的，从来不是用不用AI，而是你有没有能力驾驭AI。在实际辅导过程中，我们会明显看到两种完全不同的使用方式。

这一类使用方式，看起来效率最高。常见的做法是文献综述交给AI生成、SWOT分析让AI直接展开、战略建议由AI整理输出，甚至连参考文献，也一并生成。

从结果上看内容完整、结构清晰、写作速度明显提升。但问题在于关键的判断环节，被跳过了。比如哪些文献真正相关？哪些优势是相对优势？哪些策略在现实中可行？这些本该由作者完成的判断，被AI代替之后，论文看起来更完整了，但基础反而更薄弱了。

另一类使用方式，看起来没那么快，但结果完全不同。在这种方式下研究问题，是自己确定的，分析框架，是自己搭建的，核心判断，是自己做的。

AI参与的，是帮你整理资料、帮你优化表达、帮你提升写作效率。也就是说AI在做辅助，而不是决策。这种差别，在写作阶段可能不明显。但一旦进入答辩，就会被迅速放大。能驾驭AI的人，可以解释每一步，依赖AI的人，只能复述结果。

很多人会问：“我现在这样用AI，会不会有风险？”其实可以用一个很简单的标准来判断。如果老师问你：“为什么这样写？”“有没有其他可能？”“你是怎么判断的？”你能不能脱离论文文本，独立讲清楚？如果可以，说明AI在帮你，如果不可以，那大概率AI已经在替你做决定了。

回到这次答辩，为什么会出现一组7个人，4个人没通过。从表面看，是论文问题，但从本质上看，其实是研究参与程度的差异。

有人在用AI完成论文，也有人在用AI加速研究。两种方式，看起来差不多。但到了答辩现场，结果会非常直接地体现出来。AI不会决定你能不能毕业，但它会放大你到底有没有在做研究这一件事。

看到这里，很多人其实会有一个更现实的问题：我现在已经在用AI写论文了，那还来得及调整吗？答案当然是来得及，但前提是你要知道，问题出在哪里。

这段时间，我们在和学员复盘答辩时，会发现一个很明显的差别。顺利通过的人，不是不用AI，而是知道哪些地方可以用，哪些地方必须自己做。比如文献可以用AI帮你找线索，但必须自己核查；表达可以用AI帮你优化，但逻辑必须自己推导；框架可以借助工具搭建，但判断一定要自己完成。

看起来只是用法不同，但背后的差别其实很大。前者是在做研究，后者是在拼内容。也正因为如此，很多人在写作过程中，写得越来越快，但心里越来越不确定。内容越来越多，但越看越觉得像是对的，却说不清为什么。

如果你现在也有类似的感觉，其实不一定是你能力不够。很多时候，只是你缺少一套清晰的写作与判断方法。这也是为什么，在最近这一轮答辩中，我们会明显感觉到会写的人和会用工具的人，开始被拉开差距。

AI不会消失，反而会越来越普遍。但真正重要的，从来不是你用不用AI，而是当AI给你一个答案时，你有没有能力判断它是对的，还是错的。如果这一点不解决，那么工具越强，风险反而越大。

论文可以写得很快。但答辩现场没有人会替你回答问题。

如果你是下一届准备写论文的人，其实更重要的不是写得更快、用更多工具，而是在一开始，就把论文的逻辑和路径走对。