夜雨聆风判断力与算法决策是互补关系，而非替代关系
彼得·G·克莱因
2026年2月8日
上周我参加了特罗什创业研究会议，会上涌现出不少关于AI与创业的杰出论文。（在拉斯维加斯“球体”场馆追鹰乐队演唱会也挺不错。）其中许多论文将发表于《战略创业期刊》即将推出的专题合集。过去几年，关于AI如何影响创业、又如何受创业影响的议题，确实引发了研究热潮。这包括宽泛的概念综述、对“奈特式不确定性”等具体议题的反思，以及关于智能体在项目提案与评估中表现如何、AI渗透率如何影响创业进入成本等的实证研究。
一个更根本的问题是：生成式AI能否“从事”创业（或战略制定等其他高层管理职能）。基于判断力视角的立场，我认为智能体可以行使我和尼科莱所称的“派生判断力”——在更高层级权威的监督下执行任务，哪怕是复杂且有创造性的任务——但无法行使“原始判断力”，即伴随所有权与终极责任的剩余控制权。正如路德维希·拉赫曼（1956）在讨论所有者与受聘经理人（即便后者拥有大量日常决策权）时所言：“我们可以……区分[所有者]与[经理]。两者之间唯一重要的区别在于，经理的具体化和修正性决策，都以所有者的决策为前提、并随之而来。如果愿意，我们可以说后者的决策属于‘更高阶’。”
放在当前语境下，这意味着大语言模型（举例而言）可以执行多种看似属于创业的活动，但这仅仅是因为人类创业者赋予了该智能体权力。总得有人选择使用哪个模型、提供何种提示词，并决定是否依据结果采取行动。（正如我们所知，当智能体试图自行生成提示词时，结果很快就会退化为胡言乱语。）用产权经济学的语言来说，AI智能体无法持有剩余控制权。机器可以执行被委派的任务，但无法决定委派哪些任务、委派给谁、任务是否值得执行，也无法在遭遇意外情况时调整这些安排。更广泛地说，算法——至少在今天，也许永远如此——无法参与米塞斯所说的“人类行动”：那种有意识的、有目的的、目标导向的、自愿的行为，包括直觉、判断力、主动性及责任感。
大卫·邓肯本周在《哈佛商业评论》撰文，持相同观点。他认为，AI与人类判断力是互补关系，而非替代关系。
当你仔细观察人们如何真正从AI工具中获得好结果时，这个道理不言自明：这需要不断评估AI给出的内容，并进行深思熟虑的迭代。你向AI发出提示，得到结果，进行评估，然后重新提示，一路微调方向。
历史上，这种判断力从来不是通过使用AI获得的。它来自亲手做过与你现在用AI做的类似的工作，并从有时糟糕、缓慢、不完美的重复经验中学习——而对结果的真正责任，会让你的专注力更加敏锐。
这就引出了一个悖论，无论组织是否意识到，它们现在正面临这个悖论：AI既增加了对判断力的需求，又在侵蚀培养判断力的经验土壤。
他对判断力的定义，呼应了奈特、米塞斯以及其他判断力视角（JBA）贡献者的观点：“判断力可被定义为：在仅凭规则不足以应对的情境中明智行事的能力——即识别局势中最关键的因素、权衡相互竞争的优先级与取舍、预判后果，并决定何时亲自为一个充满不确定性的选择承担责任。”
不过，两者仍有区别。JBA将判断力定义为“判断的行为”本身，即在奈特式不确定性条件下做决策。（后者可被操作化为：潜在结果的开放集合、未知的状态空间、纯粹的未知状态等。）而邓肯谈论的是“良好的判断力”，即智慧、审慎、明断等品质。判断力本身可分优劣，但有理由相信，市场竞争会选择出良好的判断力：具备卓越判断力的人往往能生存并兴旺，而判断力较差的人则倾向于被淘汰。
邓肯指出了一个悖论：“要有效使用AI，人们需要对当前任务具备判断力；但随着AI接管了越来越多的工作，曾经孕育判断力的那些经验本身开始消失。”此外，“组织依赖于源源不断地补充能在不确定性下做出明智决策的人才。历史上，这种补充发生在人们轮岗历练、在承担日益重要的抉择中积累经验的过程中……随着AI自动化了那些塑造能力的初级工作，越来越少的人会再遇到那些曾经作为判断力训练场的情境，结果就是判断力集中在少数资深领导者手中——他们的经验形成于大规模自动化之前。”他虽未给出解决方案，但提出了一些发人深省的问题，供组织检视其现行做法与流程是在选拔、还是在阻碍管理者与员工良好判断力的发展。
他的结论是：“AI时代的决定性挑战，在于如何持续培养出能够行使判断力的人才。”对此我深表赞同！
