夜雨聆风上周四参加了在北京师范大学举办的「AI智能体与组织变革」论坛。
关于AI与组织变革这个话题，本身就没有"标准答案"，它是一个正在发生的过程。
吸引我们的是这场活动横跨学术×产业研究×商业研究×管理咨询（肯耐珂萨KNX）的多元视角——四位嘉宾从不同维度探讨这个话题，200人的场地座无虚席。
第一位上台的是北京师范大学的周江华教授，他从学术视角分享了一个很少人触碰的议题：AI的双刃剑效应——现在很多都在说AI如何提效、AI怎么好，他重点来说说AI带来的风险，有哪些不好？
因尊重分享者版权，以下内容来自论坛现场听众视角，不代表官方言论。
周江华教授的五个核心观点
观点一：训练数据错了，谁去纠偏？
周教授用一部今年1月上映的电影开场。
电影里的超级AI专门做法律裁判的，它根据嫌疑人身上的数据算出一个犯罪概率，超过93%即判有罪。据说从来没有犯过错。
但电影的结局令人细思极恐：那个AI之所以"从来不犯错"，是因为第一个案子，做系统的人把数据改了。后面所有的"正确"都建立在一个假的基础上。
他举了现实中很多例子，核心结论：
当训练数据出了问题，谁能发现？谁去纠偏？可能一开始就是错的？
观点二："干中学"正在被摧毁
这是整场分享里最刺痛我的一句话。
周江华教授引用的研究结论：如果人长期遇到什么事都直接去问AI，不去深挖背后的逻辑，那么人类赖以创造知识的"干中学"（learning by doing）过程——诺贝尔经济学家提出的——会被彻底毁掉。
他讲了一个故事：初高中的孩子用AI写作文写了一年，后来不让用了，结果连100个字都写不出来了。
用进废退，这在生物学上是常识，意思是生物器官经常使用就会发达，长期不用就会退化。看来在AI时代，我们似乎忘记了这个常识。
观点三：创意同质化
周江华教授除了举了一些学术的分析，还举了AI漫剧的例子，效率确实上去了，但男主的衣服，女主的脸，三岁小孩子的长相……几乎都差不多。因为训练数据是一样的，出来当然一样。
效率上去了，差异化下来了。如果所有人用同样的工具、同样的数据源、同样的提示词，怎么可能不一样？
AI用得多不等于创新多。AI越强，颠覆性创新反而越难自己冒出来，因为它擅长的是"最可能发生的答案"，不是"最有突破性的答案"，前面也分析了AI做的是规则、是显性、是已知……，而探索、潜在、未来，这些还得靠人。
观点四：AI和颠覆性创新，天然矛盾
笔者认为这是周江华教授整场分享的"题眼"。
他说新药开发的规律：10年时间，3000个原始设想，一轮轮筛，最后只有一个能成功——成功率三千分之一。
统计学上，概率小于5%就叫"小概率事件"，可以直接排除。三千分之一，远小于5%。
所以如果你让AI来判断，AI本质上就是统计学——它会怎么做？它会把这个方案"弄死"。因为从概率上看，这件事"不可能成功"。而创新的产生往往与此事矛盾的。
"AI给我们的答案，一定是最可能发生的答案，而不是最有突破性的答案。"
这句话值得所有管理者抄下来。
观点五："生产力幻觉"——越多不等于越好
哈佛商业评论今年有篇文章说：AI生成方案确实变多了，但这让下游审核的人工作量更大了。因为要在海量的AI生成方案里筛选。
高管的注意力资源是最宝贵的，现在却被大量AI生成的"看上去还行、实际上没什么用"的方案占用了。
周江华教授还举了一个实验例子说明"责任分散效应"，AI时代这个效应被显著放大了。
收尾：硬核技术的尽头，是人文
点个👍、“推荐”吧，文末有 福利，继续往下看
现实场景结合的警示
学术视角的分享让大家思考了很多，结合多年工作和咨询经验，我们来类比一些场景中相似的感受：
警示1：
当AI越来越"好用"，人纠偏的能力越来越弱
结合周江华提到的AI做法律裁判的例子，
表面问题是：训练数据错了，谁去纠偏"？
深层问题是：当AI越来越"好用"，人越来越没有动力和能力去质疑AI的结果。
我们团队经历过一些企业的采购决策场景：在供应商对比环节，团队直接用AI做对比分析。笔者的感受是，AI分析不应该在采购决策中占很大比重。原因是现爱AI治理还未完善，数据掺假+模型里埋雷，在系统里植入后门，遇到特定关键词就自动说胡话。
在商业竞争中，故意给人工智能“喂”假数据或坏指令。利用算法机制和规则、给AI投喂大量内容，用AI操纵舆论……
因此在采购对比决策中，需要业务侧真正审视AI的对比结果，不能全信AI。重要信息多查几个来源、做交叉验证。
在组织场景中，大多数企业部署AI后有一个共性现象：
数据有问题的时候，理论上"所有人"都应该负责，实际上"没有人"能真正负责。
这就是教授说的责任分散效应。在AI时代，它被放大了。
警示二：关于"干中学的消失"
回想自己这半年的工作流：写方案前用AI搜集资料、让AI给核心关键点、用国内外AI软件互相验证、让AI总结异议点、让AI写PPT初稿、写得不好再继续换提示词……
已经记不清上一次"从零到一独立完成一篇东西"是什么时候了。
我们在享受效率提升的同时，是不是也在悄悄丧失一些核心能力？
教授女儿的故事不是个案。它提醒我们：效率不等于方向，产出不等于创新。
我们需要有意识地为"低效率但高价值"的事情留出时间，比如：保持深度阅读、独立写作和面对面的交流，这也是笔者写公众号的原因之一。
警示三：你的差异化竞争优势在哪里？
现在看很多公众号文章，开头几句话就能判断是不是AI写的。不是因为我们有多厉害，而是因为它们"太标准了"。标准的过度词、标准的段落结构、标准的"首先其次最后"。
团队的伙伴都在用AI提效，发来的PPT方案、报告、周报看起来排版整齐，但总感觉少了点人味，看报告的心态也变成了“这里哪些是AI做的，哪些是他自己写的？全是AI写的就不靠谱的刻板印象”。
你看，这里大家效率上去了，差异化下来了。 如果所有人都在用同样的工具、同样的数据源、差不多的同样的提示词，产出怎么可能不一样？
真正需要花功夫的，不是怎么用AI，而是怎么在AI的产出之上，加入只有自己才能提供的判断和视角。
警示四：烧了很多Token，产出真的变好了吗？
很多人在用AI，烧了很多Token。但数量从来不是目标，质量才是。AI这个工具天然会让我们产生"我做了很多"的错觉。
在企业里，高管的注意力资源是最宝贵的，现在却被大量AI生成的"垃圾方案"占用。在高校，跟一些大学老师们交流，听他们说，现在学生交的课堂作业，很多都是AI写的，有老师甚至评价“现在学生的作业质量明显低于前几届（没有AI的时候），有些概念甚至都是错的，但在作业里还在一本正经的胡说八道”。
表面上效率提升了，实际上筛选成本转移到了管理层。
点个👍、“推荐”吧，文末有 福利，继续往下看
听完这个分享，笔者总结三个点：
1. 警惕"效率成瘾
AI带来的效率提升会上瘾。但效率不等于方向。
需要为"低效率但高价值"的事情留出时间。
2. 差异化才是AI时代的护城河
所有人都在用AI，但真正值钱的不是AI的能力，而是怎么在AI的基础上增加只有你能给的东西。
3. 保持"不用AI也能做事"的能力
定期做"断AI"练习、多用思辨思维来看AI给的答案。可以借用AI，但不能依赖到失去自己的核心能力。
AI是工具，它不是我们身体的器官，AI用的多了“用进废退”。
为什么人文社科在AI时代更加重要？
整场分享最有力量的收尾，是周江华教授结尾引用的Anthropic的联合创始人兼总裁Daniela Amodei在斯坦佛大学演讲中说的一句话：
这句话出自一个学文学的人之口，他创办了全球最硬核的AI公司，却在斯坦福的讲台上告诉所有人：技术越发达，人文反而越稀缺。「」
周江华教授用了人类文明起点的例子、经典电影的例子类比：判断是仿生人还是人类，就看有没有同理心，这里笔者就不赘述了，直接粘贴他在现场的PPT（AI帮忙复刻的）。
总结：在这个AI重构一切的时代，真正不可替代的能力是什么？
不是更快的算力、更多的数据、更大的模型——
而是批判性思维、伦理判断、共情能力、跨领域整合的能力。这些恰恰是人文社科教育最核心的产出。
在AI时代，单一的技术能力正在快速贬值，而"懂技术、通人文、能决策"的复合型管理者，将成为最稀缺的人才。
这里引用了北师大周江华教授这么多的观点，加一段论坛现场介绍的：北师大的MBA项目始终强调"数字企业管理"与"人文素养"的融合。
如果你也在思考：当AI替代了标准化工作之后，自己真正的不可替代性在哪里，或许答案就在周教授那句收尾里：
效率是AI的，方向是人的。
工具是AI的，判断是人的。
速度是AI的，温度是人的。
因尊重分享者版权，以下内容来自论坛现场听众视角，不代表官方言论。
关注「AI生态增长引擎」
每周拆解一篇AI商业化的真实案例。
文末福利，添加小助理微信：
1、关注公众号+点赞+分享到2个200人以上群，获赠AI组织相关书籍一本，直接邮寄，限额50位，送完为止
2、参与主办方之一肯耐珂萨科技公司的新产品：AI组织诊断、AI人机协作测评试测，经审核通过，可获赠其直接邮寄书籍，私信小助理获得参与方式
3、参与文末投票，有机会获赠书籍
4、如需活动方分享的嘉宾PPT，私信
点赞
收藏
分享
