魏炜:AI会带来认知的同质化吗?不,AI将会指数级放大人的认知差距!
同一个行业问题交给几位同事,得到的AI辅助报告往往高度相似。市场规模、竞争格局、风险分析一应俱全,结论也离不开数字化、精细化与差异化。新人交出的初稿,与资深人员的初稿越来越难从外观上区分。一种直观感受由此产生:大家用同样的AI,掌握同样的知识,最后是不是都会想得差不多?北京大学汇丰商学院管理学教授魏炜及...
一、AI为什么容易制造认知同质化的印象
二、习惯性使用AI,为什么会让认识趋同
三、真正拉开差距的,是AI参与关键判断的深度
环节 | 停在同质化做法 | 把AI用于深化判断 |
发现试点店坪效较高 | 围绕扩张补充通用论据 | 区分坪效、盈利与可复制性 |
核实优惠适用范围 | 作为一项风险写入报告 | 重分门店,重算持续收益与资金需求 |
获得新的成本资料 | 增补表格和说明 | 检查哪些解释及方案排序必须调整 |
完成交付 | 留下一份完整报告 | 留下有条件的方案、核验依据与可复用方法 |
六、认知差距为何能够持续扩大:从一次优势到多轮复利
记录项 | 要留下的内容 |
起点与判断 | 要作出什么决定;提问AI之前的初始判断、依据与把握程度(百分比);哪些条件会改变方案 |
解释与预测 | 至少两种值得比较的解释;各自预期观察;区分它们的证据 |
核验与传播 | 查清了什么;来源与口径;哪些分类、计算和判断须同步调整 |
改判或确认 | 哪些结论改变;哪些未变但获得新支持;仍有哪些未知 |
采纳记录 | 采纳和拒绝了AI的哪些建议,理由是什么;哪些判断已说不清来自自己还是AI |
行动与代价 | 采取何种行动或试验;责任、指标与停止条件;时间、返工及实施成本;复盘日期 |
留存与迁移 | 哪些知识、工具和方法可复用;哪些条件下次必须重查 |
下一轮检验 | 换材料、改条件或不借助AI时,能否解释、识错和调整;到复盘日期时,结论是否应验、把握程度是否准确;优先补哪项知识、改进哪项协同方法 |
魏炜:北京大学汇丰商学院管理学教授
吕和薇:北京大学汇丰商学院硕士研究生
张殿儒:北京大学汇丰商学院硕士研究生
《北大金融评论》第29期已经上架
订阅全年刊或三年刊
享独家优惠
本文编辑:鞠諃諃