AI越用越得心应手，但人们的批判性思维正在弱化

随着AI使用频率上升，人的独立思考能力可能随之减弱。研究显示，对AI形成过度依赖，会使专业知识脱离真实情境，并推动观点日益趋同。本文给出三条应对路径：让AI主动挑战你的假设，有意识地划出不用AI的时间与空间，以及探索聊天框以外的交互形式。需要牢记，AI应当辅助你思考，而不是成为替你思考的主人。

多数企业都明白，员工不能只是被动接受指令、机械执行规则。能够提出问题并质疑既定假设，是批判性思维者的重要特征，而这些行为对组织维持敏捷、推动创新不可或缺。然而，越来越多的证据显示，应用AI可能使人类的这种能力受到削弱。

为了协助企业处理这一问题，我们综合了管理学既有研究，其中也包括自己的部分成果，并结合认知科学、人机交互、组织工作及技术领域的相关文献。同时，我们访谈了一批正在探索不同AI落地方式的企业高管，由此提出新的思路，帮助企业从长期视角设计、部署和使用AI，促进多元观点交流并培养批判性思维。

批判性思维一旦弱化，企业尤其需要防范两类组织风险：一是专业能力流失，二是认知多元性消退。二者均可能动摇企业保持敏捷和创新的基础。管理者必须认识到：技术从来不是价值中立的工具，它可能以负面方式重新塑造人的思维与协作模式。因此，领导者不能只关注效率提高、成本下降等预期中的短期回报，还应引导使用者避免不假思索地相信技术输出，并主动展开实践探索。人应主动塑造人工智能，而不能反过来被人工智能塑造。

AI怎样改变人类的思考方式

在生成式AI成为热潮以前，多项研究早已揭示“黑箱效应”：从业者并不了解分析工具，却选择盲目信赖，长期如此便会失去专业判断能力。近期研究还进一步发现，人们使用AI后，主动核查信息的意愿会下降，由此引发学界对认知外包甚至认知顺从的忧虑。麻省理工学院媒体实验室在2025年开展的大语言模型认知成本研究，以及沃顿商学院2026年的一项研究，均证明AI使用者往往不再质疑和验证AI输出。虽然AI对人类认知的长期作用仍需继续论证，但现有成果已经释放出清晰信号：组织能力正切实受到AI使用方式的改变。

首先，许多研究者担心，AI普及会使企业内部的专业知识脱离实际情境。原因在于，AI虽能轻松获取事实和数据，却不能结合特定环境，对知识作出有意义的解释与应用。数据往往包含大量细微线索，只有拥有直觉、共情能力和跨领域实践经验的人才能发现。人类能理解数据，依靠的是亲身经历以及对数据所在现实场景的认识；AI只是一套算法，不能直接体验现实，因而容易遗漏这些细微却关键的信息。

例如，AI即使能够通过律师资格考试，也不意味着它真正理解司法体系的全部细节、各利益相关方的诉求、不同案件产生差异的原因和逻辑，以及其他专业领域与法律体系之间的联系。法律知识一旦脱离具体场景，风险便会出现：律师若只是依赖AI，既不了解案件细节，也不熟悉复杂的司法环境，就可能误读证据并作出错误判断。

实际上，近期研究显示，正因为人们日益依赖AI，企业才更需要具备专业领域知识的人才，由他们验证AI输出、灵活处理新情况并预判可能的风险。另一个隐患是，企业为了降低成本而削减初级岗位，短期似乎减少了支出，未来却可能导致中层管理人才断档，而企业当前恰恰高度依赖这批管理者对情境的理解能力。

此外，AI还容易推动思维同质化。多项研究发现，大语言模型通常会压缩观点多样性：模型一方面容易停留在最初生成的思路中，另一方面又具有“平均化”倾向。这可能诱使使用者忽略异常或出乎意料的信息，而创新洞见往往正是从这些意外中产生。生成式AI大范围使用后，容易形成单一的思维圈层，使组织失去创新所必需的多元经验和视角；员工也更可能漏掉外部变化信号，进而削弱企业适应环境的能力。

面对这些风险，组织应当怎样管理？关于工作和技术的成熟组织研究，已经提供了可行方向。其核心主张是：技术始终需要由人解释，并扎根于具体情境；使用者拥有主动改造和调整技术的权力。

人类怎样主动参与塑造AI

当下围绕生成式AI的主流叙事，大多将其呈现为带有聊天界面的单一工具，人们向它提问、索取答案。主流观点认为，想要获得更好的结果，就要学会优化提示词、更频繁地使用AI。学会提出更好的问题本身没有错，但这无法从根本上化解风险。想要真正应对挑战，我们不能只把技术当成工具，而要将其视为一套人类可以塑造的系统。这意味着我们需要设计由AI赋能的工作环境，守护人的自主判断力和主导地位。

依据我们调研及合作过的各类企业在AI和新技术方面的实践，我们归纳了三条可行路径。

把AI反过来使用

古希腊哲学家苏格拉底常通过向追随者提问，引导他们自行寻找哲学问题的答案，有时也让人认识到自身认知的边界。同样的思路可以应用于AI实践，下面两个案例能够对此作出说明：

“与我共创提示词”挑战赛。由大型制药公司阿斯利康于2025年8月发起，这个为期10天的项目由一系列简短练习组成，旨在鼓励员工动手试验AI，锻炼批判性思考能力。全公司超过1500名员工参与其中。参与者学到的不仅是撰写提示词，更重要的是掌握一种思考方式：借助提示词倒逼自己深度学习、深入挖掘。

从参与者反馈来看，这项活动改变了人们与AI互动的方式。一位参与者表示：“这套方法带来了全新的思考视角，不仅挑战了我的既有认知，也使我学会在开始任何对话之前先进行自我反思。”

阿斯利康全球能力发展主管邦妮·切克博士和企业AI战略与创新主管马切伊·西马谢克博士在访谈中告诉我们：“挑战赛很快在整个组织推广，各团队和部门陆续加入，并根据各自工作流程、职能及AI工具进行了本地化改造。”首期试点于2025年获得布兰登·霍尔银奖。活动发布一年后的今天，项目已在超过50个团队和业务部门落地，数千名员工参与挑战

黑客马拉松。几个月前，在赛拉姆机构举办的一场24小时黑客马拉松中，苏黎世联邦理工学院与新加坡南洋理工大学的研究团队同近2000名参与者展开AI试验，这些参与者组成了近500支队伍。各队提交有助于联合国实现可持续发展目标的项目方案，AI则提供不同形式的反馈。其中一半队伍得到的是如何优化方案、使其更符合既定目标的建议；另一半收到的反馈重点揭示方案与现有项目的重合部分，并鼓励他们探索新方向。研究人员发现，AI持续质疑第二组参与者，帮助他们辨别哪些内容具有新意、哪些早已存在后，这些队伍提出了更多样、更富创新性的想法。

明确使用AI的合适时机和场景

企业建设AI治理体系时，往往把注意力集中在AI应当落地到哪里。与此同时，更值得思考的问题是：哪些时间以及哪些场景不适合使用AI。对此，我们向管理者提出如下建议：

建立不使用AI的自由思考空间。这一做法参考了企业过去解决邮件信息过载问题的经验。比如，英特尔在2007年针对一组工程师开展试点，为减轻员工的信息过载压力，每周划出一天，鼓励工程师暂停使用电子邮件。（在此之前，德勤和美国移动通信等企业也曾推行过“无邮件日/周”。）

基于相同思路，企业和管理者可以指定某些时段，要求员工不使用生成式AI工具；也可以设置“准入式交互界面”，只有用户先录入自己依据情境作出的思考，系统才会开放AI辅助功能。另一组研究人员称，他们考察的一家澳大利亚电信运营商要求中层管理者先举行“无AI战略会议”，之后才能使用AI工具，以此迫使参与者先依靠自身判断和经验，对战略规划展开头脑风暴。

始终确保由人掌握主导权。技术已遍布当前的发展和增长战略，有时甚至强烈影响企业决策与组织结构，最终使其应用变得不容质疑。若要保证人类可以主动塑造技术，就必须先让员工，特别是刚进入行业的员工，有机会在没有AI工具辅助时处理特定任务，从而积累专业能力及情境知识。

掌握工作流程不仅是基层员工的必修内容，中高层管理者同样不能忽视。安东尼研究资深银 行从业者时，观察到明显分化：一些高管只将算法工具视为输出结果的载体，导致自身专业能力不断下降；另一些资深从业者则主动学习不同技术的运行原理，并弄清技术如何作用于自己的工作。后者既能持续提升专业能力，也能有效指导初级分析师，要求他们阐明选择工具的理由，并解释数据背后的假设逻辑与计算过程。

从更广泛的组织角度观察，技术与工作领域的研究已经说明，新技术要有效落地，就必须以员工原有知识为基础重新设计流程。西班牙劳工部资助的一份专家报告实际上也体现了这一观点，报告强调，推动AI落地的过程中必须让企业一线员工加入讨论。

采用并行工作的模式。在某些情况下，让AI和一个人类团队独立并行地执行同一任务可能是有益的。之后，团队和AI可以整合双方产出，形成融合式方案。总部位于里斯本的转型设计咨询公司With Company就在战略和创意项目中持续试验这套并行模式。

在2024年与一家初创公司开展的早期实验里，两个团队同时执行同一项品牌策划任务。一组遵循较传统的设计方法，另一组的工作流程则大量依靠AI支持。在形成最终方案前，AI支持的团队生成了近1700张图像，大幅拓宽探索范围，并加快发散速度。由人类主导的团队虽然产出方案更少，却从一开始便呈现出更好的连贯性、更明确的故事表达和更完整的情境框架。

项目最终选择了人类团队提交的方案。不过，With Company由此提炼出一项通用经验：并行模式能够直观呈现AI与人类团队在创意流程各阶段的相对长处。AI擅长信息转录、综合总结、快速探索以及扩展可能性，而建立框架、判断优先级和作出价值选择，仍高度依赖人类的解释与情境认识。此后，With Company继续在多个项目里应用并行工作模式。

探索更多类型的交互界面

绝大部分生成式AI与大语言模型采用聊天机器人结构，并在多数场景中提供“一问一答”的互动方式。AI通常返回大段文字，用户必须逐项整理重点，再筛选自己需要的信息。但这种界面并非适合每一种场景。现实中，聊天界面时常演变成混乱的“对话”：办公人员被AI输出的大量总结文本压得难以处理，只能简化、重组并重新解释；随后AI又模仿人类修改后的说法继续回应，让混乱进一步加深。

人机交互研究早已突破“只能通过键盘鼠标进行人机交互”的传统认识，我们同样需要摆脱“AI只能存在于聊天窗口”的固定思路。近期一篇学术论文主张放弃“无摩擦用户界面”，转而设计新的界面形式：在直接展示原始数据的同时，呈现多方相互对立的论据，迫使使用者主动整理信息、比较不同备选方案并谨慎权衡。

实证成果表明，在数学、编程等使用者自身已经具备专家水平的领域，这类复杂交互界面表现出色。谷歌曾指出，现有聊天界面不足以支持数学研究所要求的复杂、多维和迭代式工作。为解决这一问题，谷歌开发了“AI联合数学家”工具，并配置灵活的交互界面，既帮助数学家推动研究，也协助核验证明过程和检查漏洞。工具利用标注系统将全部推理步骤进行可视化，让推导过程一目了然，从而更有效地支撑数学迭代研究。这说明AI无须被限制在如今常见的通用聊天机器人形态中。

当AI不断进入不同类型的组织，管理者需要摆脱行业炒作，以全面且平衡的视角安排企业应用AI的方式。企业若希望员工成为积极的知识创造者，就必须有计划地开展AI试验，明确怎样运用技术为工作赋能、维护专业能力基础并发展多元思维。AI应当增强人的能力，而不是取代人。