第24章 AI 如何帮助决策
前面一章讨论的是： **AI 如何减少误判。** 这一章要更进一步，进入另一个更关键的问题： **AI 如何帮助决策。** 误判和决策当然相关。 但它们不是一回事。 误判更多是在说： • 看错了什么 • 忽略了什么 • 被什么带偏了 而决策更进一步。 它面对的是： • 在不确定中怎么选 • 在信息不完整时怎么办 • 在风险和机会之间怎么权衡 • 在多个不完美选项里怎么下注 也就是说， 决策不是纯粹的分析。 它是： **分析之后的取舍。** 这就决定了 AI 在这里的位置， 一定要说得非常准确。 因为 AI 在决策里当然有价值。 但它又绝不能被放错位置。 --- 决策最大的问题，不是没有答案，而是答案太多 很多人以为决策难，是因为没答案。 但现实里，很多决策之所以难， 不是完全没有答案。 而是： • 选项很多 • 变量很多 • 每个选项都有利有弊 • 风险和机会缠在一起 • 没有一个方案是完美的 也就是说， 真正困难的地方不是“找不到一个正确答案”， 而是： **怎么在多个不完美选项里做取舍。** 这和 AI 的关系很大。 因为 AI 很擅长提供信息、列出方案、展开结构。 但人类决策最难的部分， 恰恰不是这些展开本身， 而是最后的： • 权衡 • 取舍 • 下注 • 承担 所以在决策里， AI 的作用不应该被理解成“替你做决定”。 而应该被理解成： **帮助你把决定前的思考质量拉高。** 这句话非常关键。 --- AI 首先帮助你把决策问题变清楚 很多人做决策时， 问题本身其实还没被定义清楚。 例如： “我要不要做这件事？” “这个项目值不值得投？” “我该不该换一个方向？” “这个公司还能不能继续拿着？” 表面上这些问题都很明确。 但往往真正的问题并没有拆开。 比如： - 这是收益问题，还是风险问题？ - 这是短期问题，还是长期问题？ - 这是能力问题，还是结构问题？ - 这是信息不够，还是价值冲突？ - 这是方向问题，还是执行问题？ 如果问题没有被定义清楚， 后面的分析就很容易跑偏。 AI 在这里的第一层价值，就是： 帮你把问题问得更清楚。 这看起来不惊人。 但其实非常值钱。 因为很多决策不是败在结论上， 而是败在一开始就问错了问题。 --- AI 适合帮你列变量 决策里一个非常常见的问题是： 人会过早抓住一个主因。 例如： - “这个机会很大，所以值得做。” - “这个人很厉害，所以可以信。” - “这个行业很好，所以这个公司也会好。” - “这个价格跌很多了，所以现在很便宜。” 这些话可能都不完全错。 但它们通常都压缩过头了。 因为真正的决策， 几乎总是多变量的。 AI 在这里特别适合负责一件事： 把变量列出来。 比如： - 这件事的主要变量有哪些？ - 哪些是外部变量？ - 哪些是内部变量？ - 哪些是风险变量？ - 哪些是时间变量？ - 哪些变量现在看起来最容易被忽略？ 这一步本身不等于做出决定。 但它极大提高了决策前的清晰度。 因为一个人一旦看到变量摊开， 脑子就不那么容易被单一叙事绑架。 --- AI 适合帮助做结构推演 决策不只是列变量。 还要看变量怎么互相作用。 比如： - 如果这个前提错了，会发生什么？ - 如果时间拉长，结果会不会变？ - 如果市场情绪变了，结构会不会反过来？ - 如果最坏情况出现，哪里先断？ 这其实就是推演。 人当然也能推演。 但 AI 在这里很适合做第一轮辅助。 因为它可以快速给你几个版本： • 乐观版 • 中性版 • 悲观版 • 反方版 • 延迟后果版 • 极端情况版 有了这些版本， 你的决策就不再只是一个线性故事。 而开始变成一个更立体的结构。 所以，AI 在决策里的一个重要位置是： **做推演，不是做拍板。** --- AI 很适合帮你看“没做什么决定” 这一点很容易被忽略。 很多人理解决策，只看“做什么”。 但现实里，高质量决策常常同样取决于： **不做什么。** 例如： - 哪些风险不碰 - 哪些机会先放弃 - 哪些诱惑不要追 - 哪些方向现在不该进 - 哪些前提不成立时就不出手 这些“不做”，往往比“做”更重要。 而人脑在兴奋、焦虑、害怕错过的时候， 很容易高估行动的价值，低估克制的价值。 AI 在这里有一个很实际的帮助： 它可以帮你把“不做”的条件列出来。 例如： - 哪些情况出现时，这个方案应当放弃？ - 什么前提一旦不成立，整个判断要重来？ - 最重要的红线是什么？ - 哪种风险一旦出现，不能继续赌？ 这类问题能显著提高决策质量。 因为很多差的决策不是因为选错了， 而是因为根本没有提前想清楚什么时候该停。 --- AI 能帮助做“决策前检查” 真正成熟的决策， 往往不是靠灵光一现。 而是靠一套决策前检查。 也就是说，在做决定之前， 先问自己几件关键问题： • 我是不是只看到了支持证据？ • 我是不是漏掉了最坏情况？ • 我是不是被短期情绪推着走？ • 我是不是把一个变量当成了全部？ • 我是不是急于下结论？ • 我是不是高估了自己的确定性？ 这些问题，人在状态差的时候，未必会主动问。 因为主动问这些问题，会让行动速度变慢。 也会让自己不舒服。 AI 在这里特别适合做决策前检查器。 也就是说， 它可以帮你形成一种简单但很有用的习惯： **重要决定之前，先让 AI 帮你扫一遍。** 不是让 AI 替你决定。 而是先看一遍： - 盲点 - 漏项 - 风险 - 反方 - 前提条件 这件事，如果形成习惯， 对决策质量的提升会非常大。 --- AI 不适合替代最后那一下 说到这里，必须马上再加一次边界。 AI 在决策里有很大价值。 但它最不适合做的， 恰恰是最后那一下。 也就是： “我就这么定了。” 为什么？ 因为最后那一下， 不是信息处理， 也不是结构展开。 它是： • 主动承担 • 主动下注 • 主动取舍 • 主动接受后果 而这部分，只属于人。 所以，AI 可以极大提高决策前的准备质量， 甚至让你少犯很多低级错。 但它不应该取代那个“最后拍板”的位置。 否则， 表面上你可能觉得自己更理性了， 实际上只是把判断责任往外推了。 --- 所以，AI 如何帮助决策 可以把这一章压缩成一个很清楚的总结。 AI 在决策里的价值主要体现在： • 帮你把问题定义清楚 • 帮你把变量列出来 • 帮你做结构推演 • 帮你想清楚哪些不该做 • 帮你做决策前检查 • 帮你提高决定前的清晰度 但它不负责： - 最终取舍 - 最终拍板 - 最终承担 换句话说， **AI 不是决策者。 AI 是决策准备系统。** 这句话很重要。 因为它把 AI 的位置放得非常准确。 --- 一句话结论 **AI 不能替你做最终决策，但它可以通过定义问题、列变量、做推演、检查盲点和扫风险，显著提高决策前的思考质量。**