AI使用愈发顺手，但人们的批判性思维正在弱化

独立思考能力可能随着AI使用增加而减弱。研究显示，对AI形成过度依赖，会使专业知识脱离现实情境，也会推动人们的观点走向趋同。本文给出三条应对路径：让AI转而质疑你的假设，有意识地划出不使用AI的时间和空间，并探索聊天框以外的交互方式。需要牢记，AI应帮助你思考，而不应成为替你思考的主人。

多数企业都明白，员工不能停留在被动执行命令和机械套用制度的层面。能够提出问题、敢于挑战既定假设，是批判性思维者的典型表现，而这些行为对组织维持敏捷和推动创新非常关键。然而，越来越多证据显示，应用AI可能会削弱人类的这种能力。

为了帮助企业处理这一问题，我们汇总了管理学既有研究，其中包括自己的部分成果，并结合认知科学、人机交互以及组织内部有关工作与技术的文献；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。在此基础上，我们提出一套新思路，用于指导企业设计、部署和使用AI，从长期促进多元观点交流并培养批判性思维。

批判性思维减弱会带来两项尤其值得企业警惕的组织风险：专业能力流失，以及认知多元性丧失。二者都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，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、成本下降等预期短期收益，还应引导使用者避免理所当然地相信技术输出，并主动展开实践探索。人应主动塑造人工智能，而不能任由人工智能塑造自己。

AI怎样改变人类思维

在生成式AI成为热潮以前，已有多项研究揭示“黑箱效应”：从业者即使不理解分析工具，仍会盲目采信其结果，长期如此将造成专业判断能力流失。近期研究又进一步显示，接触AI会削弱人们主动核查信息的意愿，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，均证实AI使用者倾向于停止质疑和核查AI输出。虽然AI对人类认知的长期作用仍需继续论证，但目前的研究已释放出清晰信号：使用AI正在真实地改变组织能力。

首先，许多研究者担心，AI普及会让企业内部的专业知识脱离具体情境。原因在于，AI能够轻易调用事实和数据，却不能结合特定场景，对知识作出有意义的解释与应用。数据通常包含大量细节，只有同时拥有直觉、共情能力和跨领域实践经验的人，才可能识别这些信息。人类能理解数据，是因为拥有亲身经验，也了解数据所在的现实环境。AI本质上只是一套算法，不能直接体验现实，因此容易漏掉这些细微但关键的信息。

以法律为例，即使AI可以通过律师资格考试，也不能说明它理解司法体系的全部细微差异、各利益相关方的诉求、不同案件形成差别的原因与逻辑，以及其他专业领域同法律体系的联系。法律知识若脱离具体情境，风险便会出现：律师如果只依靠AI，既不了解案件细节，也不熟悉复杂的司法环境，就很可能错误解读证据并作出错误判断。

实际上，近期一项研究发现，正因为人们日益依赖AI，企业才更加需要掌握专业领域知识的人才，由他们核验AI输出、灵活处理新情况并预判潜在风险。另一项隐患是，企业为降低成本而削减初级岗位，短期似乎减少了支出，未来却可能造成中层管理人才断层，而企业目前恰恰高度依靠这些管理者对情境的理解。

此外，AI还容易推动思维同质化。多项研究发现，大语言模型往往会缩减观点的多样性：模型一方面容易停留在最早生成的思路上，另一方面又具有“平均化”倾向。这会引导使用者忽略反常和出乎意料的信息，但创新洞见常常正是从这些意外信息中产生。因此，生成式AI泛滥可能形成单一思维圈层，使组织失去创新所必需的多元经验和视角；员工也更可能忽视外界变化信号，进而削弱企业适应环境的能力。

这些风险应当怎样管理？关于组织中工作与技术的成熟研究，已经指出了一条可行方向，其核心主张是：技术必须由人进行解读，它存在于具体情境之中，而使用者有权主动改造和调整技术。

人类怎样主动塑造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。

基于我们调研及合作企业应用AI和其他新技术的实践，我们归纳出了三条可操作的路径。

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，有时也让人意识到自己的认知边界。同样的思路也能用于AI实践，以下两个案例对此作出了说明：

“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，这项活动改变了大家与AI互动的方式。一名参与者表示：“这种方法带来了全新的思考视角，冲击了我原有的认知，也使我学会在开始任何对话之前先反思自己。”

阿斯利康全球能力发展主管邦妮·切克博士，以及企业AI战略与创新主管马切伊·西马谢克博士在访谈中介绍：“挑战赛很快在整个组织中扩展开来，各团队和部门相继加入，并依据自己的工作流程、职能及AI工具进行本地化改造。”2025年开展的首期试点赢得布兰登·霍尔银奖。活动推出一年后，已有超过50个团队和业务部门实施该项目，数千名员工参加挑战

黑客马拉松。几个月前，在赛拉姆机构组织的一场24小时黑客马拉松上，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名参与者合作，这些人组成近500支队伍，共同进行AI试验。各队提交能够帮助联合国实现可持续发展目标的项目方案，并获得AI提供的不同反馈。一半队伍得到的是如何改进方案、使其更契合预定目标的建议；另一半队伍得到的反馈则重点说明其方案与现有项目的重合部分，并鼓励探索全新思路。研究者发现，当AI持续质疑第二组参与者，协助他们分辨方案中哪些内容新颖、哪些早已存在时，这些团队提出了更多样且更有创新性的想法。

明确使用AI的时间和场景

企业建立AI治理框架时，往往把关注重点放在AI应该落地的位置。但企业还应同步考虑另一个问题：哪些时间和场景不应该使用AI。我们为管理者给出如下建议：

建立不使用AI的自由思考空间。这一做法参考了企业过去处理邮件信息过载的经验。比如，英特尔在2007年针对一组工程师启动试点，以减轻员工的信息过载压力：每周指定一天，鼓励工程师停止使用电子邮件。在此之前，德勤和美国移动通信等企业也尝试过推行“无邮件日/周”。

同样，企业和管理者可以规定特定时间不准员工使用生成式AI工具，也可以提供“准入式交互界面”：系统只有在用户先输入结合情境形成的个人思考后，才会开启AI辅助功能。另一批研究者报告，他们研究的一家澳大利亚电信运营商要求中层管理者先召开“无AI战略会议”，之后才能使用AI工具，从而迫使参与者首先依据自己的判断与经验，就战略规划展开头脑风暴。

让人始终掌握主导权。技术已经遍布当下的发展与增长战略，有时甚至深刻左右企业的决策和结构，使其应用变得不再受到质疑。若要保证人类能够塑造技术，第一步是让员工，特别是刚入行的员工，有机会在没有AI工具的条件下完成特定任务，由此积累专业能力和情境知识。

理解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缺少。安东尼研究资深银 行从业者时，也发现了显著差异：有些高管只将算法工具看成输出结果的载体，导致自身专业能力不断衰退；另一些资深从业者会主动掌握不同技术的原理，并弄清技术影响工作的方式。后一类人不仅继续提升专业能力，也能够有效指导初级分析师，要求他们说明选择工具的依据，并解释数据背后的假设逻辑及计算过程。

从更宏观的组织角度观察，有关技术与工作的研究已经证明，要让新技术有效落地，就必须立足员工已有知识重新设计工作流程。西班牙劳工部资助的一份专家报告正体现了这一思路，报告强调，推动AI落地的讨论必须吸收企业一线员工参加。

采用并行工作模式。在部分场景中，可以让AI与一个人类团队彼此独立、并行完成同一项任务，之后再由团队和AI汇总双方成果，形成融合方案。总部设于里斯本的转型设计咨询公司With Company，一直在战略和创意项目中测试这种并行模式。

在2024年同一家初创公司开展的早期实验里，两个团队同时执行相同的品牌策划任务。一组沿用较传统的设计流程，另一组则在工作流程中大量使用AI。获得最终方案前，AI支持的团队生成了近1700张图像，显著扩大探索范围，并加快发散过程。由人类主导的团队虽然产出方案较少，但从最初阶段便具有更强的连贯性、更明确的故事表达和更完整的情境框架。

项目最终采用了人类团队的方案。不过，With Company由此提炼出一项普遍经验：并行模式能够清楚呈现AI与人类团队在创意流程不同阶段各自的优势。AI擅长信息转录、综合整理、快速探索和扩展可能性；框架构建、优先级判断及价值取舍，则仍然非常依赖人类的解释与情境理解。此后，With Company继续在多个项目中采用并行工作模式。

探索不同形态的交互界面

大部分生成式AI和大语言模型采用聊天机器人架构，在多数场景中进行“一问一答”式互动。AI通常返回大段文字，用户必须逐项整理要点，再筛选所需信息。然而，这类界面并不适合所有情境。现实中，聊天界面常会退化为一团混乱的“对话”：办公人员被AI输出的大量总结压得难以承受，只得对内容进行简化、重构和重新解读；AI随后模仿人类调整过的表达继续回应，使混乱进一步加重。

人机交互研究早已突破“人机交互只能使用键盘鼠标”的传统观念，我们也同样需要摆脱“AI只能存在于聊天窗口”的思维限制。近期有学术论文主张，应该放弃“无摩擦用户界面”，改为设计一种新界面：既直接呈现原始数据，又展示多方相互对立的论据，促使使用者主动整理信息、比较不同备选方案并谨慎权衡。

实证研究发现，在数学、编程等使用者本身具备专家能力的领域，这种复杂交互界面效果明显。例如，谷歌指出，现有聊天界面无法满足数学研究复杂、多维且需要迭代的工作方式。因此，谷歌研发了“AI联合数学家”工具，以灵活的交互界面帮助数学家推进研究，也协助验证证明过程并检查漏洞。该工具利用标注系统把完整推理步骤转为可视内容，使推导过程能够清楚呈现，从而更好支持数学的迭代研究。这说明，AI没有必要被限制在当前常见的通用聊天机器人形态中。

当AI不断进入各类组织，管理者需要越过行业炒作，以全面且平衡的视角规划企业的AI应用。为了让员工成为主动的知识创造者，企业必须有策略地进行AI试点，弄清怎样借助技术改善工作、维护专业能力基础并培养多元思维。AI应当为人赋能，而不是取代人。