AI越用越顺手，但人类的批判性思维正在弱化
随着AI使用日益频繁，人的独立思考能力可能逐渐减弱。研究表明，过度依赖AI会使专业知识脱离实际情境，也会推动观点日趋一致。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的时间与空间，并探索聊天框以外的交互形式。需要牢记，AI应是辅助思考的工具，而不能成为代替你思考的主人。
多数企业都明白，员工不能只是被动接受指令、机械照搬规章。拥有批判性思维的人能够提出问题，也敢于挑战既定假设，这些行为对组织维持敏捷、促进创新十分关键。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。
为了协助企业处理这一问题，我们汇总了管理学既有研究（其中包括我们的部分成果），以及认知科学、人机交互、组织内部工作与技术等相关文献；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。基于这些材料，我们提出一套新思路，用于指导企业设计、部署和使用AI，以便长期促进多元观点交流并培养批判性思维。
批判性思维减弱可能给组织带来两项主要风险，企业尤其需要警惕：一是专业能力流失，二是认知多元性消失。二者都可能破坏企业保持敏捷和创新的基础。管理者必须认识到：技术并不是价值中立的存在，它可能以负面方式改变人们的思维模式与协作方式。因此，领导者不应只关注短期回报，例如预期中的效率提升和成本降低；还要引导使用者避免理所当然地相信技术输出，并主动开展实践探索，即主动塑造人工智能，而不是任由人工智能塑造自己。
AI怎样改变人类思维
生成式AI热潮出现之前，多项研究已经揭示“黑箱效应”：从业者在不了解分析工具的情况下对其盲目信任，久而久之便会失去专业判断力。近期研究还进一步发现，使用AI会削弱人们主动核验信息的意愿，从而引发学界对认知外包乃至认知顺从的忧虑。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，都证明AI使用者倾向于停止质疑与核验AI输出。虽然AI对人类认知的长期影响仍需继续论证，但已有研究给出的信号十分明确：AI的应用正在真实改变组织能力。
首先，许多研究者担心，AI普及会让企业内部的专业知识与情境分离。原因在于，AI虽然可以轻易调用事实和数据，却不能结合特定情境，对知识作出有意义的解释与运用。数据往往包含许多细节，只有同时具备直觉、共情能力和跨领域实践经验的人才能察觉。人类能够读懂数据，是因为拥有亲身经历，也理解数据所处的现实场景；AI则只是一套无法直接体验现实的算法，因此很容易错过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，也不等于它理解司法体系的全部细微差异、各利益相关者的诉求、不同案件形成差异的原因与逻辑，以及其他专业领域同法律体系的关联。法律专业知识一旦脱离具体情境，风险就会出现：律师若只依赖AI，既不了解案件细节，也不熟悉复杂司法环境，便很可能误读证据并作出错误判断。
事实上，近期一项研究发现，正因为人们对AI愈发依赖，企业才更需要掌握专业领域知识的人才，以便核验AI输出、灵活处理新情况并预判潜在风险。还有一项隐患是，企业为了降低成本而减少初级岗位，短期看似节约开支，日后却可能出现中层管理者人才断层，而企业当前恰恰高度依赖他们的情境化理解能力。
此外，AI还容易推动思维同质化。多项研究显示，大语言模型常会缩小观点多样性：模型一方面容易停留在最先形成的思路上，另一方面又具有“平均化”倾向。这可能引导使用者忽略反常和意外信息，但创新洞见往往就来自这些信息。由此，生成式AI泛滥容易形成单一思维圈层，使组织失去创新所必需的多元经验和视角；员工也会更容易忽略外部变化信号，进而削弱企业适应环境的能力。
这些风险应如何管理？组织领域关于工作与技术的成熟文献，已经提供了可行方向。其核心观点是：技术始终需要由人解释，它存在于具体情境之中，而使用者拥有调整与改造技术的主动权。
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。
根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，我们归纳出三条可实施的路径。
反向使用AI
古希腊哲学家苏格拉底经常向追随者提问，引导他们自行寻找哲学问题的答案，有时也借此让人意识到自身认知的边界。这种方法同样适用于AI实践，以下两个案例对此作出说明：
“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。
参与者反馈表明，这项活动改变了人们与AI相处的方式。一位参与者表示：“这种方法带来了新的思考角度，不仅挑战了我的固有认知，也使我学会在开始任何对话前先进行自我反思。”
阿斯利康全球能力发展主管邦妮·切克博士，以及企业AI战略与创新主管马切伊·西马谢克博士在采访中告诉我们：“这项挑战赛很快在整个组织中推广，各团队与部门纷纷加入，并结合各自工作流程、职能和AI工具进行本地化调整。”2025年的首期试点获得布兰登·霍尔银奖。该活动推出一年后的今天，已有超过50个团队和业务部门实施这一项目，参与挑战的员工达到数千名
黑客马拉松。几个月前，苏黎世联邦理工学院和新加坡南洋理工大学的研究团队，在赛拉姆机构组织的一场24小时黑客马拉松中，同近2000名参与者（组成近500支队伍）共同进行AI试验。各团队提交帮助联合国实现可持续发展目标的项目方案，AI则提供不同类型的反馈。一半队伍获得的是如何优化方案、使其更符合预定目标的意见；另一半收到的反馈重点指出方案与现有项目的重合，并鼓励他们寻找全新思路。研究人员发现，AI持续质疑第二组参与者，协助他们判断哪些内容具有新意、哪些已经存在后，这些团队提出了更多样且更具创新性的想法。
确定使用AI的适当时机和场景
企业建立AI治理框架时，一般会把重点放在AI应当落地的地方。不过与此同时，更值得企业思考的是：哪些时间、哪些场景不应该使用AI。我们为管理者给出以下建议：
营造不使用AI的自由思考空间。这项策略参考了企业过去处理邮件信息过载的做法。例如，英特尔在2007年针对一组工程师开展试点，用于减轻员工承受的信息过载：每周安排一天，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尝试实施过“无邮件日/周”。）
依照同样的思路，企业和管理者可以设定特定时间，要求员工停止使用生成式AI工具；也可以提供“准入式交互界面”，只有用户先输入自己结合情境作出的思考，系统才会开启AI辅助功能。另一组研究者报告，他们所研究的一家澳大利亚电信运营商要求中层管理者在使用AI工具前，先召开“无AI战略会议”，促使参与者首先依靠个人判断和经验，为战略规划展开头脑风暴。
维持人的主导地位。技术遍布当前的发展与增长战略，有时甚至会强烈影响企业决策和组织结构，以至于人们不再质疑其使用。要让人类真正塑造技术，首先必须给员工，特别是刚进入行业的员工，创造脱离AI工具处理特定任务的机会，使其积累专业能力与情境知识。
理解流程不仅是基层员工的必修内容，对中高层管理者也同样重要。安东尼研究资深银 行从业者时发现了明显差异：部分高管只把算法工具视作产生结果的载体，导致自身专业能力不断下降；另一些资深从业者则主动掌握不同技术的原理，并厘清技术影响工作的方式。后一类人不但持续提高专业能力，还能有效指导初级分析师，要求他们解释选择工具的依据，并说明数据背后的假设逻辑与计算过程。
从更广泛的组织层面观察，技术与工作领域的研究已经说明，要有效落地新技术，必须基于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种思路，其中强调，推进AI落地时必须让企业一线员工参与讨论。
并行工作模式。在部分情境中，让AI与一个人类团队分别独立执行相同任务可能更有价值。任务结束后，团队再与AI整合各自产出，形成融合方案。总部设在里斯本的转型设计咨询公司With Company，正持续在战略和创意项目中试验这种并行方式。
在2024年与一家初创公司开展的早期实验中，两个团队同时完成同一项品牌策划任务。其中一组使用较传统的设计流程，另一组则高度依赖AI支持的工作流程。由AI支持的团队在形成最终方案前制作了近1700张图像，大幅拓宽探索范围，也加快了发散速度。人类主导的团队虽提出较少方案，却从一开始就展现出更好的连贯性、更清楚的故事叙述及更完整的情境框架。
项目最终采用了人类团队的方案。不过，With Company由此提炼出一项通用经验：并行模式能够明确呈现AI和人类团队在创意过程不同阶段的相对长处。AI擅长信息转录、综合归纳、快速探索以及扩大可能性，而搭建框架、判断优先级和作出价值取舍，依旧非常依赖人的解释及情境理解。此后，With Company继续在多个项目中使用并行工作模式。
探索不同的交互界面
绝大部分生成式AI和大语言模型使用聊天机器人架构，在多数情境中采取“一问一答”的交互形式。AI一般会返回大段文本，用户需要逐项整理要点，再筛选自己所需的信息。然而，这类界面并非适合所有场景。现实中，聊天界面经常退化为混乱的“对话”：办公人员被AI输出的大量总结文本压得不堪重负，只能对内容加以简化、重构并重新解释；AI随后继续模仿人类调整后的表达回答，使混乱进一步加深。
人机交互研究早已突破“人机交互只能借助键盘鼠标”的传统认识，同样也应摆脱“AI只能采用聊天窗口”的思维限制。近期一篇学术论文主张放弃“无摩擦用户界面”，改为设计一类新的界面：同时展示原始数据和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。
实证研究显示，在数学、编程等使用者本身已具备专家能力的领域，这类复杂交互界面的表现尤其突出。谷歌曾指出，当前聊天界面无法满足数学研究复杂、多维且反复迭代的工作需要。因此，谷歌开发了“AI联合数学家”工具，并为其配置灵活的交互界面，既帮助数学家推进研究，也支持验证证明过程和检查漏洞。该工具使用标注系统呈现完整推理步骤，让推导过程清楚可见，从而更有效地支持数学迭代研究。这说明，AI并非只能维持当下常见的通用聊天机器人形态。
当AI不断进入各类组织，管理者应跳出行业炒作，以全面且平衡的视角安排企业AI应用。若要让员工成为积极的知识创造者，企业就必须有策略地开展AI试点，明确如何利用技术赋能工作、保护专业能力基础并培养多元思维。归根结底，AI应当帮助人，而不是替代人。
