根據手邊的決策校準人工智慧的使用

在倫敦一個下雨的星期二， 一家消費品公司的領導團隊審查了兩項商業決策：「我們應該在哪裡開設接下來的五家商店？」以及「我們應該將品牌重心轉向健康嗎？」生成式人工智慧被用來支持解決這兩個問題的決策過程。該團隊最終為擬議的商店擴張路線圖提供了大量看似合理的定性論據，但沒有數據或分析來支持這些建議。該工具幫助團隊對健康支點進行了完善的敘述，並提供了令人信服的宣傳策略舉措的方案，但利益相關者的參與程度很淺，而且沒有人一致相信該組織已準備好採取行動。

這次會議暴露了一個有缺陷的假設，即所有人工智慧都是相同的，並且每種類型的人工智慧都平等地支持決策。事實上，不同的決策需要根本不同的人工智慧角色。有些決策範圍很窄：目標明確、數據可用、結果可以快速衡量。其他方面則很廣泛：目標有爭議、資訊不完整、一致性與分析一樣重要。當領導者將兩種決策類型視為相同時，他們可以預見地會誤用人工智慧技術，在需要分析引擎或真正工作是深思熟慮和承諾的地方使用生成工具。其結果是令人失望的結果，無法支持狹隘的決策，脆弱的支持和難以執行需要社會化和協調的廣泛決策。

這種不匹配現象正在各行業中顯現出來。人工智慧的採用現已廣泛，但許多組織仍在努力將人工智慧活動轉化為可衡量的業務影響。在其 2025 年人工智慧現況報告麥肯錫直截了當地描述了這一差距：88% 的公司現在至少在一項功能中使用人工智慧，但只有約 40% 的公司能夠看到對利潤的正面影響。在我們與高階主管團隊的合作中，這種差距背後的模式是一致的。使用人工智慧的壓力——被有關生成系統和代理系統的頭條新聞放大——常常超出了決定人工智慧應該引領哪裡、應該支援哪裡以及哪種人工智慧適合手頭決策的更嚴格的紀律。因此，團隊為需要更多時間進行內部協調的問題建立了令人印象深刻的平台，並使用對話產生工具來制定需要嚴格分析的決策。

解決方案是調整人工智慧在決策中的作用。