人工智能正在成为商业环境中获取答案的捷径，这种即时性虽然能显著提升短期生产力并降低成本，但也带来了一个隐蔽的风险：它削弱了个人和组织深入思考、解决复杂问题的动力。这种现象被称为“生产力陷阱”，即企业在短期内变得更快，但长期来看，其核心技能可能因缺乏锻炼而逐渐退化。
相关研究模型显示，当“足够好”的答案唾手可得时，人们倾向于重复使用现有方案而非探索新路径。2015 年一项针对计算生物学家的著名研究证实了这一趋势：当研究人员能够轻易查看同行的半成品工作时，他们花费更多时间完善既有成果，而尝试新方法的时间减少，导致探索范围收窄。在企业内部，类似现象也屡见不鲜，例如 AI 工具分享会往往吸引大量旁观者等待现成方案，仅少数人坚持自主探索。
如果员工习惯于在几分钟内利用 AI 生成策略备忘录或风险评估，那些需要缓慢积累的深度工作将被边缘化。长此以往，团队可能演变为擅长从 AI 获取答案，却缺乏判断这些答案正确性的能力群体。
引入“战略摩擦”以平衡效率与深度
为应对这一挑战，单纯减缓 AI 使用速度难以被追求季度数据的领导层接受。更有效的策略是引入“战略摩擦”，即在员工与 AI 生成的答案之间设置有意的小步骤，确保用户在采纳现成方案前已投入足够精力解决问题。研究表明，这种做法并未整体降低效率，反而因为用户具备了独立处理问题的能力，能更敏锐地识别 AI 输出的错误。
实施“战略摩擦”主要有三种层级：
- 要求独立努力证明：最简单的规则变更。例如，在使用 AI 起草市场评估前，要求员工先写出自己的粗略版本，即使不完整。这无需新工具，仅需改变工作流程。
- 设计交互式提问机制：让 AI 工具在回答前先向用户提问。例如，在进行竞争对手分析时，工具先询问用户已知信息，再基于此构建答案。这不仅促使用户先思考，还能通过新鲜输入提升 AI 输出质量，避免通用猜测。
- 解锁式协作系统：最复杂的方案。构建仅在用户输入自身假设后才允许生成结果的系统。例如，上传起始假设后才能获得风险评估。这确保了每次 AI 输出都是人与工具的实质性协作，而非批量生产。
值得注意的是，并非所有任务都需要施加摩擦。对于幻灯片格式化、笔记摘要等简单低风险工作，速度仍是首要考量。应将节省下来的认知资源集中在真正需要人类判断力的领域。
招聘视角的转变：寻找“建造者”而非“搬运工”
随着 AI 普及，仅提供“正确答案”的能力不再具有稀缺性，关键在于推导过程。企业在招聘和绩效评估中，应重点考察候选人是否选择性地使用 AI 并对其输出提出质疑，而非盲目接受并传递结果。观察个体在与 AI 互动时是反驳还是顺从，能有效区分具备批判性思维的“建造者”与单纯的执行者。
尽管 AI 将持续加速企业发展，但领导者的核心任务是防止速度无声地侵蚀企业的判断力与创造力。通过在工具设计、工作流程及人才选拔中植入适度的摩擦，企业才能在快速产出答案的同时，保持持续产生新想法的能力。
