Stop Prompting AI. Start Directing It

虽然对话式生成式人工智能可以用于测试思维，但代理系统能够容纳大量数据，并在整个数据集上持续进行分析而不会丢失线索。通过与代理合作，高管可以定义上下文（代理可以访问什么）、能力（代理能做什么）和方向（代理关注什么）。可以配置多个代理，对相同数据以不同方向进行分析，以比较解决问题的方法。 专业人士产生的最有价值的东西不是更快的分析或更好的总结，而是洞察力：一种真正看待问题的新方式，一种改变他们对情况理解的连接，或者一种无人命名的模式。想想一位战略顾问，他识别出客户利润率下滑背后的真正竞争挑战，或者一位团队成员注意到数据中的沉默，而其他人已经习以为常。 使这种发现变得困难的是，专业知识——正是使专业人士高效的东西——也使某些类型的洞察难以触及。让他们清晰看到问题的框架也塑造了他们寻找什么——以及他们停止寻找什么。但改变思维的洞察往往出现在该框架的边缘，例如在相互竞争的解释之间的摩擦中。 对话式人工智能已经在朝这个方向发展。一个精心构造的提示可以浮现相互竞争的解释，暴露差距，并挑战假设。但代理式人工智能——那些被配置和指导而非与之对话的系统——可以带用户走得更远。与受限于人类提供和想到的问题的提示对话不同，代理系统持有更多数据，并在整个数据集上维持分析方向而不会丢失线索。发现的步骤相同；深度不同。 以这种方式使用代理式人工智能需要一种不同于提示和自动化的专业技能：知道如何设计系统以获得洞察，以及如何理解它们所揭示的内容。我们称之为引导智能。 与人工智能合作的两种方式 大多数专业人士将人工智能视为对话：他们输入问题，评估回应，细化，然后再次提问。 参考文献 i. J. Sloan和V.L. Glaser，“机器人艺术：生成式人工智能辅助溯因理论化的四条意外路径”，快讯手稿，《战略组织》，2026年4月28日在线发表，https://doi.org/10.1177/14761270261448648。 ii. V.L. Glaser, J. Sloan, and J. Gehman，“组织作为算法：推进管理理论的新隐喻”，《管理研究杂志》61卷，第6期（2024年9月）：2748-2769，https://doi.org/10.1111/joms.13033。 致谢 本研究是英国研究与创新项目“跨部门创新”（MR/Y034430/1；首席研究员：Angela Aristidou）的一部分。本文呈现的分析和结论是作者的观点，而非资助机构的观点。