文章:决策不能外包给AI,最终拍板与担责的仍是你
来源标题:Decision Making Cannot Be Outsourced
文章指出,使用AI时可以反复索取比较和推荐,但最终必须由人做出决定并为结果负责。作者主张像CEO带团队那样用AI:让它做分析、比较选项并给出反对自身建议的理由,人则理解权衡后自行拍板,无法脱离对话解释选择就说明还没真正理解。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
我认为现在最需要培养的能力,是快速做出好决策的能力。 有了AI,你可以不断要求它再给一个对比、再给一个方案、再给一个建议。但到了某个节点,总得有人来决定接下来做什么。诱惑在于,让模型也来做这个决定。可一旦结果糟糕,责任仍然是你的。接受它的建议,本身就是一个决策。 我觉得有用的心智模型,是CEO如何与团队协作。团队带来研究、背景信息和建议。CEO必须权衡这些输入,决定公司能接受哪些取舍,并为方向承担责任。我认为我们面对AI也该用同样的方式。让它做分析。用这些分析去做一个你自己理解、也愿意为之负责的决定。 这首先要明确你想达成什么目标,以及哪些约束真正重要。让AI比较各个选项、揭示背后的假设,并针对它自己的建议给出最有力的反驳。对那些可能改变你选择的说法,核查其背后的证据。然后做出决定。如果你无法在不回看聊天记录的情况下解释自己为什么选了某个方案,那你大概需要更好地理解决策本身。 假设你正在决定是否要开发客户要求的一个功能。AI可以帮忙估算工作量、比较可能的实现方式。但你仍然要决定:这位客户的需求应该在多大程度上影响产品,哪些其他工作会被推迟,以及你的团队能否维护你将交付的东西。一份详细的实现计划无法替你理清这些优先级。 这正是区分信号与噪声变得重要的地方。一个冗长的回答,可能让一个站不住脚的假设显得已经定论。一个自信的建议,可能让你忽略那个本会改变决策的关键事实。问问自己:什么样的证据会让你做出不同的选择。这能告诉你该把注意力放在哪里,以及再来一轮分析是否真的有帮助。 快速决策还要求你知道一个决策值得多少分析。如果 reversibel 成本很低,就做决定、试一试、从中学习。如果很难撤回,就多花时间核查那些可能导致失败的假设。等待也有成本。你需要认识到,即使仍存在一些不确定性,何时已经拥有足够信息可以行动。 当你回头复盘自己的决策时,判断力才会提升。写下你当时为什么这样决定,以及你预期会发生什么。之后,把预期与结果对比。如果错了,找出是哪个假设失效了。如果对了,检查是你的推理站得住脚,还是你只是运气好。这就是你积累经验、让下一次决策更快的方法。 让AI做分析。决策,以及为之承担的责任,是你的。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。