AI 时代的创新和决策科学

会议: 产品力领航者大会 PM × AI · 2026 春季 | 讲者: 顾青（DTALK.org 创始人，前携程 TRIP.com 全球业务） | 时间: 2026-04-24 上午 · 主会场

一句话总结

AI 时代企业的创新和决策能力升级，要回到底层认知科学：把「智理」（智能机器 + 人类逻辑推理）作为组织新能力，弱化语言包装、强化结构化推理与可视化思维，用「提问思考能力 × 数据领导力 × 人机协同力」三件套打通从数据驱动到符号驱动的范式跃迁。

速览

1. 30 年范式跃迁：从 PC（people connect）→ Mobile（apps connect）→ AI（things connect），决策驱动方式从 Data Driven 进入 Symbol Driven。
2. 组织三大新能力：提问思考能力（系统性提问与归因）+ 数据领导力（数据规划与流程基础）+ 人机协同力（自底向上人机协同流程与多智能体协作工程）。
3. 「智理」概念：智理 = 智能（机器）+ 逻辑推理（人类），用来解决复杂决策；这是 AI 时代组织能力的新提法。
4. AI 源自人类思维信息处理理论：司马贺（Herbert A. Simon）的决策理论、Newell 的 Logic Theorist（1956 年 Agent 定义起源）、Bounded Rationality、Heuristic Search、Dual Process Theory、Chain-of-Thought 等知识谱系是 AI 的认知科学根基。
5. 语言不是思考的必要条件：Nature 2024 论文证明语言主要是沟通工具，不是复杂思维（含符号思维）的前提；人类思考推理独立于语言（多需求网络、心智理论网络与语言网络分离）。
6. 人机协作的九大障碍：歧义损耗、语言噪声、缺系统验证、缺证据支持、严重依赖表达、群体思维、缺结构及逻辑、难以解释和传授、对变化的适应性差。
7. 企业核心竞争力源自独立于语言的逻辑系统：通过结构化工具、量化分析、批判性思维训练，构建更理性、抗干扰的管理体系。
8. 任何组织都应重视的八大能力：提问、思考、判断、假设、预测、归因、试验、创新。
9. 提问能力来自「具体问题具体分析」：源自毛泽东「实事求是」理念，破除经验主义陷阱、构建自主分析能力、激活创新基因。
10. AI 复利来自小循环：「提问思考 → 流程再造 → 快速验证」的小循环，持续提升 AI 应用 Adoption Rate；不是为了替代人，而是为了构建更强大的组织。

核心内容

30 年的科技范式：从数据驱动到符号驱动

讲者用一张三连 S 曲线把 30 年放在一起看：

• PC 时代（1980s-2000s）：people connect，Cisco 承载 80% 流量，Windows 1.0 → Wintel
• Mobile internet（2000s-2018s）：apps connect，2007 iPhone/iOS、2011 Android 50% 市场，BAT 增长超过 50 倍
• AI 时代（2024s-2035 AGI）：things connect，6G starts、Hundreds of billion IoT connection

讲者自身的角色也跟着迁移：1994 年作为 Trainer / Engineer / Product Growth / Data 入行，2015 年开始 Teams of Consultant / Developer & Scientist 的咨询体系，2026 年开 DTALK.org 聚焦组织数据领导力。

讲者展示了 2015 年在首尔 Asian Leadership Conference 上做 Big Data Marketing 演讲的截图，回看「10 年前的 Data Driven」时代。

互联网时代的决策体系（10 年前的样子）

讲者回放了一个完整的互联网决策体系（携程时期实践）：

• Data API（实时）：搭建用户需求解析、推荐反馈、营销耐受度、人群标签（群体及个体）
• 跨屏数据 Platform：用户行为数据、网站 APP / 线上线下、预定数据、产品数据 / UGC、市场营销（seo/sem/dsp）、数据追踪与监控
• 模型训练平台：Modeling（LR、CF、SVD、SVM、GBM）、快速迭代优化、提升转化率模型
• 这套体系本质是数据驱动 + 机器学习模型迭代

但讲者直接抛出反思：「其实我们在做什么？」答案是：不断提升组织的智理能力。智理 = 智能（机器）+ 逻辑推理（人类）≫ 解决复杂决策。

过去 5 年 GenAI：基准测试全面突破

引用近五年 AI 基准测试曲线：

• TriviaQA（常识问答）、MMLU（综合考试）2020 年起步在 70%-80%，2024-2025 趋近 100%
• GSM8K（小学数学）从 2022 年的 30% 跃升到 2024 年的 95%
• MATH（竞赛数学）2021 年仅 5%，2025 年突破 90%
• GPQA（研究生级 STEM）、AIME（顶级数学竞赛）、SWE-bench verified、Humanity’s last exam 等极难基准在 2024-2025 全面爬升

5 年时间内，AI 在各类基准测试上的进步速度远超历史任何阶段。

Time of Evolution：把 AI 放回认知科学谱系

讲者用一段历史时间线把 AI 拉回到更长尺度：

• 公元前 40,000 年：人类符号沟通的雏形（在语言、工具制造、艺术中开花）
• 古代到近代：动态知识、个体与集体思考方式的演化，机械化思维的根源
• 20-21 世纪：所有元素借助计算机和电信汇合，自动化智能成为关键
• 关键节点 1956 年：Logic Theorist（McCarthy 在达特茅斯会议提出 artificial intelligence；Newell、Shaw、Simon 演示第一个 AI 程序），这是 Agent 定义的起源
• 谱系还包含 Hollerith 的人口普查穿孔卡（1890）、Marconi 无线电（1896）、Turing「Intelligent Machinery」（1946）、Wiener《Cybernetics》（1947）、Turing《Computing Machinery and Intelligence》（1950）、IAS machine（von Neumann，1951）、Samuel 跳棋程序（1952）、McCarthy 发明 LISP（1957）

AI 时代组织创新的 Hub：人类思维的知识谱系

讲者列出他认为是「AI 时代组织创新的 Hub」的关键人物与著作：

• 伏羲：八卦（大汶口遗址，距今 5000 年，整体性、直观性、辩证法）
• 莱布尼茨：发现二进制适用易卦（电子计算机起源，1703.5.5）
• 亚里士多德 / 罗素 / David Hilbert：逻辑学传统
• D. Hilbert & W. Ackermann：《Principles of Mathematical Logic》
• 钱学森：《思维科学》
• 司马贺（Herbert A. Simon）：决策理论（涵盖认知科学、人工智能、管理科学、心理科学），诺贝尔经济学奖 + 图灵奖

这套谱系是讲者认为 AI 时代组织能力构建必须回到的源头。

一个小游戏：语言 VS 思考

讲者给出一个翻译游戏：「I saw the man on the hill with the telescope」可以有数十种中文表达：「我用望远镜看到了山上的那个人」「我看见山上那个拿着望远镜的人」……

PPT 把所有可能的翻译密集排列，证明：同一句话表达千差万别，语言本身充满歧义。

接下来的「人类的信息处理」页用一张简笔画揭示真正的语义：一个人拿着望远镜在地面，看着山上的另一个人。人类先在脑中形成图像，再用语言表达；语言是表层，思考是底层。

说清楚是个难题：隐含/前置信息

讲者引用 Nature 2024 论文 Fedorenko, E., Piantadosi, S.T. & Gibson, E.A.F.《Language is primarily a tool for communication rather than thought》（Nature 630, 575-586, 2024）：

「We conclude that although the emergence of language has unquestionably transformed human culture, language does not appear to be a prerequisite for complex thought, including symbolic thought.」

两条核心结论：

• 人类难以描述一个存在于脑中的还未具象化的内容
• 准确传达需要双方有相同的前置信息，而人类交流通常是默认这些信息，甚至都不自知的

思考推理独立于语言：脑科学证据

讲者用 Fedorenko 论文里的脑成像图说明：

• Language network（语言网络，红色）：负责 Language comprehension 与 Language production
• Multiple demand network（多需求网络，蓝色）：负责 Executive functions、Novel problem solving、Mathematics、Some forms of reasoning、Computer code comprehension
• Theory of mind network（心智理论网络，绿色）：负责 Social reasoning、Mentalizing

神经响应水平条形图清晰显示：思考推理的脑区与语言脑区是分离的。结论：语言是表达工具，不是思考本身。

人机协作规模化创新的 9 大挑战

讲者列出企业引入 AI 协作时面临的语言与认知层面的九大障碍：

人机协作与思维训练：核心命题

讲者用一句话浓缩：

「语言的价值在于跨代知识传承，但企业核心竞争力源于独立于语言的逻辑系统——通过结构化工具、量化分析与批判性思维训练，可构建更理性、抗干扰的管理体系。」

并展示了 HPS（History and Philosophy of Science）知识图谱可视化，把 Bounded Rationality（Simon）、Info Processing System、PSSH、Soar、Heuristic Search Theory、Info Processing Theory、Daniel Kahneman、Dual Process Theory、Cognitive Architecture、Logic Theorist、GPS、Means-Ends Analysis、Chain-of-Thought 等串成网络。强调：AI 源自人类的思维信息处理理论，不是凭空冒出来的。

该如何做：三条具体路径

针对前面九大障碍，讲者给出三条对应的具体行动：

1. 弱化「语言包装」对判断的干扰（如冗长汇报中的信息噪声），聚焦数据逻辑链与系统性验证（如因果图、决策树），提升决策客观性
2. 优先构建可视化推理框架（如流程建模、根因分析矩阵），减少语言沟通中的歧义损耗，直击问题本质
3. 培养团队非语言思维能力（如逻辑训练、数学建模），降低对「表达技巧」的过度依赖，强化底层认知韧性

任何组织都应重视的八大能力

讲者把组织能力收敛为 8 个动词：提问 · 思考 · 判断 · 假设 · 预测 · 归因 · 试验 · 创新。每一项都对应大脑的具体认知功能。

提问能力奠定组织的创新方向

讲者把「提问能力」放在八大能力之首，认为它最重要。要打破对抽象思维、经验决策或者形如行业经验或标杆案例的盲目依赖，通过「具体问题具体分析」的思维模式（源自毛泽东「实事求是」理念），从问题（业务）自身实际出发构建创新解决方案。

核心三件事：

• 破除经验主义陷阱：避免因照搬外部模式导致「一学就会，一用就错」的困境
• 构建自主分析能力：结构化的帮助我们穿透表象（如「收入下滑」），识别本质矛盾（如「客户需求迭代与产品研发滞后」）
• 激活创新基因：推动我们从「被动模仿」转向「主动创造」，找到关键突破口

正确认识 AI 引导组织复利效应

讲者把 AI 应用看成一个长期复利过程，前提是清晰认识 AI 的真实能力与局限，搭建有效应用的底层认知框架。

核心四步：

• 认知澄清：打破「AI 无所不能」或「AI 无所作为」的两极误区
• 应用分类：理解不同类型 AI 工具的特点与适用场景，避免无效尝试
• 流程重塑：掌握将 AI 融入组织工作流的方法，探索组织级应用扩展可能
• 提升复利：通过「提问思考 → 流程再造 → 快速验证」的小循环，持续提升 AI 应用的 Adoption Rate

案例：某企业的科学决策 AI Agent

讲者用一个企业的科学决策 Agent 流程作为应用示范，五步阶梯：

1. 价值锚定与主体识别
2. 成果量化与靶心定义
3. 全链路行为还原
4. 行为优化与过程指标设计
5. 价值关联验证

这本质上是把决策科学的方法论编码进 Agent，让 AI 帮助组织把决策过程结构化、可验证、可复盘。

期待更多组织加入 AI 时代

讲者结语强调：

「在 AI 时代，人类的独特价值（伦理、共情、创造性逻辑）不仅不会贬值，反而更加珍贵。我们将『平均水准』委托给 AI，只为追求『卓越非凡』。建设 AI 能力，不是为了替代人，而是为了构建更强大的组织。」

关键金句

「智理 = 智能（机器）+ 逻辑推理（人类）≫ 解决复杂决策。」——顾青

「未来，认知心理学、符号学、语言学交叉学科的人是无敌的。」——讲者引用张泓朋友圈

「语言的价值在于跨代知识传承，但企业核心竞争力源于独立于语言的逻辑系统。」——顾青

「Language is primarily a tool for communication rather than thought.」——Fedorenko 等，Nature 2024

「建设 AI 能力，不是为了替代人，而是为了构建更强大的组织。」——顾青

可行建议

• 把组织能力建设的核心从「文档/汇报/语言表达」转移到「数据逻辑链 + 系统性验证」上：少用 PPT 修辞，多用因果图、决策树、流程建模、根因分析矩阵
• 培养八大底层能力：提问 / 思考 / 判断 / 假设 / 预测 / 归因 / 试验 / 创新——尤其是提问能力，从「实事求是」出发做具体问题具体分析
• 识别 AI 的能力边界：既不要陷入「AI 无所不能」也不要陷入「AI 无所作为」，而是按场景分类匹配
• 用「提问思考 → 流程再造 → 快速验证」的小循环提升 AI 应用 Adoption Rate，每个循环都让组织变强一点
• 把决策科学方法论编码进 AI Agent：价值锚定 → 成果量化 → 行为还原 → 过程指标 → 价值关联验证

关键数据/案例索引

讲者背景：顾青，DTALK.org 创始人，25+ 年互联网老兵，曾管理携程集团全球业务 TRIP.com 的增长战略、产品规划、人工智能赋能经营和决策；现任北斗导航创新研究院高级顾问、上海开源信息技术协会金融智能专委会委员、环球旅讯「企业数据领导力」导师、上海天使会科创导师。

理论框架：

• 三个时代曲线（PC/Mobile/AI 各 connect 的对象不同）
• 组织三大新能力（提问思考能力 / 数据领导力 / 人机协同力）
• 智理公式：智理 = 智能（机器）+ 逻辑推理（人类）
• 八大组织能力：提问/思考/判断/假设/预测/归因/试验/创新
• 人机协作 9 大挑战（歧义损耗等）
• 三条提升路径（弱化语言包装/构建可视化推理框架/培养非语言思维）
• AI 复利小循环：提问思考 → 流程再造 → 快速验证
• AI Agent 五步：价值锚定 → 成果量化 → 行为还原 → 行为优化与过程指标 → 价值关联验证

数据点：

• AI 基准测试 5 年进展：MMLU/TriviaQA 2024-2025 趋近 100%；GSM8K 从 30% 到 95%；MATH 从 5% 到 90%
• Cisco PC 时代承载 80% 流量
• BAT 移动时代增长超 50 倍
• AGI 时间预期：2035 年

关键文献：

• Fedorenko, E., Piantadosi, S.T. & Gibson, E.A.F. Language is primarily a tool for communication rather than thought. Nature 630, 575–586 (2024). https://doi.org/10.1038/s41586-024-07522-w
• D. Hilbert & W. Ackermann《Principles of Mathematical Logic》

人物谱系（认知科学到 AI）：伏羲（八卦/大汶口遗址 5000 年）/ 莱布尼茨（1703.5.5 二进制） / 亚里士多德 / 罗素 / David Hilbert / 钱学森《思维科学》 / Herbert A. Simon（司马贺，决策理论，诺贝尔经济学奖 + 图灵奖） / Allen Newell / John McCarthy（1956 达特茅斯会议提出 AI / 1957 LISP）/ Daniel Kahneman（Dual Process Theory）

关键概念词：Bounded Rationality / Heuristic Search / Means-Ends Analysis / Chain-of-Thought / GPS / Logic Theorist / PSSH / Soar / Cognitive Architecture / Embodied Cognition / Info Processing System / Theory of mind network / Multiple demand network / Language network

互联网时代决策体系组件（携程实践）：Data API / 跨屏数据 Platform / 模型训练平台 / Modeling: LR/CF/SVD/SVM/GBM