笔者每天都会收到询问：“我们可以利用生成人工智能做些什么？”笔者的工作是提供解决问题的销售建议。
笔者的工作内容包括倾听客户公司的担忧，并为他们提供最佳的解决方案。然而，这并不容易。
任务设置是否合适？
困难在于，很多时候客户意识到的问题其实并没有被正确设定。
笔者经常被问到：“我们在XX方面遇到麻烦，可以使用生成式AI来解决这个问题吗？”
然而，当笔者倾听他们的诉求时，发现他们真正需要解决的问题往往没有明确提出。这使得笔者有很多需要思考的地方。
很多时候，客户认为需要解决的事情，实际上并不是根本问题。
在当今这个时代，发现真正的问题已经变得非常困难，解决问题的能力本身也逐渐失去意义。
发现和解决问题与生成人工智能有什么关系？虽然看起来两者关系不大，但实际上关联非常紧密（笑）。
接下来，笔者会一步步探讨这个问题。
现代社会面临哪些挑战？
首先，我们需要问：什么是问题？
在过去几十年里，我们的生活环境发生了巨大的变化。
过去，物质上的问题很多，比如粮食短缺、住房不足、物资短缺等……
但如今，至少在发达国家，这些问题大多已经得到解决。
那么现在还剩下什么？主要是那些难以解决的社会问题和非物质问题。
例如孤独、环境恶化、不平等等，这些问题并不能简单通过技术或逻辑思维来解决。
这些挑战不仅仅是企业层面的，而是国家层面的问题。
简而言之，企业需要解决的业务问题越来越少。
“解决问题的能力”价值下降
我们的社会长期受到不满、焦虑、不便等问题的困扰，而解决这些问题曾经带来了巨大的财富创造。
因此，过去社会中“问题解决者”在商界备受尊崇。
然而，随着文明和科技的进步，这些问题逐渐得到解决。
今天，我们生活在一个经济快速增长的世界里，计算机的普及让许多问题都能得到理性解决。
随着科学的发展，问题的解决变得更加逻辑化，解决问题的能力也因此供过于求，“问题”本身也越来越稀少。
从“问题解决者”到“问题制定者”时代
生成式人工智能的迅速发展，推动了从“解决问题”向“发现问题”的转变。
在某些领域，人工智能给出正确答案的能力已经超越了人类。
例如，AI在国际象棋、围棋领域战胜了人类冠军，甚至在医疗诊断的准确性上也有超过人类医生的案例。
过去备受推崇的“问题解决者”价值正在下降，而“问题制定者”开始引起关注。
生成式人工智能时代下的人类能力需求
这意味着，传统智商、考试成绩、MBA等能给出正确答案的能力相对贬值。
过去的商业环境中，往往有明确的目标（如KPI），只要为这些目标努力即可。
这是因为商业中有许多问题需要解决，而解决这些问题的产品和服务能够带来企业利润。
然而，现在我们正进入一个充满不确定性的VUCA时代，一个商品和服务过剩的社会。
VUCA = 波动性、不确定性、复杂性、模糊性
这意味着社会和商业未来的状态难以预测。
生成式AI的出现，已经具备推理能力，智商水平达到了120，超过了人类的平均水平100。
OpenAI o1 智商水平
当这种情况发生时，未来的问题将更多由AI来解决，这意味着问题的数量将进一步减少。
换句话说，在生成式AI时代，“能够发现问题并提出问题的人”将比传统的“问题解决者”更受重视。
UCA时代的未来难以预测
关键问题在于“理想状态”和“实际情况”之间的差距。
过去，“理想状态”是很清晰的，因为有许多显而易见的问题。
因此，了解现状与理想之间的差距相对容易，问题也较为明确。
然而，如今的商业世界里，问题无法轻易定义。讨论的焦点已经从“应该怎样”转向“未来会怎样”。
人们相信，如果能够预测未来，就能从现状与未来的差距中得出问题。
然而，在VUCA时代，预测未来变得极其困难。
谁能预见到新冠疫情？谁能想到生成式人工智能的出现？几乎没有人预料到这些。
因此，现在我们不仅需要预测未来，更需要讨论我们希望未来变成什么样子。
关键在于想象出我们希望的社会和人类的未来。
笔者坚信，未来的业务环境中，发现问题、提出问题的能力将比解决问题的能力更为重要。
而这一能力的核心就在于想象未来应该是什么样子。
从未来预测到未来构想
重要的不是“预测未来”，而是“构想未来”。
未来的商业领袖需要思考的问题不再是“未来会怎样”，而是“我们希望未来变成什么样子”。
与其担心人工智能会抢走哪些工作，不如思考在AI共生的时代，人类应该如何进化。
“构想”的具体例子：Alan Kay 和 Dynabook
你知道艾伦·凯是谁吗？
Dynabook 由艾伦·凯 (Alan Kay) 构思
他是20世纪70年代构想出现代个人电脑原型Dynabook的人。他并没有“预测”未来，而是想象：“如果有这样的东西存在那就太好了。”然后他把这个想法变成了现实。