一个物流公司老板的真实困境
朋友有个约150人的中型物流公司，他最近做了件挺有意思的事。
他花几十块钱买了豆包专业版，把和某外资大客户的续签合同扔进去审。AI效率确实高，很快就给出了一份密密麻麻的风险报告：
· 延迟交货：承运商承担客户停线的连带损失
· 货物破损：按货值损失赔偿，不含免赔额
· 货物丢失：货值100%由承运商承担……
AI最后给了个结论：合同条款严重不对等，建议谨慎签署。
朋友看完倒吸一口凉气。这哪是合同，简直是把所有风险都压在了自己头上。他当时第一反应是：不能签，这签了就是个定时炸弹。
但与运营副总讨论过后，事情没那么简单。
不签，意味着直接退出这家客户明年的供应商清单，无法参与所有线路的招标——这可是他公司的大客户之一，丢了这个客户，公司要裁人。
而且，过去三年合作下来，虽然磕磕碰碰，也赔过钱，但这家外资公司反而是所有客户里最讲合同、最按时结算的。比起那些拖账半年、找各种理由扣钱的国企民企客户，这家已经算是"良心客户"了。
最后，他还是签了。
AI把风险算得明明白白，但"这生意做不做"这个问题，AI给不了答案。
为什么AI永远给不了"签还是不签"的答案？
这不是AI不够聪明的问题。这是一个底层逻辑的问题。
AI的决策逻辑是：量化风险 → 计算利弊 → 给出最优解。
但真实的商业决策逻辑是：先做价值排序，再谈成本收益。
在朋友物流公司这个案例里，价值排序是什么？
· "活下去"比"不吃亏"重要
· "有资格参与招标"比"合同公不公平"重要
· "一个讲规则的大客户"比"理论上的控风险"重要
这些判断，AI做不了。因为AI擅长的是在给定目标函数下求最优解，但它不知道你的价值排序是什么。
你可能会说，那我把这些约束条件都告诉AI不就行了？
问题就在这里——这些约束条件，是现实里一个又一个不同的商业场景，无法概括为一个现成的清单一条条喂给AI。 它们藏在你对行业的理解里、对客户的判断里、对公司现金流的感知里、甚至对团队能力的把握里。它们是模糊的、动态的、情境化的。
曾看过一个AI应用案例：大客户临时追加大单，公司新上的AI系统算出来：成本上升15%，此业务综合得分降低8个百分点，建议不接。但销售副总裁拍桌子："这是我们最大的客户！这个单子不能不接！"
系统能算数字，但理解不了"有些客户碰不得"。
这不是系统的bug，这是系统的本质。理性最大化假设存在一个客观的"最优解"，但现实业务场景的决策不是在寻找最优解，而是首先在做价值判断。
企业里到处都是"算得清但定不了"的决策
朋友物流公司的案例不是孤例。
现实中太多企业，系统越上越多，数据越来越全，但决策反而越来越慢。
招聘场景： 候选人各项指标评分中等偏上，但"感觉对"。用还是不用？AI给不了答案，因为"感觉对"这件事没法量化。
投资场景： 数据模型说风险偏高，但创始人"靠谱"。投还是不投？AI也算不出来，因为"靠谱"是一种综合判断。
产品场景： 功能A数据表现好，功能B用户反馈好。先做哪个？AI可以给你一堆数据对比，但最后拍板的还是人，因为你得判断"现阶段什么更重要"。
这些决策有一个共同点：AI系统能给你一张精确的地图，但决定走哪条路的，是你要去哪里。
而"去哪里"这件事，从来就不是计算出来的。它是判断出来的。
神经科学家Antonio Damasio在1990年代研究过一个叫Elliot的病人。Elliot因为脑部手术损伤了前额叶，智商、逻辑、记忆全都正常，但情感部分缺失了,结果是他做不了任何决定——最后他被解雇、家庭破裂。
Damasio的研究颠覆了一个根深蒂固的假设：纯粹的理性不会带来更好的决策，纯粹的理性会导致决策瘫痪。 因为没有情绪提供的"偏见"来帮人筛选。
企业里的"Elliot困境"也是一样。系统越"理性"，给你的选项和维度越多，你反而越难拍板。
所有决策的背后，都是"谁来负责"
为什么AI不能真正做决策？因为AI不能负责。
这是最朴素也最本质的道理。你让AI审合同，它说"建议不签"，但真要是因为不签丢了客户、公司撑不下去，AI不会为此负责。最后承担后果的，还是老板自己。
这也是为什么S&OP流程中有明确的Executive meeting 会议章程。不用复杂系统，基于计划员的数据分析，各职能明确为什么负责：销售为增长目标负责，供应链为执行负责，财务总监为现金流负责，总经理做终平衡，为“两害相权取其轻”负责。
而AI呢？它给你的是"综合得分降低8个百分点"这种正确但没用的结论。你问它"那到底接不接"，它说"取决于你的风险偏好"。
说白了，AI 把所有的判断责任，都推回给了人。 还顺便营造了一种"我已经提供了科学支持"的观感。
以前用Excel，供应链计划半小时就能决定补货量。现在呢？要研究十几个模型的假设、核对参数合理性、对比不同场景……两小时后，脑子里塞满了数据，对"该补多少"这个问题反而更迷茫了。
系统越"理性"，越倾向于把判断责任甩出去。因为判断必然"主观"，主观就要担责——而系统是不担责的。
那AI到底有什么用？重新定义AI的角色
说了这么多AI的局限，不是说AI没用。恰恰相反，AI非常有用——但你得搞清楚它在哪个层级上有用。
人工智能的应用，可以分成5个层级，从低到高分别是：
L1 工具软件层——AI就是个单点调用工具，帮你提升操作效率，但分析和决策全是人来做。比如用AI做个PPT、整理份数据，你指哪它打哪，效率确实高。
L2 聊天辅助层——AI能给你提供信息、回答问题，相当于一个随时在线的知识库助理。你问"行业平均账期是多少"，它给你查资料。这一层的AI，是信息的搬运工，你还得警醒数据源，要自己能判断它是否瞎编。
L3 协同工作层——AI能给出建议，人来完善。比如让AI写份合同初稿、做个方案框架、分析下竞品。它给你的不是最终答案，是一个"起点"，你在此基础上修改、判断、完善。
朋友用AI审合同，本质上就在这一层——AI帮他把风险点都找出来了，省了大量阅读和梳理的时间。
L4 智能代理层——AI能独立完成部分工作，人设定目标、监督进程。比如投资分析顾问、客服机器人……你告诉它目标，它自己规划路径、调用工具、输出结果。这一层的AI已经开始"干活"了，但最终的责任，还是人来担。
以上是现实中已落地，有成功案例的层级。参考《供应链中的AI是什么？调用层级？怎么用？》
L5 完全智能层——AI完全自主决策、自主执行，人设定目标后基本上不用管。这一层目前还只存在于科幻里。
朋友用AI审合同，AI干得很漂亮——风险识别、条款对比、量化评估，这些都是L3协同工作层该干的事，而且干得比人快、比人细。
但"签不签"这个决策，属于L5的事——它需要情境判断、价值排序。这不是现在的AI能搞定的。
很多人对AI的失望，本质上是把L3的能力，期待成了L4、L5的能力。
反过来，如果你对AI的定位足够清晰——它就是一个高效的"协同工作伙伴"，帮你把信息整理好、把风险列出来、把选项摆到桌面上——那AI的价值是巨大的。
朋友最后虽然还是签了合同，但他签得明明白白。他知道风险在哪、代价是什么、自己为什么要承担这个风险。这和稀里糊涂就签了，完全是两回事。
AI不能替你做决定，但AI能让你的决定更清醒。
朋友的故事，就是这个时代的一个缩影。AI把合同风险算得明明白白，但"这生意做不做"，还得老板自己拍板。
这不是AI的缺陷，这恰恰是人的价值所在。
AI能帮你把地图画得更精确，但决定出发的，永远是那个为结果担责的人。
