這，才是下一個10年最稀缺的能力

當AI能在幾秒鐘內生成十套增長方案，將研發週期大幅壓縮，甚至開始參與企業的戰略推演，一個根本性的問題浮現：在這樣的時代，什麼才是企業與個人真正稀缺的能力？答案或許並非更先進的AI工具，而是誰來定義問題、誰來挑選方案，以及誰來承擔最終決策的後果。這場關於決策權的變革，正在全球商業領域悄然發生。今年五月，美國加密貨幣公司Coinbase做出了一項震撼硅谷的決定，裁撤了700名員工，理由並非業績不佳或資金短缺，而是AI已經能夠取代他們的工作。

Coinbase內部建立了一個由四個AI角色組成的「智囊團」，在面對重大戰略決策時，這四個AI會先進行內部辯論：分析師負責初步評估，探索者搜尋內部知識庫尋找依據，綜合者將各方意見整合成建議書，而最關鍵的第四個角色「反對者」，則專門負責挑出潛在風險與漏洞。令人驚訝的是，AI所提出的問題，是人類高管團隊開會三天都無法預見的。根據市場研究機構高德納的預測，到2027年，全球將有一半的業務決策會透過AI進行增強或自動化。這意味著，企業的核心競爭力不再是「做決策」的能力，而是「設計誰來做決策」的能力。當AI能夠提供無限的選項與策略時，人類的價值在於品鑑與選擇，這也正是「策無限，決稀缺」的核心洞察。

硅谷近期甚至出現了兩個全新的高階職位——「首席提問官」與「首席品鑑官」，前者負責從人本價值出發提出好問題，後者則在AI生成的答案中做出高品質的選擇。AI對商業的改變，可以從三個層次來理解。首先是「AI加研發」，如同前OpenAI創始團隊成員安德烈·卡帕西所言，他已經很久不需要修改AI寫的程式碼了。在科學領域，2024年諾貝爾化學獎頒給了AlphaFold，該模型將蛋白質結構預測的週期從數十年縮短至數天，甚至出現能獨立提出科學假設的AI系統。其次是「AI加運營」，這類高頻次的應用正在重塑企業的日常運作。

以快時尚品牌SHEIN為例，它利用AI實時抓取社群媒體熱詞，自動生成設計稿，並透過數據驅動的「小單快反」模式，將傳統數月的運營週期壓縮至數天，讓AI直接引領運營流程。然而，最根本的變革發生在第三層——「AI加決策」。這不僅是做得更快，而是讓完全不同的事成為可能。Netflix在2006年懸賞百萬美元改進推薦算法，後來發現這項技術的價值遠不止於推薦影片，而是徹底改變了內容決策邏輯。

Netflix透過分析用戶觀看行為，發現喜愛原版英劇《紙牌屋》的觀眾，同時也偏好凱文·史派西的電影與大衛·芬奇的導演作品，於是豪擲一億美元，找齊這三位創作者推出美版《紙牌屋》，最終成為其首部爆款原創劇，也標誌著Netflix從內容分發商轉型為內容生產商。另一個經典案例是亞馬遜的Prime會員制。2005年，一位工程師向貝佐斯提出會員制構想，許多高管因每單物流成本高達十幾美元而反對，但貝佐斯力排眾議，認為客戶喜愛Prime就會帶動需求，進而攤平成本。結果Prime會員從零成長到兩億，更重要的是，會員行為數據為亞馬遜開拓了Prime Video、Prime Music、雲計算等新業務。

這兩個故事共同說明了，AI能將憑直覺的決策轉變為憑數據的決策，並且重新定義了「決策」本身的意義。當AI讓策略與方案無限供給時，人類的判斷、取捨與責任承擔就變得更加稀缺。AI可以計算出最有效率的方案，但它無法代替人類進行價值判斷，無法說出「我選A，出了問題我負責」。諾貝爾經濟學獎得主赫伯特·西蒙提出的「有限理性」理論，在AI時代依然有著不可動搖的基石：效率是計算問題，可以外包給AI；但價值是選擇問題，必須留給人類。人類決策包含本能、理性與情感三套系統，AI可以完全接管理性分析，但危機時刻的直覺、品牌情感的共鳴，以及對不確定性的判斷，仍是人類獨有的優勢。

這也催生了企業需要一套全新的「人機混合決策」架構。根據AI參與度的不同，決策可分成四種場景：人類獨斷的倫理與戰略方向問題、人類主導的AI輔助分析場景、AI主導的高頻重複場景，以及AI獨斷的高度標準化場景。決策的「可計算性」越高，AI的權重就越大；「價值判斷性」越高，人類的權重就越大。企業的決策模式也將沿著「AI輔助決策」、「AI嵌入決策」到「AI湧現決策」三種路徑演進，其中最具革命性的「AI湧現決策」，能讓AI生成人類未曾設想的戰略選項，如同Coinbase的「反對者」AI，迫使決策者面對那些被忽略的風險。當AI擁有決策權時，治理框架必須回答三個核心問題：邊界——AI在什麼範圍內可以自主決策？

質量——AI決策準確率低於閾值時如何觸發人類介入？責任——負面後果由誰承擔？設計協作平台Figma的做法提供了參考，其AI設計助手建立了「決策日誌」系統，讓設計師可以回溯AI的決策依據。而Uber在2014年悉尼人質事件中，因動態定價算法自動將價格提升數倍引發公憤，最終引入「人類否決權」來解決問題，顯示邊界設定需要持續演進。這也帶出了「AI原生」與「AI賦能」的物種分化。AI原生公司從第一天起就將AI置於核心，例如僅50人團隊的PPT工具公司Gamma，2025年收入超過1億美元，因為它讓用戶描述意圖，AI直接生成幻燈片，人類只做「輸入什麼描述」與「選擇哪張圖」兩個決策。

麥肯錫數據顯示，近90%企業已開始使用AI，但僅不到15%認為AI帶來顯著財務回報，落差就在於多數企業只優化了舊流程成本，卻未觸及收入模式與價值主張。真正的診斷標準是：如果明天撤回所有AI能力，公司還能以原有方式運轉並產生同等收入嗎？最終，CEO的角色也必須隨之轉變。傳統的CEO是「首席決策者」，而AI時代的CEO應成為「首席決策架構師」，不直接做大多數決策，而是設計「誰來做、怎麼做、在什麼邊界內做」的架構。中層管理者也將從「監督執行」轉變為「高階任務編排者」，工作內容變成定義問題、設定AI邊界、審核異常輸出。AI不會自動帶來增長，它只會放大企業原有的決策質量。

未來拉開差距的關鍵，在於誰能更早將AI從工具升級為組織的操作系統，並在效率、邊界與責任之間建立持續校準的機制。