AI时代三大核心能力：提问力、复杂性与价值判断的辩证关系

人工智能的迅猛发展正在重塑人类社会的认知格局。当生成式AI将获取答案的边际成本推向零，传统的“知识储备”优势正经历前所未有的贬值。

在这一历史转折点上，三种核心能力的重要性愈发凸显：提出问题的能力、处理复杂性的能力和在混乱中建立价值判断的能力。这三者并非孤立存在，而是构成了一个动态循环、相互增益的认知体系——提问驱动复杂问题的识别与拆解，复杂性处理需要价值判断来锚定方向，价值判断又通过不断追问和系统思考得以深化。

一、提问能力已从一种“软技能”跃升最为重要的“元技能”

过去，知识的价值在于其稀缺性。律师熟记法条、医生掌握病例、工程师精通API——这些曾是专业壁垒的核心。然而，大语言模型（LLM）的出现彻底颠覆了这一逻辑。

NVIDIA CEO黄仁勋直言：“在AI时代，答案变得很廉价，因为AI可以生成无数个答案。只有你知道什么问题对你来说是重要的。”这意味着，未来的竞争优势不再来自“知道什么”，而来自“问什么”。

在AI时代，提问能力已从一种“软技能”跃升为最重要的“元技能”。QuestionCraft创始人Mike Luekens指出，经过60多年学术提问研究、5年AI提示词科学验证，“更好的提问能力不是可有可无的软技能，而是你现在能培养的最重要的元技能”。每周有超过7亿人使用ChatGPT，工具相同，但结果天差地别——变量就是问题本身。

回顾人类历史上的重大突破，往往不是因为有人找到了更好的答案，而是因为有人提出了没人问过的问题。达尔文没问“物种是如何被创造的”，而是问“物种会变化吗”；爱因斯坦没问“如何测量以太”，而是问“如果没有以太呢”；乔布斯没问“如何造出更好的手机”，而是问“为什么手机必须有键盘”。这些问题的共同特征是：它们重新定义了问题的边界，而非在既有框架内寻找更优解。

二、处理复杂性的能力是系统思维，看见森林而非树木

真实世界的问题极少以单一学科的“标准题型”出现。气候变化、公共卫生危机、社会治理——这些挑战横跨自然科学、社会科学、经济学、伦理学等多个领域，没有现成的公式可以套用。

世界经济论坛《2025年未来就业报告》指出，分析思维和系统思维是雇主最看重的核心技能之一，被七成企业视为必备。

系统思维（Systems Thinking）是处理复杂性的核心认知工具。它要求思考者不仅关注单个要素，更要理解要素之间的相互作用、反馈循环和涌现特性。AI擅长处理线性、可分解的任务，但在面对高度耦合、非线性的复杂系统时，人类基于经验和直觉的整体把握能力仍然不可替代。

AI为跨学科交流提供了通用语言与工具，但人类需要将不同领域的知识、视角、方法连接起来，置身于创新创造的第一现场，才能真正培养解决复杂问题的能力。这种跨学科融会贯通力不是简单知识的拼贴，而是在不同范式之间建立映射、发现共性、创造新框架的能力。

三、在混乱中建立价值判断的能力

新华网转引《纽约时报》文章指出，判断力是在相互冲突的价值观和不同意见之间进行权衡的能力，当权衡取舍不可避免而正确答案又无法通过计算得出时，判断力就是人类所依赖的独有技能。

一个经典案例展示了这一点：AI建议出售增长缓慢的部门（纯数学角度合理），但人类管理者选择出售波动性大的部门以符合公司使命。这种对模糊情境的综合权衡——将财务数据、组织文化、长期战略、员工福祉和社会责任纳入同一决策框架——无法被自动化。

AI的结构性短板中首要的便是价值判断缺失。中国网/新闻分析指出，AI无法权衡公平、责任、文化差异等伦理维度。医疗诊断中AI可提供病理分析，但治疗方案需医生结合患者情感需求与生存质量进行决策。

当AI拉近人与人之间的距离、让不同文明成果触手可及的同时，技术的局限性也带来了信息茧房与算法偏见。人类必须基于社会责任、人文关怀和价值关切做出最优选择，建立应有的精神坐标、情感联结和文化认同感——这正是算法难以企及的领域。

四、提问能力、复杂性处理能力和价值判断能力三者并非并列，而是构成了一个有机的、动态循环的认知体系

提问驱动复杂问题的识别与拆解。 一个好的问题能够将模糊的困境转化为可分析的子问题，将表面现象引向深层结构。爱因斯坦的“如果没有以太呢”这一问题，不仅重新定义了物理学的问题领域，更开启了对时空本质的全新复杂性探索。

复杂性处理需要价值判断来锚定方向。 在分析复杂系统时，人们很快会面临“分析可以无限深入，但资源有限”的困境。此时，价值判断决定了哪些问题值得深入、哪些变量需要优先关注、哪些不确定性可以接受。没有对“重要性”的判断，复杂性分析将沦为无休止的信息堆砌。

价值判断又通过不断追问和系统思考来深化。 价值判断不是静态的教条，而是在面对新情境、新证据时不断被检验和修正的动态过程。

当三种能力协同作用时，会产生显著的放大效应。一个善于提问的人能够发现别人忽略的复杂性；一个理解复杂性的人能够提出更深刻的问题；一个具备价值判断力的人能够在纷繁复杂中保持清晰的方向感。三者共同构成了人类区别于AI的核心竞争力：在不确定性中发现意义、在混沌中创造秩序、在矛盾中做出抉择。

五、培养三种核心能力，更好地应用AI

培养提问能力：应以“问题链”替代“知识点清单”。采用提问式学习模式，核心在于培养发现、定义、提出“真问题”的能力。课程设计应鼓励学生：对既定结论进行质疑和反诘；在不同学科之间寻找连接点和冲突点；将个人经验与全球议题相联系；从“如何做得更好”跃迁到“为什么这样做”。教育体系需要主动转变思维，将课堂从“教师提问-学生回答”的单向模式转变为“学生提问-师生共探”的协作模式。

培养复杂性处理能力：利用AI辅助把不同学科知识、视角、方法连接起来。课程设计应整合认知学徒制、问题式学习（PBL）、对话式教学、真实评估等方法，让学生真正置身于创新创造的第一现场。培养系统思维与贝叶斯学习模式。强调学生的认知并非一成不变，而是在不断接收新信息、参与新实践的过程中持续优化。培养价值判断能力：强化伦理与价值判断力，将其视为远高于具体知识掌握的非编码能力。课程中应系统引入伦理学、哲学、社会学的核心议题，让学生在面对真实道德困境时进行辩论、权衡和决策。培养学生批判性思维与反思能力，帮助学生打开全球视野，理解世界的多样性和差异性，学会沟通、尊重与信任。

结语：提问能力是认知的起跑线，它决定了我们看见什么、忽略什么、追问什么。处理复杂性的能力是路径与载体，它使我们能够在混沌中建立秩序、在跨界中发现创新。价值判断能力是方向与锚点，它确保我们的探索不迷失于效率的迷宫，始终朝向有意义的目标。

未来的赢家不是那些与AI竞争的人，而是那些最懂得如何与AI协作、同时保持自身独特人性的人。AI是放大器——如果你平庸，它放大你的平庸；如果你深刻，它放大你的深度。而提问的深度、理解复杂性的广度和坚守价值的力度，正是人类深度的三重维度。

（作者 付国兵 ）

专家介绍：

付国兵：金融领域资深专家，技术经理人，长期执业会计师事务所，同时持有注册会计师（CPA）、税务师（CTA）、特许金融分析师（CFA）三项重量级专业资格，在财务审计、税务、金融分析三大领域均具备独立执业和综合判断的独特能力。曾参与全国首起跨省非法集资核查。 精通Excel现代编程式公式，将VBA/Python融入工作流程。自创Oral Computer Language（OCL） — 口语化新兴计算机语言。主动拥抱Trae/Cursor等AI工具，研究AI审计置信度，探索人机协作新模式，并取得不凡成果。

（篇幅所限参考来源略）