神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：痴迷于用AI提效，可能正以惊人的速度，解决着错误的问题。文章来自编译。

大家的共同执念显而易见：学会用人工智能更快地执行，你就能保持竞争力。每天我都能在领英上看到关于“提示工程”的新帖子，又一门关于“AI生产力技巧”的课程，又一个让ChatGPT写出更好的代码、创建更棒的演示文稿或自动化工作流程的框架。

但有个没人谈论的事实是：人工智能只会让糟糕的决策变得更快，而不是让决策变得更好。而且，当下最危险的处境并非在人工智能工具上落后，而是以超凡的效率去解决错误的问题。

在一个由人工智能驱动的世界里，真正的竞争优势并非执行速度，而是从一开始就知道哪些问题值得解决。这也正是让“设计思维”成为你秘密武器的用武之地。

对执行力的痴迷正在将我们引入歧途

大多数人认为，人工智能的成功等于更好的提示词加上更快的执行速度。

我曾亲眼目睹我所在组织的团队沉醉于人工智能带来的生产力提升。他们能在几小时内完成过去需要数天才能完成的分析，以闪电般的速度制作演示文稿，自动化那些他们一直想简化的流程。

可是，他们却比以往任何时候都更加迷茫。

因为没有方向的快纯属代价高昂的乱撞。当你可以在几分钟而不是几个月内执行任何想法时，你想法的质量就成了一切。当人工智能可以构建你想象中的任何东西时，问题就从“我们能做这个吗？”变成了“我们应该做这个吗？”

那些痴迷于“提示工程”的团队正在优化错误的变量。他们就像一个只学着如何开快车却忽略了地图的人。

当所有人都善于解决错误问题时会发生什么

这种对执行力的痴迷会产生三个大多数人尚未注意到的危险后果。

首先，我们正在为不存在的问题创造更多的解决方案。人工智能让解决方案的构建大众化了，这听起来很棒，但当你意识到大多数人其实非常不擅长识别真正的问题时，情况就不同了。现在，同样是这些人，可以用创纪录的时间为虚构的问题构建出复杂的解决方案。

其次，我们正在放大我们对于哪些问题更重要的既有偏见。人工智能不会让你成为一个更好的问题发现者，它只会让你更快地执行你当前的假设。如果你认为解决交互程度不够的方案是提供更多内容的话，人工智能会帮助你更快地创造更多内容。但它不会帮你质疑内容是否真的是问题的症结所在。

第三，我们正在通过各种活动制造一种虚假的进步感。当你能更快地完成任务时，你会觉得自己效率更高了。但到底效率高在哪里呢？团队将忙碌误认为进步，因为他们交付产品的速度更快了，即便他们交付的东西并不能带来实质性的改变。

目前最危险的团队，不是那些在采用人工智能方面遇到困难的团队，而是那些在错误的事情上变得极其高效的团队。

为什么发现问题比做出方案更重要

那些热衷于“提示工程”的人们搞反了一件事：执行力从来都不是瓶颈。

在我担任数据科学领导的十年里，我从未见过一个项目因为团队无法做出他们设想的解决方案而失败。项目之所以失败，是因为团队为那些不值得解决的问题做出了解决方案。

瓶颈始终如一：弄清楚该做什么，而不是怎么做。

想想你每天都在用的那些最好产品。Instagram的成功并不是因为他们贯彻照片分享功能比别人好，他们成功是因为他们发现人们想要分享的是精心策划的瞬间，而不仅仅是照片。特斯拉的胜利不是靠制造更好的汽车，而是重新定义了汽车应该解决什么问题。

那些主导市场的公司并不是执行速度最快的，而是最擅长识别值得解决的问题的。

而现在，人工智能让这一优势变得更加突出。当每个人都能以大致相同的速度执行时，唯一可持续的优势就是知道什么值得去做。

思考人工智能与人类技能的一种更好方式

我们不应跟人工智能比执行速度，而应在解决问题的深度上与它合作。

设计思维是一种在仓促提出解决方案之前，系统性地理解问题的方法。它正成为你能培养的最有价值的技能，因为人工智能没法越俎代庖。

这就是为什么设计思维和人工智能是完美搭档的原因：

人工智能可以为你定义的任何问题生成数千个解决方案，而设计思维则帮助你定义正确的问题。给人工智能一个明确的问题陈述，它会给你绝妙的解决方案。给它一个混乱的问题陈述，它会为错误的问题提供绝妙的解决方案。

人工智能可以为你选择的任何指标进行优化，而设计思维则帮助你选择正确的指标。人工智能会不懈地改进你让它改进的任何东西，而设计思维则确保你改进的是真正重要的事情。

未来属于那些能将三件事做得特别出色的人：

1. 提出更好的问题

大多数人急于寻找解决方案，因为思考问题本身会让人感到不适。设计思维迫使你与这种不适感相处更长时间，并提出更深层次的问题。

不要问：“怎么提高用户的互动度？”

试着问：“互动度对用户意味着什么？他们想达成什么？是什么阻碍了他们的达成？”

2. 看人家做了什么，而不仅仅是听他们说了什么

人工智能可以分析客户曾给出的每一条反馈。但设计思维教你观察人们所说的需求与实际行为之间的差距。

奇妙之处就发生在这些矛盾之中。人们说他们想要更多功能，但实际上他们想要的是更少的步骤。他们说想要个性化定制，但实际上他们想要的是好用的默认设置。

3. 对想法进行原型测试，而不仅仅是产品

设计思维既是测试产品和原型，更是测试各种假设。在你用人工智能开发任何东西之前，先用设计思维来检验你的基本假设是否正确。

在投入昂贵的解决方案之前，先用低成本的实验来验证问题的存在。

如何培养你的设计思维能力

好消息是，设计思维并非什么高深莫测的学问，而是一个可以通过实践不断强化的、可学习的框架。

从共情图谱开始。在做任何东西之前，先描绘出你的用户在想什么、感受什么、看到什么、说什么、做什么以及在为什么而挣扎。不是你假设他们在想什么，而是他们真正在想什么。这听起来显而易见，但大多数团队都跳过了这一步，因为他们认为自己早已心知肚明。

练习问题阶梯法。对于你发现的每一个问题，都问五次“为什么”。表面问题很少是真正的问题。深刻的洞见通常需要掘地三尺，在大多数人都不再追问之后再深挖三个“为什么”。

成为一名专业的观察者。观察人们如何使用产品、如何操作流程、如何做出决策。进行用户研究。你通过直接观察注意到的模式，是人工智能分析无法替代的。

尝试用不同的方式陈述问题。在仓促寻找解决方案之前，用五种不同的方式写下你试图解决的问题。通常，重新定义问题的过程本身就会揭示出你原本可能从未考虑过的解决方案。

掌握这种方法的团队将拥有不公平的优势。当他们的竞争对手正用人工智能为显而易见的问题构建更快的解决方案时，他们将用人工智能为其他人甚至尚未注意到的问题构建完美的解决方案。

未来不是人类与人工智能的对决，而是拥有人工智能的人类与没有人工智能的人类之间的较量。但更重要的是，这是能够识别值得解决问题的人类与只能更快解决问题的人类之间的较量。

请明智地选择你的技能。

译者：boxi。