AI 會寫策略，策略家還剩下什麼？

（圖文不符）由Felipe Csaszar等學者在2024年發表的研究，基本上證實了一件實戰者早就知道的事：在「產出策略框架」這件事上，AI的全面性與速度，已經把人類遠遠甩在後面。

（圖文不符）

由Felipe Csaszar等學者在2024年發表的研究，基本上證實了一件實戰者早就知道的事：在「產出策略框架」這件事上，AI的全面性與速度，已經把人類遠遠甩在後面。這篇名為《人工智慧與策略決策：來自企業家與投資者的證據（Artificial Intelligence and Strategic Decision-Making: Evidence from Entrepreneurs and Investors）》的論文，讓我們可以深入探討企業策略決策的未來：人類策略家還有多少存在價值？

▮ AI寫的創業計畫書，比人類寫的還好

這篇研究是Open Access，推薦大家可以下載回去閱讀。

他們第一個研究設計是創業計畫書的撰寫。

他們拿了一批真實世界的創業計畫書，一部分是人類創業者寫的，另一部分是把創業者點子的「問題」部分丟給GPT，讓AI生成剩下的「解決方案」、「市場分析」和「市場進入策略」。然後，他們找來一群真正的創投（VC）和天使投資人盲測評分。

結果如何？由AI 生成的商業計劃書，其總體評分比人類企業家寫的計劃書高出 0.14 個標準差（p < 0.001），這個差異在統計上非常顯著。評審們不僅更願意推薦AI寫的計畫書進入加速器，甚至表達了更高的投資意願。而且，他們使用的還只是ChatGPT 3.5版本。

這結果跟我目前的實作經驗完全一致。無論是論文裡提到的情境分析（Scenario Planning），還是我個人常用的七大市場力量分析（Seven Market Forces），只要是這種「框架型」、「結構化」的策略產出，生成式AI的表現就是碾壓級的。你丟給它一個框架，它能在幾分鐘內，從訓練資料庫裡撈出成千上萬的相關資訊，整理成一份看起來全面、完整、滴水不漏的報告。這種廣度跟速度，是人類大腦的物理極限所無法企及的。

論文裡也用了波特五力分析（Porter's Five Forces）當例子，AI不僅能條理分明地列出各個力量，還能點出人類決策者可能忽略的次要利益關係人，例如AI公司。這證明了AI不只是在「填空」，而是在進行有一定深度的「知識串連」。

所以，第一點結論很清楚：在策略的「生成」階段，特別是套用現有框架時，AI已經是個夠水準、甚至超水準的分析師了。

▮ 創業必成、成功已到？AI啦啦隊的樂觀陷阱

但是，AI是不是就這麼完美無缺？當然不是。

我的第二個觀點，也跟這篇研究不謀而合：生成式AI評估事情時，都比較樂觀。這篇研究讓人類與AI評審同一批創業題目，結果發現，AI給的分數普遍比人類評審更「甜」。

這現象在很多研究中都已經被證實。這就像你手上有個60分及格、但你考了61分的創業計畫，把它丟給人類評審，他可能會因為風險考量、個人偏見，或是那天心情不好，大筆一揮就把你刷掉。但如果你把它丟給生成式AI，它很可能會告訴你：「潛力無窮！前景可期！只要你做到ABC，成功就在眼前！」它會給你一個充滿陽光的未來想像。

但這就是AI的特性。它基於數據中的成功模式進行推理，比較缺乏人類那種對於失敗的恐懼、對於模糊地帶的直覺性懷疑。所以，如果你想找人幫你的點子找碴、扮演「惡魔代言人」（Devil's Advocate），AI可以做得很好，它能列出15個反對觀點讓你啞口無言。但如果你要它做最終的「Go/No-Go」決策，請小心，它可能會讓你覺得創業必成、成功已到。

▮ AI是催化劑，不是你的大腦

現在的AI，有了所謂的「深度研究」（Deep Research）能力，上下文窗口（Long Context Window）也大到可以塞進全套哈利波特。理論上，過去那些因為資料量太大、太瑣碎而無法餵給AI分析的東西，現在都可以了。

那，這是否意味著AI就能取代人類的靈光一現或策略直覺

我最近幾次的實作經驗告訴我：不．會。

我發現一個有趣的現象：對於那些平常就對組織內部狀況、產業動態知之甚詳的策略家或高階主管，AI往往只是「起個頭」。AI產出的報告或分析，瞬間就點燃了腦中新想法，讓他們看見了過去沒注意到的資料關聯性。AI成了他們思維的催化劑、靈感的放大器。

反之，如果使用者平常就沒在想這些事，對業務也一知半解，那AI產出的東西再怎麼全面，對他來說也就是一堆資訊而已。生成式AI的處理資料能力上限，就是個人能力的上限。

這其實也不算什麼大問題，畢竟一個組織的策略家本來就屈指可數。AI真正的價值，或許不在於「取代」這些少數人的大腦，而在於「賦能」他們，讓他們能更快、更廣、更深入地思考。就像論文中提到的，AI可以幫助我們進行「表徵變換」（Changing Representations），例如，用AI把「銀行」重新想像成「SPA」或「主題樂園」，並立刻生成視覺化的模擬。這種跳脫框架的思維實驗，在過去成本極高，現在卻能一鍵完成。

▮ 30年後，策略師還存在嗎

這篇論文的作者們全篇論文不斷地提出一個大哉問

『我們探討了策略決策管理（SDM）是否會像金融交易一樣走上相同的道路，30年前金融交易完全由人類進行，而今天大多數由算法完成。30年後，SDM會主要由人工智慧處理嗎？』

這問題非常尖銳。演算法的進步速度極快，而價格只會不斷下降。現在已經顯而易見的好處是，當我們從「策略框架」轉向「策略演算法」，策略的精確度將會大幅提升。過去那些模糊的、依賴個人經驗的「感覺」，將會被量化的、可回測的模型所取代。

然而，挑戰也隨之而來。當機器能處理越來越多「精確」的工作時，人類思考者的抽象思維鍛鍊與水準，是不是能繼續提高？還是會因為過度依賴工具而退化

當一個初階策略分析師的工作，可以被AI在幾分鐘內完成，而且品質還更高時，我們要如何培養下一代的策略思考者？當AI可以模擬出上百個「虛擬群眾」（Virtual Crowds）來測試市場反應，我們還需要傳統的市場調查嗎？當競爭對手的策略都是由「強AI」輔助生成，我們的競爭優勢又該建立在哪？是獨特的資源（李嘉圖式）、不斷的創新（熊彼得式），還是……根本蕩然無存？

這就是巨大挑戰了！

▮ 觀戰重點

所以，這場由AI引爆的策略革命，真正的看點在於，當AI能幫我們把策略的「譜」（那些框架、數據、分析）都寫得又快又好時，你，身為一個血肉之軀的策略家，還剩下什麼獨特的價值？

是更深刻的、連結人性的洞見？是那份敢於在數據不支持時，依然下注的「直覺」與「勇氣」？還是建立與維護複雜人際網絡、推動策略執行的「領導力」