《案例教学已死,判断力教学崛起》
——AI把答案做成了免费品,商学院能卖的只剩一样东西:下注的能力
过去三十年,商学院卖的是案例;未来十年,能卖的只剩判断。
先讲一个有点尴尬的场景。一门经典战略课,布置了四十页案例、三张报表、一份建议书。有位同学把案例扔进大模型,三分钟出稿,逻辑清楚,错别字比教授的板书还少。
教授看完沉默了一会儿,问了一句:“如果这是你的钱,你投吗?”
全班安静了。
这一秒的安静,就是商学教育的新起点。
一、先看反差:答案在贬值,提问在涨价
一所头部商学院最近把AI写进了学院战略,覆盖教学、科研、管理运营三条线。表述很克制:AI不只是提升效率的工具,更是推动学院系统性转型的力量。
翻成大白话:工具可以外包,转型不能外包。
过去商学院的稀缺品是信息,教授掌握案例库,学生交学费买门票。今天信息的价格趋近于零,稀缺的东西换了名字,叫判断。
知识正在被平权,判断力正在加速分层。
二、拆机制:为什么是商学院先被敲门
医学院、工学院都在谈AI,为什么商学院最先感到脚下发烫?
因为商学院教的大半内容,本来就是“结构化信息的处理”:财务建模、市场分析、竞争框架。这正是大模型最拿手的部分。
技术替代的顺序,从来不看职业的体面程度,只看任务的可描述程度。能写成说明书的能力,早晚变成说明书的价格。
这位院方负责人提到的三个落点,表面并列,实际是一个闭环。
教学端,AI当助教,老师腾出手来做案例之外的事——带学生做真实决策。
科研端,AI当研究员,数据清洗和文献综述从数周压到数小时,教授的精力回到问题本身。
运营端,AI当行政,招生、排课、评估一套流程跑完,人去处理例外。
闭环的核心只有一句:把重复留给机器,把例外留给人。
商学院是训练未来管理者的地方,自己先得成为一个会用AI管理的组织。课上讲转型,楼下还在手工排课,学生一眼就能看穿。
三、急刹车:用得更多,等于用得更好吗?
有人会问:技术三年一换代,学院今天押注的工具,明天就过时了,何必折腾?
恰恰相反。
工具会过时,组织的学习能力不会。一所学院敢把AI写进战略,真正沉淀下来的不是哪个软件,而是一整套与不确定性共处的肌肉记忆。
买工具是消费,改流程才是投资。
但有一句实话得说在前面:目前能确认的是方向和实践积累,还没有量化的效果数据。已经开始应用,不等于已经完成转型。
真正的转型尺度不是“用了多少”,而是“改善了什么”:课堂上学生能否解释自己的判断过程,科研里证据核验是否更扎实,运营中职责是否更清楚、结果是否可核验。先定目标,再选工具,最后用效果决定扩不扩。
把“用了什么”转向“解决了什么”,才不会把技术热度误认成改革深度。
四、学生这一侧,账要重新算
商学院的学费从来不便宜,过去买的是三样东西:知识、人脉、文凭。
知识在贬值,这没有争议。人脉和文凭短期还在,但含金量取决于第四样东西:你在这所学院里,有没有被逼着做过真实的决策。
回到开头那间教室。前排同学让AI写了十版商业计划,后排同学自己憋了一版。期末答辩,评委只问一个问题:如果这是你的钱,你投哪一版,为什么。
前排未必赢,后排未必输。赢的,是那个能解释“为什么”的人。
AI越强,“为什么”越贵。
这也意味着基础知识不能省。没有概念、方法和专业常识,你连一份流畅分析里的漏洞都看不见,更分不清合理推断与漂亮废话。生成可以交给工具,责任必须由人承担。
五、给出路,不给焦虑
这件事的乐观面,远大于悲观面。
对学生,试错成本大幅下降,两年里可以完整走几遍从分析到决策的循环,密度是过去的几倍。
对教师,终于可以从“讲清楚概念”这件机器更擅长的事里解放出来,回到“看一个人有没有成长”这件机器不擅长的事上。
对学院,这是一次换赛道的机会。过去比谁的案例库更厚,未来比谁的学生更敢下注、下得更准。
国内头部商学院在这件事上没有落后,有的已经把AI从选修课升级为学院战略。方向对了,剩下的是执行的耐心:允许小范围试验,也建立复盘机制,让有效的经验进入日常。
这一轮转型里,慢的是跟进,快的是定义。
六、最后一层
基督新教有一个很朴素的传统:智慧的开端,是承认自己的有限。放到今天,这句话有了新注脚——
AI让每个人都能拿到不错的答案,于是答案本身不再构成优势,优势只属于知道哪些答案不该信的人。
商学院要教的,从来不是如何算得更快,而是算完之后,如何在不确定里承担后果。
这个时代奖励的,不是会用AI的人,而是知道AI该在哪里闭嘴的人。
(唐加文,笔名金观平;本文成稿后,经AI审阅校对)