欢迎来到遍地是专家的“黄金时代”。如今无论是实体还是虚拟,无论是IT行业还是其他领域,总有不断抛出技术建议的家伙。当然,专家也是人、特别是隶属于大型组织的专家,他们也时常会犯错。而从更辩证的角度出发,他们其实是对某些事物判断正确,对另一些事物则判断错误。二者之间往往存在诸多灰色地带,导致我们难以确定企业的技术路线该往哪里走。
所以学会如何评估专家建议,成了每位IT领导者都必须掌握的技能。对任何咨询意见照章全收都有巨大风险,可能对企业乃至管理者个人的职业生涯造成损害。所以在接纳任何关于IT或业务问题的外部建议之前,请先用以下八个步骤确定究竟靠不靠谱。
1. 谨防预设性建议
有些建议明显就是从“咨询流水线”上直接照搬过来的模板化指导,这代表你的顾问根本就没真正把握住你的具体挑战和技术目标。软件产品工作室与咨询公司Railsware的产品总监 Olexander Paladiy表示,出于可行性的考量,咨询方案应该满足于不同客户的独特需求。“这就像订制西装,我们需要的是一份根据实际需求设计而成的推荐清单。”
除了缺乏实际意外之外,模板式的建议往往还无法带来支撑其内容的数据、见解和重点。Paladiy解释道,“优秀的顾问必须认真考虑长期影响。”他还敦促IT领导者提防那些不关心头脑风暴和观点交流,却总把精力放在说服客户上的顾问。“我们真正需要的,是那些愿意充分挑战固有观念、或者提出替代性路径的技术建议。”
2. 需要的是解决方案,而非建议
建议当然很好,但建议本身不会自动转化为解决方案。IT支持服务公司Rimini Street的高级副总裁兼专业服务总经理Bill Carslay认为,“顾问提出的大部分建议,应该是向客户确认目前想要解决的具体问题。最终解决方案应该与客户所定义的问题直接相关,而且遵循组织所能推行的操作步骤和阶段。”
经验丰富的顾问当然可以拎出某个常见的IT挑战并快速描述解决思路,但这样的解决方案往往无法跟组织面临的具体情况严密契合。Carslay建议道,“请记住,永远不存在百试百灵的技术银弹,能够适应或增强解决能力的量化建议才最有价值。”
另外要记住,基于错误建议的错误决策将不可避免地虚耗时间、浪费精力。Carslay警告称,未能及时解决问题不仅具有直接成本、也会空耗精力和关注,进而对相关团队产生直接影响。“顾问既需要拨乱反正,同时也需要提供正确的解决方案。”
3. 有些建议根本没有意义
当某些建议缺乏逻辑推理、与数据相矛盾或者没有考虑到长期后果时,这就属于典型的垃圾建议。软件开发公司Invozone.com的工程副总裁Edward Kring表示,“批判性思维和严格的评估,就是区分技术建议优劣的最佳手段。”
遵循糟糕的建议当然可能引发负面结果,包括浪费时间、损失资源和错失机会。此外,经济损失、声誉受损和阻碍预期目标的正常推进也都是常见的附带效果。与此同时,糟糕的建议还会对决策、业务关系和长期成功产生负面影响。Kring指出,要想避免在建议执行过程中引发这些潜在后果,应务必保持谨慎的态度和强大的辨别能力。
4. 拓展参考视野,吸纳内部知识
CamIn-Cambridge Innovation Consulting北美办公室CEO Dirk Mersch建议称,不要单纯相信咨询师,而要更多从相关领域的专家那里吸纳现实知识。他表示,相较于所谓的“通才”,领域专家往往能更快、更经济地提供见解和答案。
信贷审查和比较网站CreditDonkey的运营总监Ann Martin认为,“部门主管和其他领域专家也能提供优质的咨询服务。如果他们认为咨询建议不具备可行性、不切实际或者没有作用,那最好认真听取他们的理解。而一旦多个部门同时给出类似的判断,我们就更要慎之又慎。”
当然,需要注意的是领域专家通常有自己的思路和目标,这也可能影响其客观性。总的来说,Mersch认为最好能向多位不同领域专家广泛征求意见。
5. 客观性为上
IT领域者应该尽量让顾问提供更加客观的建议。为了确保咨询建议的公平公正,Mersch建议设计一套内部同行评审流程。在他看来,“同行评审在学术界很万千,因为客观性对于科研工作尤其重要。要建立类似的同行评审体系,我们需要规划一支内部团队,负责学习和了解有待审查的当前技术。”
Mersch还强调了与咨询方间坦诚相待的重要性。他建议称,“不妨向他们提些比较直接的问题,帮助他们了解具体公司的具体情况。”
6. 寻求有针对性的建议
首先,要明确把“旨在对某个技术领域激发关注的报告”跟“旨在增进理解的报告”区分开来。
Mersch做了个类比,“我们可以把汽车想象成一个新兴技术领域。在接受了油门跟刹车的基本建议之后,大家可能已经有信心开车上路了。但这时候我们仍不知道车辆的机械原理,也不知道该如何安全驾驶。同样的,当我们对一项新技术进行重大投资时,先要了解它是如何运作的、而后才能判断如何更好地推动这一切向前发展。”
IT领导者还应尽量寻求那些能够提供可信证据,证明待考查技术或方法已经足够成熟、能够切实满足目标用例需求的咨询建议。Mersch同时补充道,建议中的技术或方法还应具备转化为显著经济效益的能力。
再有,要保证一切咨询建议都针对组织的独特需求而量身定制,这一点至关重要。Mersch警告称,那种“复制粘贴、一刀切式的建议很难带来可观的投资回报率。”
7. 结合多种建议来源
创意机构Outrank的创始人Stephen Robinson表示,要想找到值得依赖的优质咨询建议来源,必须采取多方面措施。他建议在会议、网络研讨会和行业出版物中寻找潜在顾问,或者加入LinkedIn等职场社交网络。
“这些途径为我们带来了扩展知识、拓宽视野的机会,有助于跟志同道合的同行们建立联系,而他们日后都可能成为宝贵的建议来源。要把握这份助力,自然应该尽早与他们建立起人脉关系。”
8. 礼貌回绝糟糕建议
其实无需讳言,顾问和咨询师也是人,也可能犯错或者被供应商的错误宣传所误导。因此,不要害怕回绝那些糟糕的咨询建议。
当然,回绝这些被误导的建议也讲究方式方法、需要一点专业手段。Robinson建议,应该在表达谢意的同时,清晰传递自己的保留意见。另外,还可以分享自己对建议内容不符合组织当前战略及未来目标的担忧。
Robinson最后总结道,“请务必保持开放的沟通渠道和坦诚的交流心态。如果可以,不妨给出更具体的完善建议,确保能与咨询顾问一同探寻通往正确答案的路径。或者,您也可以转而寻求其他方面的意见,确保讨论始终运行在有建设性的轨道上。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。