我们是否正在将专业服务自动化成知识危机?

隐藏在AI采用背后的专业知识危机 

随着专业服务领域AI采用加速，企业面临失去判断力和专业知识的风险。为什么认知而非自动化应主导2026年的AI策略。 

2026年,专业服务企业将面临意想不到的清算。AI将深入嵌入法律、咨询、金融、会计和政府相关工作中。生产力将提升。周转时间将缩短。数据证实了这一转变：汤森路透发现,企业对生成式AI的使用在2025年翻了一番,95%的专业人士认为AI很快将成为其工作流程的核心。  

随着AI的普及,组织将感受到对其成功至关重要的某些东西正在流失。这个"东西"就是专业知识。 

对AI取代人类潜力的过度关注意味着我们正在忽视一个更紧迫的近期问题：AI可能会消除专业人士学习如何思考的经验。 

专业服务领域的大多数AI实施都是围绕速度、效率和成本降低而设计的。模式识别任务被自动化。信息检索即时完成。输出更清晰、更快速。但这种方法造成了一个危险的盲点：如果初级和中级专业人士不再接触批判性思维和决策背后的认知工作,那么未来的高级专业人士将从何而来？ 

2026年专业服务领域AI面临的决定性挑战不是提高技术能力。而是企业能否在采用AI的同时,不削弱使专业建议具有价值的判断力、直觉和战略推理能力。 

在这两种情况下,解决方案都不是放慢AI采用速度。而是重新思考AI在专业知识是推动企业财务成功的货币的职业中可以和应该实现什么。  

什么是真正的专业知识——以及为什么AI难以捕捉它 

专业知识的发展既来自经验也来自正式指导。行为科学告诉我们,一旦某人知道在复杂情况下该看哪里,他们就无法"看不见"它。  

但向新人解释专家感知是非常困难的。 

经验从根本上改变了人们看待世界的方式,就像一个模糊的图像在隐藏的模式被揭示后突然变得清晰。 

 图片来源： "情绪是如何产生的：大脑的秘密生活 (2017) by Dr. Lisa Feldman Barrett. 

在法律、金融、咨询和公共政策等复杂领域,最重要的不是遵循规则,而是在混乱、往往高风险的环境中通过实践学习。 

随着时间的推移,专家发展出模式识别和对需要关注内容的精细感知。但这种知识对他们来说变得隐形。最有价值的洞察变成本能。高级专业人士很少阐明他们如何知道自己所知道的,因为大部分知识在意识层面以下运作。 

这造成了结构性脆弱性。组织最重视的专业知识包括多年积累的战术权衡、战略判断和微妙线索。然而,由于这些知识很少被记录,企业往往不会意识到他们有多依赖它,直到它消失。 

专业服务中正在浮现的悄然知识危机 

机构记忆的侵蚀不仅仅是因为人员流动,而是因为使他们有效的隐形思维从一开始就从未被捕捉或转移。 

与此同时,企业报告越来越难找到"有经验"的人才。他们寻找的不仅仅是服务年限。而是在情境中应用知识、驾驭模糊性和在压力下做出明智决策的能力。提高经验要求,就像一些企业正在做的,不会创造这些能力。相反,它会在不解决根本问题的情况下缩小人才库。初级员工需要丰富的机会在情境中发展判断力。  

实际上,这意味着企业面临的不是经验短缺,而是经验创造问题。随着传统职业路径收窄和初级职位被削减,组织在要求经验的同时却不提供形成经验的条件。 

缺失的中间环节：专业判断和专业知识实际发展的地方 

实习生了解理论。高级专业人士能够驾驭现实。通过多年的客户工作,他们发展出经验性的诀窍,能够本能地权衡战略权衡并做出决策。  

正在消失的是两者之间的桥梁：将理论知识转化为实践判断的经验学习。 

历史上,学徒式学习填补了这一差距。初级人员通过坐在专家附近、旁听对话、观察决策展开并学习策略如何实时演变来吸收专业知识。关键是,"渗透式学习"模式传递的不仅是知识,还有思维方式。这种模式正在崩溃。 

混合工作和自动化大幅减少了接触专家推理的机会。许多初级人员现在只看到决策的输出,却从未见证其背后的思维过程。 

随着AI压缩传统的职业阶梯,企业不能再依赖经验随时间自然产生。等待"现成的"经验既不现实又具有排他性。现在必须通过工作流程、角色和AI系统有意识地创造经验,让专业人士接触情境中的判断、权衡和决策,而不是使他们免受这些影响。 

如果没有新方法来揭示和转移这种隐形专业知识,能力差距只会扩大,直到我们达到不可逆转的技能衰退临界点。  

当AI取代思考时,专业能力衰退 

许多专业服务企业将AI视为工具问题：如何培训人们高效使用它,以便提高生产力、提供更好的客户服务并最终让企业赚更多钱。对此的需求很明确。2025年汤森路透调查发现,55%的专业人士报告由于AI采用,他们的工作方式发生了重大变化,而88%的人表示他们会青睐专业特定的AI助手。  

然而,提高工具采用率和熟练度并不能解决日益增长的认知差距。   

大多数AI工具被设计为向用户推送信息,而不是发展他们的思维能力。它们提供答案、摘要和建议,但很少促进反思、意义构建或判断。虽然这提高了速度,但有可能短路形成专业知识的认知努力。专业人士可能变得更快,但不一定更好。 

这很重要,因为专业知识不是仅通过接触答案就能发展的。它是通过应对不确定性、权衡取舍以及理解决策为何以其方式展开而发展的。 

2026年的危险在于,技术如此有效地简化了思维过程,以至于人们完全停止积累新知识。如果AI总是决定什么重要,专业人士就永远学不会自己识别。 

当专业人士先思考然后使用技术时,结果会改善。思考必须优先。  

为什么知识管理系统无法捕捉判断 

知识管理系统已经成为出色的文档目录,完美地组织展示如何做事的案例研究、模板和手册。  

然而,存在一个巨大的缺失数据集——工作实际如何完成的不成文规则。专家注意到什么。他们何时改变方向。哪些信号重要,哪些可以忽略。当没有明显正确答案时如何权衡取舍。这种隐形思维存在于"想象中的工作"和"实际完成的工作"之间的差距中。 

大型语言模型(LLM)不包含这些知识,因为它没有被记录。它是生活经验的一部分。除非组织找到帮助专家揭示它的方法,否则AI注定会加速其消失而不是保存它。 

从自动化到认知支持：重新定义AI在专业服务中的角色 

2026年,领先的专业服务企业将明确区分旨在自动化任务的AI和改善认知的AI。 

以自动化为重点的AI擅长效率。以认知为重点的AI建立在行为科学基础上,旨在揭示和增强判断,而不是取代它。 

以行为科学为主导的AI专注于更好的问题而不是更快的答案。它促使专业人士暂停和反思,阐明他们的推理,并大声思考他们的工作。在这样做的过程中,它加深了思考并揭示了专家没有意识到自己拥有的心智模型——这对于提供使企业脱颖而出的卓越工作至关重要。   

这对高级专业人士尤其重要,他们通常需要帮助识别他们无意识使用的线索和权衡。当他们的思维对自己和他人变得可见时,它也变得可转移。专家可以完善自己的推理,测试他们不知道自己正在做的假设,并持续磨练他们的判断。这种可见性还使他们的专业知识可以向客户解释：加强信任、展示价值、提高付费意愿和留存率。对于团队成员来说,它通过阐明不仅需要什么,而且为什么重要以及应该如何处理决策,减少返工和错位。当专业知识变得明确时,它可以为所有团队和客户(当前和未来)的利益而组织和共享。   

真正的专业工作不是线性的。它涉及曲折、路线修正和相互竞争的优先事项。尊重这种复杂性而不是将其抹平的AI系统,才是能够帮助组织保存和扩展专业知识而不是取代它的系统。 

2026年专业服务的关键要点 

1. 最大的AI失败将是认知性的,而非技术性的
仅仅专注于速度的企业将面临技能衰退,因为经验学习机会消失。这将是一次学习失败,而不是技术失败。

2. 专业知识将成为一个有意识的设计机会
随着自动化和混合工作挤压学习机会, 企业需要有意识地为初级员工创造微观机会,以建立判断力、反思、批判性思维和决策技能,并由AI支持在情境中揭示和分享专家思维。

3. 放大人类判断的AI将优于取代它的AI

最有价值的AI系统将使隐形专业知识可见,创建根植于专业人士如何思考和推理的新"专业知识数据集"。

4. 最成功的人才策略将从招聘经验转向创造经验

专注于帮助人们建立经验的企业将优于那些仅仅预先要求经验的企业。 

专业服务企业面临的选择 

未来的风险不是AI能否完成工作,而是当AI使工作看起来容易而专业人士停止学习如何思考和做出艰难的判断时会失去什么。  

将AI纯粹视为效率工具的企业将发现他们的专业知识正在悄然侵蚀,而那些使用AI来揭示判断的企业将发展、扩展和改善批判性思维,即使机器和LLM变得更强大。 

在培养下一代专业人士以实现卓越客户成果方面,区别将不在于谁最快采用AI,而在于谁最明智地采用它。