苏格拉底即服务：AI 无法取代的人类洞察力

原文：Socrates as a Service

我是一名记者，也是一位传播专家。这两重身份的核心任务是一致的：找到那些人们尚未用语言表达出来的想法——可能成为头版新闻的轶事，能够将创始人的哲学凝结为客户记忆的框架性表达。

在和一个人交谈的一小时里，可能要到第45分钟，我们才开始触及真正有价值的内容。两小时的对话中，可能只有一件事能引起我的注意——一个侧面故事、一个细节、某种色彩。一小粒金沙。一位与我密切合作的投资人把这类对话称为“萃取会谈”（extraction sessions）。而我则把那些擅长此道的人称为：苏格拉底即服务（Socrates-as-a-service）。

这些细节和故事不存在于互联网上，也不存在于任何模型中。而模型至今也未能复制我如何从人们身上挖掘出这些东西的能力。AI 能做到的事，和一个优秀的人类提问者所能揭示的东西之间的鸿沟，依然广阔——而最好的故事，正栖身于这道鸿沟之中。如果你的组织没有某种方式来浮现这类信息，你的品牌和信息传递最终听起来就会像那些被反复烹煮了两次的内容一样，平庸无奇。

大阪面包与隐藏其中的智慧

我所寻找的这种东西，在管理理论中有一个名字：“隐性知识”（tacit knowledge）。这个术语来自科学家兼哲学家迈克尔·波兰尼（Michael Polanyi），他用一句话定义了它：“我们所能知道的，远多于我们所能言说的。”这是存在于我们身体中的专业能力和直觉，它抗拒被转化为文档。

在一篇经常被引用的1991年文章里，日本管理专家野中郁次郎（Ikujiro Nonaka）提出，西方公司擅长“信息处理”，而日本公司则通过一个将隐性知识转化为竞争优势的反馈回路，专精于“知识的创造”。他最具代表性的例子是：1980年代，大阪的松下电器公司正苦恼于面包机揉面工艺的不理想。他们派了一名软件开发者去当地一家以绵软可口的面包闻名的酒店，向面包师傅当学徒。她带回来的知识帮助团队完善了机器内部的揉面拉伸技术，最终打造出一款畅销产品。

我确信那位幸运的工程师向面包师傅提了很多问题，但毫无疑问，她从观察中汲取了大量信息。事实上，波兰尼认为，隐性知识存在于数字或符号语言——也就是AI摄取信息所需的那种系统化——之外。

许多我们要从中萃取隐性知识的“面包师傅”，往往并不知道自己携带的专业知识有多深。而且，他们肯定也无法告诉你，你需要问什么问题才能触达它。

AI作为不完美的对话者

AI可以做一部分这样的提问工作，在某些情况下，它做得还不错。在 Every，我们在制订OKR（目标与关键成果）时，会让一位AI代理向我们提问。这位代理已经消化了 Every 的公司战略，并掌握了组织内所有成员的背景信息。我的同事凯蒂·帕罗特（Katie Parrott）会让她使用的Claude在写文章之前采访她。那些笔记会成为她文章大纲的基础。

然而，我认为，AI驱动的萃取在参数明确、任务结构清晰的情况下效果不错——比如写一篇文章或规划一个软件项目。但如果你想要翻开一块全新的石头，就某个对方此前很少谈及的话题进行采访，或是进行公司在决定品牌重塑时发生的那种开放式信息收集工作，情况就不一样了。在那些会议中，首席市场官或品牌机构会花时间与公司成员交谈，向他们提出关于业务的开放式问题。其核心在于保持开放、广泛探索，看看会出现什么。

这里还有第二个问题：一个在场的人类可以在对话中途感到惊讶并放弃原计划——也许注意到对方的犹豫，或顺着一根不在提问清单上的线索深入追问。而提示词（prompt）基本做不到这一点。当我从某人那里引出洞察时，我在实时运用我对“什么是好故事”的判断力——这种判断力是经年累月在新闻和传播工作中磨练出来的。这种双向的、活生生的注意力，是AI无法捕捉的，因为它不在场。

一个显而易见的反对意见是：这只是一个移动的目标——上下文窗口和记忆能力正在改善，以支持更详细、更流畅的对话。但品味不会。总得有人从两小时的对话中，判断出哪一个细节是那粒金沙。

野中郁次郎本人也认为，目标并不总是要让隐性知识完全显性化。因为隐性知识是如此个人化，又常常如此抽象，有时候合适的传递工具是隐喻或类比——一种能承载多重模糊含义的语言形式。要从一个人那里引出这样的语言，本身就需要一种特殊形式的隐性知识：一种苏格拉底式的技艺。

偷师这些技巧

那么，你如何发掘那些金块呢？尽管访谈播客爆炸式涌现，占用你数小时的注意力，但我发现大多数主持人在提问方面并不出色。那种节目形式要求一个叙事弧线——一段旅程——而这恰恰与你试图浮现隐性知识时想要做的背道而驰。真正的萃取会曲折推进，迂回往复，拾起你20分钟前说过的话，去拉扯另一根线索，追随的是金子，而不是听众的兴趣。

以下是我反复运用的技巧：

• **帮对方热身。**一旦信任建立起来，我们会更愿意敞开心扉。我从不会跳过对话开头的那段寒暄，而且我常常会提起我们之间的共同点：“我看到你刚聊过X——我也一直在思考这件事。”NPR 采访人特里·格罗斯（Terry Gross）最喜欢的破冰问题是：“跟我说说你自己。” 这个问题让与你对话的人来主导，同时在你仍在预热阶段时，保护作为提问者的你不会说出任何可能让对方感到不快的话。
• **混合提问，既有宏观也有具体。**当兰尼·拉奇茨基（Lenny Rachitsky）披露他为播客嘉宾准备的提问清单时，这种组合令我很受启发。例如，他会问：“有什么你尚未在其他地方分享，但可能在这个论坛上有趣的内容可以说说？”——这是一个非常笼统的问题；同时他也会问：“你职业生涯中的一个关键时刻是什么？”——这要求嘉宾精确定位一个转折点。要从某人身上萃取出未曾言说的洞见，帮助他们同时从宏观和微观两个层面思考自己的专业领域，会很有帮助。
• **回溯思路，深入钻探。**如果一条追问线索没有结果，别放弃它——稍后再回来，从一个不同的角度再试一次。第一轮接触往往能让智慧松动。
• **把对方的话复述回去。**重复别人说过的话，通常能帮助他们进一步处理自己的想法，他们往往会补充一些自己都忘了还记得的额外细节。
• **细节、细节、细节。**具体之处才是真东西所在。那一刻你是什么感觉？你为什么那么想？
• **善听。**曾获普利策奖的广播记者斯塔兹·特克尔（Studs Terkel）花费数十年采访芝加哥的普通人。一位受访者描述他提供的是一种“存在状态，是一种关注他人、将注意力投向他人的方式。”这就是优秀的倾听应有的样子。
• **问问松鼠的事。**在关于死刑辩论的纪录片中，维尔纳·赫尔佐格（Werner Herzog）采访了一位死囚牧师。对话开始时，这位牧师给出的是他已经回答了上百遍的、关于陪伴死刑犯走完生命最后时刻的流利标准回答。然后赫尔佐格问了他关于松鼠的事。节奏被打乱，这位牧师崩溃了。他对自己工作所怀的悲痛，由此袒露无遗。去问那些没有剧本的事情。

研究这些技巧。收集你喜欢的优秀提问。如果你想，也可以构建提示词，将这些技巧借用到结构化的AI驱动会谈中去。

但这些习惯背后的那种判断力，依然更难转移。它本身就是一种隐性知识。而眼下，它依然属于人类。

核心启示：AI可以成为结构化场景中高效的提问者与信息整理者，但真正决定信息价值的是实时判断、临场感知与耐性追问——这套人类特有的隐性知识至今无法被模型所复制。