我们都经历过这样的会议：讨论一个新想法、一个创新项目，然后陷入无休止的争论。每个人都言之凿凿，引经据典（或者只是引用昨天看到的某篇文章），但讨论似乎原地打转，最后往往不了了之，或者变成由声音最大、职位最高或最固执的人拍板。为什么会这样？尤其是在创新领域？
创新的“共识沼泽”
问题的根源在于，创新项目处理的是未知。 如果你在建一座标准的桥，或者优化一个成熟的系统，经验是王道。你可以找到做过类似事情的人，他们的经验就是可靠的“事实”。基于这些事实，达成共识相对容易。 但创新不同。当你在探索一个全新的AI应用、一个前所未有的商业模式时，没有现成的地图。过去的经验可能不仅无用，甚至有害。这时候，讨论的基础不再是可靠的经验，而是变成了观点。
“我觉得用户会喜欢这个功能。” “我认为这个技术方向更有潜力。” “我感觉市场还没有准备好。”
这些都是观点，不是事实。观点的问题在于它们极其主观，深受个人背景、信息茧房、甚至当天心情的影响。更糟糕的是，观点很难被证伪。你无法用逻辑“证明”一个观点是对是错，因为它往往关乎对未来的预测和个人的信念。
于是，基于观点的讨论很容易陷入困境。有时它会变成一场无休止的辩论，双方试图用逻辑说服对方，却忽略了彼此的前提假设可能根本不同。有时，当观点无法调和，讨论会滑向情绪对抗，升级为人身攻击或意气之争，这对于团队氛围是毁灭性的。还有一种常见情况是，决策最终沦为一场权力或信任的游戏，胜出的不是最好的想法，而是那个更被信任或权力更大的人的意见。
无论哪种情况，结果都是极其低效的，并且严重破坏团队的创新能力和心理安全。我们浪费了大量宝贵的时间在“我觉得”的泥潭里打滚，而不是去寻找真正的答案。
AI：从“观点”到“事实”的引擎
幸运的是，我们正处在一个AI能力爆发的时代。AI，尤其是近年的生成式AI和AI辅助开发工具，给了我们一个摆脱“观点沼泽”的强大武器。 关键在于：AI极大地降低了“试一试”的成本和门槛。
过去，验证一个想法可能需要几周甚至几个月的工程投入才能做出一个简陋的原型。但现在，借助AI Copilot、低代码平台、AI原型生成工具，一个产品经理、一个设计师，甚至一个运营人员，都可能在几小时或几天内，捣鼓出一个能跑起来的Demo或完成一个初步的实验。
比如，你想知道某个特定的AI模型处理某种用户请求的效果如何？别猜了，用AI工具写个简单的脚本跑一下。想知道用户对某个新交互方式的反应？用AI快速生成一个可交互原型给几个人试试。 这些快速实验产生的东西，就是我们亟需的事实。
这里的事实，不是指绝对真理，而是指在特定前提下、可观测、可复现的实验结果。例如：“在使用了模型X、这个特定的System Prompt、经过5轮交互后，它能准确理解这种复杂指令的概率是70%。” 这是一个事实。它客观，不涉及“我觉得”，并且为讨论提供了一个坚实的起点。
构建以实验为中心的文化
利用AI提供的这种能力，我们可以构建一种新的团队文化——以实验为中心的文化。 这种文化的核心原则很简单：鼓励（甚至要求）将想法快速转化为低成本的小型实验，用实验产生的事实来驱动讨论和决策。
它的运作模式大致如下：首先，基于对问题的理解，清晰地提出假设。然后，设计一个小型实验，明确你要验证什么，需要哪些前提条件（工具、数据、模型等），以及如何衡量结果，关键是保持实验足够小、足够快。接着，利用AI工具快速动手实验，构建POC、Demo或进行模拟。完成后，清晰地记录和分享事实，包括实验过程、前提和结果，透明是关键。最后，基于这些共享的事实进行讨论：先找到共识（“我们都看到了，在条件下A，结果是B”），这能巩固共同认知；然后识别分歧和未知（“为什么C条件下的结果不同？”“这个实验没覆盖D情况”），这些自然就成为了下一步实验的方向。这是一个持续迭代的过程，通过不断积累事实，逐步逼近问题的真相。
要培育这种文化，需要鼓励好奇心和主动性，拥抱“失败”的实验（它们同样提供了宝贵的事实，帮助排除错误路径），强调透明共享，并把讨论的焦点放在实验过程和数据上，而不是针对个人。
那么，这是否意味着完全杜绝了对未来的预测和“观点”呢？并非如此。创新本身就包含对未来的想象。关键的区别在于，在实验文化中，预测性的观点不再是空中的楼阁，而是需要明确地与已经通过实验获得的“事实”联系起来。讨论的模式会变成：“基于我们看到的实验结果A和B，我预测如果我们尝试方向C，可能会得到结果D。” 这样，观点的基础就变得透明、可追溯。
更重要的是，这种文化鼓励将预测本身视为需要验证的假设。当有人提出一个预测性观点时，团队的自然反应不应该是直接反驳或接受，而是问：“这个预测是基于哪些事实和假设？” 以及 “我们可以设计一个什么样的小实验，来快速地验证这个预测（或者它背后的关键假设）？” 这样，预测性的讨论就不再是终点，而是下一轮实验的起点。它帮助我们识别出最重要的不确定性，并用最小的成本去探索它，而不是陷入对无法验证的未来进行无休止的辩论。这使得观点讨论也服务于积累事实和减少不确定性的最终目标。
为什么这很重要？
从“我觉得”转向“我试了”，这种转变带来的好处是实实在在的。最直接的是，它能带来更明智、更快速的决策。当讨论建立在事实上，而非口才或声量上时，就能大大减少在无效争论上浪费的时间。随之而来的是创新速度的加快，快速试错、快速学习、快速迭代，这正是创新应有的节奏。
更深层次地，基于共同看到的事实建立起来的共识，远比基于妥协或权力的“伪共识”要稳固和有意义。这对于改善团队协作和心理安全至关重要。当讨论围绕事实展开时，因观点冲突带来的负面情绪和人身攻击就失去了土壤。同时，由于“试一试”的门槛降低了，那些通常“没做过”的成员也能更容易地参与进来，贡献他们的观察和思考，而那些“做过实验”的成员，因为事实是共享的，也不易产生不必要的优越感。这自然会营造一个更安全、更开放的环境，让不同的想法都能得到快速验证的机会。
此外，每个成员通过亲手实验，都能获得一手经验，从而提升整个团队对问题域的理解深度。这种工作方式也天然地契合了高效沟通的原则——先明确共识，再集中处理分歧，让会议和讨论更有成效。
面临的挑战
当然，转变并非一蹴而就。推行这种文化可能会遇到一些实际的挑战。比如，需要确保团队成员都具备使用相关AI工具的基本能力（工具和技能），可能需要一些培训或指导。团队也需要学习如何设计有意义且轻量级的实验（实验设计），避免为了实验而实验。同时，要警惕对实验数据进行过度解读或曲解（结果解读）。最大的挑战可能来自文化惯性，打破长期形成的“开会就是辩论”的习惯，需要时间和领导者的持续推动与示范。
但这些挑战并非不可克服，它们更像是转型过程中需要跨越的障碍，而非不可逾越的鸿沟。
结语
AI不仅仅是提升生产力的工具，它更像是一个催化剂，能够重塑我们的协作方式和团队文化。通过拥抱AI赋予我们的快速实验能力，我们可以将团队从基于主观“观点”的低效争论中解放出来，转向基于客观“事实”的高效协作。
从“我觉得”到“我试了”，不仅仅是工作方式的转变，更是思维模式的升级。在一个充满不确定性的创新时代，这或许是我们能做的最重要的改变之一。
不妨从下一个项目、下一次讨论开始，问问自己和团队：“我们能用AI快速试一下吗？”