从“我觉得”到“我试了”：用AI构建以实验为核心的团队文化

讨论一个新想法、一个创新项目的会，很容易陷入无休止的争论。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），可讨论似乎总在原地打转，最后往往不了了之，或者由声音最大、职位最高或最固执的那个人拍板。这种情况在创新项目里尤其常见。

“我觉得”的泥潭

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，经验就是王道：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。可创新不同。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，过去的经验可能没用，甚至有害。这时候，讨论的基础就从经验变成了观点：“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。观点极其主观，深受个人背景、信息茧房，甚至当天心情的影响；而且很难被证伪，你没法用逻辑“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。

所以，基于观点的讨论很容易陷入困境。有时它变成一场无休止的辩论，双方都想用逻辑说服对方，却忽略了彼此的前提假设可能根本不同；有时观点实在无法调和，讨论就滑向情绪对抗，升级成人身攻击或意气之争，这对团队氛围是毁灭性的；还有一种常见的情况，决策沦为一场权力或信任的游戏，胜出的是更被信任、权力更大的那个人的意见，不一定是最好的想法。无论哪种情况，都极其低效，还会严重破坏团队的创新能力和心理安全，大量宝贵的时间就这样耗在了“我觉得”的泥潭里。

别猜了，跑一下

好在这几年AI能力爆发，尤其是生成式AI和AI辅助开发工具，把“试一试”的成本和门槛降得极低，给了我们走出这片泥潭的武器。过去，验证一个想法可能要几周甚至几个月的工程投入，才能做出一个简陋的原型；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，或者完成一个初步的实验。

比如你想知道某个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，就用AI快速生成一个可交互的原型，给几个人试试。这些快速实验产生的，就是我们急需的事实。这里说的事实，指的是在特定前提下可观测、可复现的实验结果，并不是什么绝对真理。假设你用模型X和一段特定的System Prompt做实验，得出“经过5轮交互后，它能准确理解这种复杂指令的概率是70%”，这就是一个事实。它客观，不涉及“我觉得”，讨论可以从这里开始。

以实验为中心

有了这种能力，就可以建立一种以实验为中心的团队文化。原则很简单：鼓励（甚至要求）大家把想法尽快变成低成本的小实验，用实验产生的事实来推动讨论和决策。具体做起来大致是这样：先根据对问题的理解，清楚地提出假设；再设计一个小实验，想清楚要验证什么、需要哪些前提条件（工具、数据、模型等）、怎么衡量结果，实验要足够小、足够快；然后用AI工具快速动手，做POC、Demo或者模拟；做完以后，把过程、前提和结果清楚地记录下来，分享出去，透明是关键。

接下来的讨论就建立在这些共享的事实上。先找共识（“我们都看到了，在条件A下，结果是B”），巩固大家共同的理解；再找分歧和未知（“这个实验没覆盖D情况”“为什么C条件下的结果不同？”），这些自然就成了下一步实验的方向。就这样不断积累事实，一步步逼近问题的真相。要培育这种文化，需要鼓励好奇心和主动性，接纳“失败”的实验（它们同样提供了宝贵的事实，能帮你排除错误的路径），强调透明共享，讨论的焦点放在实验过程和数据上，不针对个人。

实验文化也不排斥对未来的预测和观点，创新本身就包含对未来的想象。区别在于，预测要明确地和已经通过实验获得的事实联系起来，不能是空中楼阁。讨论会变成这样：“基于我们看到的实验结果A和B，我预测如果尝试方向C，可能会得到结果D。”这样，观点的基础就透明、可追溯了。

更进一步，预测本身也可以当作需要验证的假设。有人提出一个预测时，团队先别急着反驳，也别急着接受，先问两句：“这个预测基于哪些事实和假设？”“我们能设计一个什么样的小实验，快速验证它（或者它背后的关键假设）？”问清楚这两点，关于预测的讨论就成了下一轮实验的起点，帮我们找出最重要的不确定性，用最小的成本去探索，省得对一个无法验证的未来没完没了地争下去。

从“我觉得”转向“我试了”，好处是实实在在的。讨论建立在事实上，比的就不再是口才和声量，决策更快、更明智，花在无效争论上的时间大大减少，试错、学习、迭代也都快了，这正是创新该有的节奏。基于大家共同看到的事实建立起来的共识，远比靠妥协或权力得来的“伪共识”稳固，也更有意义，团队协作和心理安全也会好很多，观点冲突带来的负面情绪和人身攻击就没了土壤。

另外，“试一试”的门槛低了，平时“没做过”的成员也更容易参与进来，贡献自己的观察和思考；“做过实验”的成员，因为事实是共享的，也不容易产生不必要的优越感。每个人亲手做实验，都能获得一手经验，整个团队对问题的理解也会更深。这种工作方式还正好契合高效沟通的原则：先明确共识，再集中处理分歧，会议和讨论都会更有成效。

当然，这种转变不会一蹴而就，推行起来会遇到一些实际的困难，好在都跨得过去。团队成员要会用相关的AI工具，可能需要一些培训或指导；团队要学会设计有意义又轻量的实验，避免为了实验而实验；还要警惕对实验数据的过度解读或曲解。最大的挑战大概来自文化惯性，“开会就是辩论”的习惯是长期形成的，打破它需要时间，也需要领导者持续地推动和示范。

AI除了提升生产力，也在改变团队协作的方式。以前开会，分歧常常是谁声音大、职位高或者最固执就听谁的；现在很多分歧可以先花一点时间用AI试出来，再拿结果来讨论。在创新这种本来就充满不确定性的事情上，我认为这是AI带给团队最实在的变化之一。