答案越来越廉价，商学院如何重新定义自身价值？对话北大光华院长田轩：两类知识AI无法替代

当人工智能（AI）能够在几秒钟内完成商业案例分析，甚至扮演一位随时提供建议的“虚拟导师”，商学院的学生们为什么还要投入几年时间、支付不菲的学费，接受传统商学教育？

在MBA、EMBA等项目中，知识获取和初步分析的成本正在被AI技术压低，过去需要学生反复训练才能掌握的部分技能，如今可以借助大模型迅速完成，商学院赖以建立价值的知识传授体系，也随之面临重新审视。

9月19日，北京大学光华管理学院举行金融硕士项目25周年庆典。当晚，光华管理学院院长田轩发表演讲，围绕科技创新所需的金融支持与激励机制展开讨论，并就金融服务实体经济与人才培养提出思考。

“当AI可以在几秒钟内给出一个商业案例的分析框架，甚至模拟出一位‘虚拟导师’与你对话时，商学院如果还停留在知识传递的层面，它的价值必然会被质疑。”近日，北京大学光华管理学院院长、北京大学博雅特聘教授田轩在接受《每日经济新闻》记者书面采访时表示。

田轩认为，未来的管理者将面对由人、AI智能体（Agent）和数字员工组成的混合团队，随着AI承担更多信息传递和决策辅助工作，部分中间管理层级存在的必要性可能下降，企业组织趋于扁平化。与之相应，商学院不仅需要重新思考教什么，也需要调整培养管理者的方式。

北京大学光华管理学院院长、北京大学博雅特聘教授田轩 受访者供图

问对问题比答对问题重要得多

长期以来，获取系统的商业知识、掌握专业分析方法，是学生进入商学院的重要目的。但在AI能够提供商业案例分析框架、模拟导师开展对话的今天，知识传递本身正在失去一部分稀缺性。

对于商学教育的投资回报率，田轩给出的答案指向了课堂中人与人的关系。

“它的核心价值从来不是把知识从一个脑袋搬进另一个脑袋，而是‘一群人的学习’。”

田轩解释，一名学生坐在教室里，身边是来自不同行业、不同背景，拥有不同经验和困惑的同学，同一个问题抛出来，几十个人可以从几十个角度给出回应。在他看来，这种思想碰撞和朋辈之间的启发，是AI无法模拟的。

此外，田轩还提出了两类他认为AI无法替代的知识。

一类是“隐形知识”，即难以编码为文字、需要在长期共事和面对面交流中传递的经验。例如，一名投资人对市场风向的直觉，以及对创始团队未来前景的微妙把握；另一类是“未然知识”，这类知识尚未被写进教科书，甚至还没有被命名，却已经在当下的商业实践中产生，需要通过一群人的现场讨论和互动加以捕捉。

在这一意义上，田轩认为，商学院的学费并不单纯对应知识的购买，还对应着一个高质量的认知共同体，以及与其他优秀人才共同成长的经历。

谈及AI时代最稀缺的能力，田轩给出了三个答案：提问的能力、共情的能力，以及包含质疑精神在内的判断力，“AI最擅长的是回答问题，但它不会主动追问‘我们是不是该换一个问题’，在答案越来越廉价的时代，问对问题比答对问题重要得多”。

在这三种能力中，田轩认为，共情最难通过传统考试衡量。

他谈道，提问能力至少可以通过开放性试题，观察学生提出问题的质量；判断力也可以通过案例分析，大致评估其分析逻辑和决策水平，但共情是一种内在的情感能力，很难用一张试卷、一个分数判断一个人是否真正具备同理心。田轩认为，传统考试擅长考查对已知知识的掌握程度，而提问、共情和判断力都指向未知和开放，需要在真实互动、实践和反思中逐步培养。

由此，AI对商学教育提出的挑战，当知识和答案越来越容易获得，能够熟练调用工具完成任务，并不直接等同于具备独立判断和应对复杂商业情境的能力。“AI时代真正的门槛已经从‘获取答案’转移到了‘判断答案’。过去我们说知识就是力量，那是因为知识稀缺；现在知识和答案变得触手可及，甚至泛滥，这时候能够判断哪个答案是对的、哪个是错的、哪个在这个情境下适用而在那个情境下不适用，就成了最核心的能力。”

此外，田轩也表示，判断力不仅是判断“对不对”，更是判断“合不合适”，很多时候答案本身没有绝对的对错，关键在于它是否适配所处的具体商业情境。

管理者要开始管理AI，商学院也在改变培养方式

随着AI智能体进入企业，管理者面对的组织形态也可能发生改变。

在田轩看来，未来企业管理者的团队将不再只有人类员工，还可能包括Agent和数字员工。如何给数字员工分配任务、评估其产出，如何在人与AI之间进行分工和协同，都将成为管理者需要掌握的基本功。

与此同时，企业组织结构也可能受到冲击。

田轩认为，当信息传递和决策辅助可以由AI完成时，很多中间管理层级将失去存在的必要，企业组织会变得更加灵活。

在这一背景下，北大光华已经开始调整相关教学布局。

田轩透露，学院目前正在系统开发相关课程，其中一个核心讨论方向是“商业×AI”，“不是简单地讲AI技术，而是深入探讨AI如何重塑每一个商业环节，从战略、营销、运营到财务、组织、领导力。”在新的项目和培养方案层面，学院也正在积极布局，希望将AI思维和人机协同能力渗透到整个培养体系，而非孤立地增设一两门课程。

不过，这项工作尚处于持续推进阶段，田轩表示，由于技术本身仍在快速演化，学院将让课程开发与企业实践保持同步，在实践中不断完善。

此外，田轩介绍，北大光华还推出“Token普惠计划”，确保每一位学生都能平等地使用先进AI工具，这一计划的目的，是让学生在日常学习中充分接触AI，掌握工具、理解其能力边界，避免对AI产生恐惧或盲目迷信。

在具体训练中，学院非常强调交叉验证（cross check），要求学生不依赖单一信息来源，不轻易接受未经检验的结论，而是通过多个角度、多个来源进行比对和印证。

田轩特别强调了商业直觉的培养，在他看来，直觉并非凭空产生，而是在长期研究和实践积累后形成的一种不需要逻辑推理、模型演算和数学推导的快速反应模式。一个人看过足够多的案例，经历过足够多的真实商业场景后，往往能够对某个答案是否可靠形成敏感的判断。

不过，这种能力很难通过一次考试获得，田轩认为，课程可以教授判断的方法论，但判断力必须在深度课堂讨论、真实商业实践，以及长期研究和反思中慢慢形成。

中国商学如何建立自己的理论解释力

在今年北大光华管理学院的开学致辞中，田轩提出，当中国的商业实践走到世界前台，不能永远用别人的理论解释自己的实践，也不能始终在他人的叙事中寻找自己的位置。

构建中国商学自主知识体系，是他向2026级新生提出的重要命题之一，但中国商学应该研究什么，又应该从哪些实践中寻找自己的理论？

面对这一问题，田轩选择了中国改革开放四十多年的经济发展作为例子。在他看来，中国经济的快速发展，可能是当代世界经济史上最重大的事件，也是既有西方经济学理论解释无法解释的经济现象。

田轩表示，按照西方主流经济学的标准叙事，一个国家实现经济腾飞，通常需要清晰的产权关系、完善的法治环境、健全的制度体系、充足的资本积累和快速的技术进步等条件。然而，改革开放初期的中国尚不具备这些成熟条件，生产力水平相对落后，市场经济制度框架尚待建立，资本积累和技术发展也处于较低水平。

此后，中国在四十多年的时间里实现了持续高速经济增长，并成长为世界第二大经济体、第一制造业大国和最大的货物贸易国。

对于中国为什么能够走出不同的发展路径，他列举了多方面因素，包括党中央的集中统一领导、独特的政府与市场关系、渐进式改革方式、从试点到推广的政策实验机制、地方政府之间的良性竞争，超大规模市场带来的规模效应和创新红利，以及中国独特的社会结构和文化传统等。

田轩表示，这些因素在西方经济学的标准模型里要么被忽略，要么被当作“扭曲”和“摩擦”，但恰恰是这些成了中国经济增长的真正密码。

强调中国经验，并不意味着研究止步于对特殊性的描述，田轩认为，中国的学者和商学院有责任从中国的实践中提炼出具有普遍解释力的理论，这一工作的意义，不仅在于讲好中国故事，更是为了丰富人类对经济发展和商业运行的整体认知。