AI时代，提出好问题更重要还是知道真答案更重要？

AI时代最值钱的资源，既不是算力，也不是数据，是定义问题的能力。

这个判断来自我在电力行业做AI落地两年的体感。技术选型、模型调参、Agent搭建这些事，工具越来越能帮你做。但"你到底要解决什么问题"——这件事，只有人能做，而且大多数人在第一步就做错了。

AI时代的核心能力递进：定义问题 → 意图集中 → AI素养 → 问题稀缺

【图片：递进论证链路图，文件路径：/Coze/Drive/灰灰/所有对话/主对话/imgs/260818_07_生图/img_2.jpg】

一、定义问题比知道答案更难

我观察到一个很常见的失败模式：先有了一把锤子，然后到处找钉子。

看到大模型火了→搭一个Agent→试了两天→觉得"也就那样"→放弃。这条路径的问题不在工具，在于出发点是错的。出发点是"我有个工具"，而不是"我有个问题"。

正确的顺序是：问题→方法→流程→工具。先花10分钟想清楚"我要解决什么问题"，然后推导方法论，再拆流程，最后选工具。

我在做投诉预防AI的时候，最初的"问题"是"帮客服更快处理投诉"。这听起来很合理，但做下去才发现，这个"问题"本身就是错的。

我们分析了投诉工单，发现一个反直觉的事实：大量投诉在发生之前，系统数据里就已经有信号了。一个客户3个月内低电压报警53次，第54次才打了投诉电话。真正的"问题"根本不在"怎么处理投诉"，而在"怎么在投诉发生之前就识别到风险"。

定义好问题，是找到那个大多数人没看见的切入点。 答案可以在AI里找，但问题只能由人来定义。AI再强，也不会替你发现"原来真正的问题在这里"。

军事上有个概念叫"任务式指挥"，核心原则是：只有意图是集中的，执行必须是分散的。

翻译到AI时代：你定义的那个"好问题"，就是意图。意图必须清晰、集中、不容模糊。至于怎么找到答案、怎么执行——可以分散，可以交给AI、交给工具、交给团队。

这个原则的深层含义是：定义意图的人，才是真正在"指挥"的人。 他不需要知道所有答案的执行细节，但他必须知道"我们要去哪里"和"为什么去那里"。

我在实际工作中的做法是：把业务需求拆成若干个独立的子任务，每个子任务交给一个专门的Agent或Agent组合。我定义的只是意图——"这个报告需要回答哪三个问题""这个方案需要满足哪些约束条件"。至于怎么搜集信息、怎么组织代码、怎么生成方案，是Agent的事。

这种"意图集中、执行分散"的架构，集中的是判断力和方向感，分散的是执行力和计算力。

定义好问题的能力，就是这种"集中意图"的能力。你定义的问题越清晰、越准确，后续的执行效率就越高。反过来，如果你的问题本身就是模糊的、错误的，再好的执行能力也救不了。

【图片：意图集中执行分散架构图，文件路径：/Coze/Drive/灰灰/所有对话/主对话/imgs/260818_07_生图/img_1.jpg】

我总结过一个公式：AI工具价值 = 工具能力 × 使用者AI素养。

两个都是乘法因子，任何一个为零结果就是零。

这里的"使用者AI素养"，本质上就是"提出好问题"的能力。同一个AI工具，给指令的能力不同，从工具里提取的价值天差地别。

一个会用"帮我分析这个台区最近3个月的电压趋势，找出异常时段和可能的根因"的人，和一个只会说"帮我看看这个台区"的人，从同一个工具里得到的价值差10倍。

差距在哪？在于"给指令"的能力——也就是定义问题的能力。

更深层的问题是：AI会诱使管理者进行危险的微观管理。AI让信息集中变得容易，管理者可以看到一线每一步操作。信息透明是好事，但如果管理者忍不住去干预每一个决策、回答每一个小问题，执行层就失去了判断空间。

定义好问题的人，不应该同时回答所有小问题。 他的价值在于把"大方向"定义清楚，让执行层有足够的决策空间。

AI让"知道答案"这件事变得越来越容易。以前需要翻三个系统凑齐的信息，现在一句话就能整理好。以前需要分析两天的报告，现在10分钟生成初稿。

"答案"正在被工具批量生产。

但"问题"不会。问题需要经验、需要判断力、需要对业务的第一性原理理解。问题需要你从一堆看似正常的现象里，发现那个"不对劲"的地方。

这种能力，在AI时代变得更值钱，不是更不值钱。

因为当所有人都有了强大的执行能力，真正的竞争壁垒就从"谁能更快找到答案"转移到了"谁能问出更好的问题"。

问出更好的问题，意味着你能看到别人看不到的切入点，你能定义出更准确的目标，你能让AI和工具的力量用在正确的方向上。

回到最初的问题：提出好问题更重要还是知道真答案更重要？

在AI时代，这两件事的关系变了。以前你既需要提出问题，也需要自己找答案。现在找答案这件事正在被工具接管，但定义问题的能力没有任何工具能替代。

提出好问题，是AI时代不可替代的核心能力。

知道答案在变便宜。提出好问题在变贵。

更多AI落地的实战经验，在我的公众号「SG AI实验室」，专注电力+AI的一手记录。