2026-05-12 06:07
扫码打开虎嗅APP
本文来自微信公众号： 清华管理评论 ，编辑：排版|尚慧林，作者：李平、熊天锋
突破性创新需依托隐性知识的转化与激活、悖论性洞见的产生与整合以及认知模式的突破与跃迁，这些是悟性的核心价值，却是AI的能力盲区。基于此，构建“AI+悟性”的人机协作新模式，以悟性为枢纽重构知识创新流程，成为突破当前知识创新瓶颈的关键。
随着人工智能（AI）技术的迅猛发展，AI在数据处理、模式识别与语言生成等任务中展现出超越人类的效率优势，能够模拟复杂的逻辑推理，快速完成大量的显性知识整合，甚至可以基于已有素材生成“新内容”。然而，AI在知识创新的关键环节存在显著局限：AI创新仅停留在“已有要素的组合性创新”或“应用性学习导向的改良式微创新”，面对高度VUCA（突变性、不确定性、复杂性、模糊性）的情境，无法实现“突破式学习导向的激进式原创”。这一局限的根源在于AI不具备“悟性”的思维方式。
突破性创新需依托隐性知识的转化与激活、悖论性洞见的产生与整合以及认知模式的突破与跃迁，这些是悟性的核心价值，却是AI的能力盲区。基于此，构建“AI+悟性”的人机协作新模式，以悟性为枢纽重构知识创新流程，成为突破当前知识创新瓶颈的关键。
悟性是一种人类独有的智慧型思维方式，核心是基于直觉想象力产生灵感洞见。它不同于基于理性的知识型思维方式（以演绎为核心），也异于依托感性的经验型思维方式（以归纳为核心），但并非对理性和感性的否定或排斥，而是在更高的智慧层面将二者加以融会贯通。需要指出，悟性所蕴含的灵感并非传统认知中“来自上帝”的外部赋予，而是根植于人类自身的智慧本源。从东西方哲学融合的视角来看，悟性思维与中国道家哲学中“致虚极，守静笃”的认知理念高度契合，强调通过回归认知本真、剥离外在桎梏，实现对事物本质的精准把握。
基于悟性思维的创新，是以“游戏玩耍”般的放松状态摆脱过度理性带来的思维束缚，同时通过“逆向学习”机制实现“归零”，剥离既有理论或经验的桎梏，回归童真初心以捕捉事物本质。这里所说的“游戏玩耍”状态，并非指漫无目的的消遣娱乐，而是类似中国道家哲学“坐忘”理念所倡导的精神境界——在这种状态下，创新主体能够摆脱功利性目标的束缚，放下既有认知的偏见，以开放、包容的心态感知事物的多元潜在可能性。“逆向学习”机制强调主动摒弃僵化的思维定式与过时的经验认知，实现认知模式的根本性跃迁，这与管理学大师马奇（James March）提出的“愚钝技巧”理念异曲同工，即敢于突破主流框架，通过一些看似“愚蠢”的行为，来打破常规、激发新想法，特立独行地探索新路径。需要特别区分的是，悟性思维下的逆向学习旨在打破思维定式，“机器逆向学习”仅为剔除AI大模型中错误的、涉及隐私或违规的信息，仍属理性导向的知识处理范畴，既无感性要素，更无悟性思维。
在知识创新过程中，悟性的价值集中体现在生成隐性知识、产生悖论性洞见与打破认知边界三个方面。
首先，隐性知识作为难以编码、高度个人化的知识形态，是突破性创新的“活水源头”。隐性知识的生成无法通过标准化逻辑推演完成，需依托人类的直觉洞察与体验感知。悟性能激活人类“下意识感受”，使创新主体捕捉到五官之外的内在刺激，将实践经验转化为未编码的隐性知识。
其次，创新往往诞生于看似矛盾的概念悖论中，看似存在矛盾的悖论性概念往往蕴含着反映事物本质的深层关联。悟性能够容纳这种悖论性，通过类比、隐喻等思维工具实现矛盾概念的有机融合，挖掘矛盾背后的深层关联，进而产生全新的认知洞见。野中郁次郎在知识创造理论中强调，隐喻是实现隐性知识显性化的核心工具，而悟性则是驾驭隐喻思维的关键能力。
最后，不同于基于既有知识的渐进式创新，激进式创新需打破认知边界，探索全新知识领域。悟性思维的“归零式逆向学习”机制，能够帮助创新主体摆脱路径依赖，突破既有理论框架与经验认知的束缚，实现认知突破。在VUCA时代，面对复杂多变的创新环境与不确定性极高的创新任务，这种依托悟性的认知突破能力显得尤为重要。
日本学者野中郁次郎是国际知识管理领域的领军人物。在深入总结日本企业创新实践经验的基础上，他创造性地融合东方智慧与西方管理理论，提出经典的“SECI知识螺旋模型”。该模型系统揭示了知识创新的本质是隐性知识与显性知识相互转化、循环升级的动态过程，为我们理解人机协作的核心逻辑、重构知识创新模式提供了关键的理论框架。SECI知识螺旋模型打破了西方传统知识管理中“显性知识中心主义”的局限，凸显了隐性知识在创新过程中的核心价值，这一核心认知与悟性思维的本质特征高度契合。
SECI知识螺旋模型将知识转化划分为四个相互关联、循环递进的核心阶段，这四个阶段共同构成了完整的知识创新闭环。
第一阶段是从隐性知识到隐性知识的“潜移默化”阶段（socialization）。个体通过实践体验、师徒传承、情境互动等非结构化方式，实现隐性知识在人与人之间的传递与共享。这一阶段的核心特征是知识传递的非编码性与情境依赖性，其实现高度依赖于人类的感性体验与悟性洞察，是AI技术难以替代的核心环节。
第二阶段是从隐性知识到显性知识的“外部明示”阶段（externalization）。个体将自身积累的隐性知识，如直觉、经验、洞见等，通过语言、文字、图表、公式等形式转化为可编码、可传播的显性知识，完成从“不可言说”到“清晰表达”的跃迁。在人机协同场景中，AI可以辅助完成显性化的编码与整理工作，但隐性知识的核心提炼仍需依赖人类的悟性能力。
第三阶段是从显性知识到显性知识的“汇总组合”阶段（combination）。创新主体对分散的显性知识进行收集、整理、整合与重构，形成新的知识体系或方案。这一阶段的核心特征是知识处理的标准化与规模化，能够通过程序化的逻辑推演与结构化的整合重构，实现显性知识的价值升级。“汇总组合”是AI技术的优势领域，凭借高效的数据处理能力与精准的逻辑推理能力，AI能够快速整合多源显性知识，穷尽既有逻辑框架下的组合可能性，为创新过程提供丰富的素材支撑。
第四阶段是从显性知识到隐性知识的“内部升华”阶段（internalization）。个体通过学习、实践、反思等方式，将整合重构后的显性知识内化为自身的经验、直觉、判断能力等新的隐性知识，为下一轮知识创新奠定坚实基础。“内部升华”需要个体具备较强的悟性，能够将显性知识与自身的实践体验、认知积累相结合，实现从“知识吸收”到“智慧生成”的跃迁。
基于这一模型，知识创新可分为渐进式与激进式两大维度，这两大维度对应着不同的创新逻辑、能力需求与应用场景，共同构成了完整的知识创新体系。渐进式创新的核心是基于既有显性知识的组合、优化与改良，对应SECI模型的“汇总组合”与“外部明示”阶段，具有路径依赖、风险低、可快速商业化的特点。这类创新主要依赖标准化的逻辑推理与显性知识的整合重构，是AI技术擅长的领域——AI能够凭借其高效的数据处理能力，快速生成多样化的改良方案，大幅提升渐进式创新的效率。激进式创新的核心是基于隐性知识转化与悟性洞见的原创突破，对应SECI模型的“潜移默化”与“内部升华”阶段，具有路径突破、风险高、可拓展认知边界、推动根本性变革的特点。这类创新高度依赖人类的悟性，需要创新主体具备突破既有框架的认知勇气、容纳矛盾的思维特质与捕捉本质的直觉洞察。这是人类智慧的优势领域，AI技术因缺乏悟性而难以独立完成。
从哲学基础与思维方式来看，以悟性为核心的人类智慧与AI存在本质差异，这决定了二者在知识创新各环节的能力边界。
在哲学基础方面，以悟性为核心的人类智慧以“主客观融合”为认知范式，遵循“为道日损”的逻辑。这一认知范式强调，人类作为认知主体，并非孤立于客观世界之外的“观察者”，而是与客观世界处于持续互动、相互融合的状态之中。通过“归零式逆向学习”剥离既有知识束缚，人类能够回归认知初心，在与客体的互动中实现主体认知与客体本质的深度契合，进而捕捉事物的多元潜在可能性。与之相对，AI以“主客观分离”为认知前提，遵循“为学日益”的逻辑。作为客观世界之外的“观察者”，AI仅能通过外部数据输入与内部建模拟合客观规律，聚焦客体的单一属性与既定模式，对因果关系的认知仅源于数据中的重复与联想，无法理解事物的本质规律。
在思维方式上，人类智慧以悟性为核心，能够融合理性与感性，依托直觉想象力、类比隐喻产生灵感洞见，能通过“愚钝技巧”脱离主流框架探索非常规路径，同时还具备“下意识感受”能力，可通过冥想等方式激活α脑电波，促进潜意识层面的认知整合。AI则以理性演绎与统计归纳为思维方式，仅能在既定数据与逻辑法则下活动，依赖概念逻辑与数据统计处理信息，缺乏感性与悟性，无法突破既有逻辑框架。
哲学基础与思维方式的差异，进一步反映在知识处理与创新能力上。人类智慧以隐性知识为核心，可完整覆盖SECI四大阶段，在“潜移默化”与“内部升华”阶段具有独特优势，是激进式创新的唯一来源。AI以显性知识为核心，能完成“汇总组合”与辅助“外部明示”，能实现渐进式改良，且因“AI幻觉”存在，生成内容需依赖人类验证，无法独立承担创新责任（见表1）。
基于人机能力差异，二者在知识创新中形成“互补共生、动态共振”的协同关系，实现“AI效率+人类原创”的融合。在这一模式中，AI承担知识整合工作，作为显性知识处理者与效率放大器，负责多源显性知识的收集整合、标准化逻辑的推演验证、创新素材的生成筛选及隐性知识显性化的辅助编码，通过高效的数据处理能力解放人类的理性劳动，为人类悟性提供丰富素材；人类承担原创突破工作，作为悟性创新者与价值决策者，负责隐性知识的生成、创新方向的判断、悖论性洞见的整合及协同过程的价值校准，是创新的“原创源头”和“价值枢纽”，承担创新成果的最终责任。
AI与悟性融合的人机协同知识创新模式深刻体现“为学日益，为道日损”的古老智慧：组织利用AI在显性知识领域实现“为学日益”，通过高效的数据处理追求理性与确定性；同时在核心创新领域为人类保留“为道日损”的空间，让悟性人才得以回归童真初心。具体而言，AI与悟性融合的人机协同知识创新模式包含四个关键步骤，分为两大回合，覆盖知识创新全流程。
第一步，人类基于实践需求与隐性知识储备提出创新难题，明确AI的知识整合范围，为协同指明方向。第二步，AI根据指令整合多源显性知识完成“汇总组合”，快速穷尽某一领域的现存逻辑路径与组合方案，排除低于平均水平的思路。这一过程能够使人类创新主体的思维“快速触碰理性作用的极限点”，为悟性的突破创造条件。需要强调的是，AI仅能达到人类专家的平均水平，无法实现超越。第三步，面对AI生成的海量显性知识素材，人类启动“归零式逆向学习”，进入“坐忘”与“游戏玩耍”的放松状态，激活α脑电波（下意识放松状态）。在这一状态下，人类不再依靠或延伸现有理性逻辑，而是利用“愚钝技巧”，在潜意识深处寻找未被数据化、逻辑化的隐性关联；当灵感涌现时，通过直觉捕捉模糊隐喻，进而形成“有洞见潜力的创新指令”。第四步，AI根据指令，依据逻辑规则拓展解析模糊隐喻，实现人机协同共振，生成既非纯理性逻辑、又非纯感性乱码的“混沌”成果。这种成果突破了既有知识边界的限制，实现了认知跃迁，具有鲜明的原创性与探索性。
第一步和第二步为第一回合，属于理性范畴，AI主导、人类引导。这一回合的核心目标是通过AI的高效工作，完成显性知识的整合与梳理，为人类悟性思维的发挥提供素材支撑与理性基础，实现创新过程的效率提升。第三步和第四步为第二回合，第三步属于悟性范畴，人类主导、AI辅助；第四步是悟性与理性的高层次融合。这一回合的核心目标是通过人类悟性思维的突破，实现创新价值的跃升，驱动激进式创新的实现。在人机协同两大回合的循环过程中，AI充当人类悟性的“触发器”与“处理器”。AI提供的解决方案大多能达到人类专家平均水平，超越平均水平则需要依靠人类悟性，而人类悟性依然需要与理性融合才能落地。
AI与悟性融合的人机协同知识创新模式，不仅重构了知识创新的流程与逻辑，也对传统组织架构与管理模式产生了根本性冲击。前AI时代，具备多元思维特质的员工在知识螺旋各阶段协作，共同推动组织知识创造；进入AI时代，知识创造过程中需要依赖理性思维的阶段可交由AI完成，这引发了组织知识创造主体的结构性重构，进而驱动组织架构产生根本性变革。基于此，本文提出未来组织转型的三大核心假设。
其一，组织形态将从“金字塔型”科层制向“AI极客型”自组织演化。AI技术将替代各行业中等及以下水平脑力从业者——此类群体长于理性，但缺乏悟性，其工作范围集中于知识螺旋的“汇总组合”与“外部明示”阶段。这意味着组织将不再需要大规模配置从事程序化、标准化工作的一般员工，而是要构建以AI为核心的执行底座。这一变革将显著提升企业前台的战略价值，同时催生对“AI极客”（即极致应用AI技术的创新主体）的需求。这一群体通常是孤独的先行者，其AI应用能力的提升高度依赖自身兴趣驱动与悟性赋能，这也决定了自驱自育将成为其成长模式。
其二，组织运营将围绕“人机协同工作任务”这一新型基本单元进行重构。AI技术将深度赋能各行业中等以上水平脑力从业者，此类群体兼具理性思维与悟性特质，在知识螺旋四阶段都能够发挥作用，是组织的中坚力量。与之相适配，组织管理模式将从科层制的监督控制模式，转型为网络化中台的赋能协同模式——核心逻辑在于通过中台赋能，推动员工组建高效的“人机协同工作任务”单元，同时促进各单元间的协同联动，释放网络效应。这一转型对企业中台提出全新挑战，突出表现为企业实体中台的部分职能将被通用大模型与垂直领域专用模型所替代。
其三，组织将建立“双轨制”管理体系。天才级创新高度依赖“潜移默化”与“内部升华”阶段的悟性爆发，书本知识与经验赋能作用极为有限，因此，AI技术对天才级创新主体的赋能价值近乎为零。为此，组织必须为AI极客设立“创新特区”：在特区内摒弃过度量化的考核机制，允许“愚钝探索”与“游戏化试错”，以保障AI极客能够通过“坐忘”“归零”等认知模式获取突破性隐性知识的悟性能力。值得强调的是，具备提出洞见性问题的能力，是成为AI极客的前提。为保障AI极客创新思路的落地实施，组织需同步保留负责执行赋能的中台与负责战略方向把控的后台，形成“创新特区引领突破+中台后台保障落地”的双轨协同格局。
人机协作创新的本质是“显性知识效率”与“悟性创新价值”的有机融合，人类智慧与AI是一对相生相克的悖论，彼此不可替代、相互依赖。AI无法替代人类的悟性能力，人类也需依托AI提升创新效率，协同是必然选择。随着AI体验能力的逐步提升，人机协同的边界将进一步拓展，但悟性所依赖的主客观融合认知、悖论思维、情感体验，始终是人类的独特优势。未来知识创新的核心方向，仍是持续优化“AI显性知识处理+人类悟性智慧”的协同模式。组织需为人类悟性的发挥提供空间，个体需主动提升悟性思维能力，唯有如此，才能在AI时代真正实现“知其白，守其黑”，既把握已解蔽的显性知识，又守住包含多元潜在可能性的隐性知识源泉，推动知识创新实现质的飞跃。
