远见差距：为什么 AI 可能会破坏公正转型

快速阅读: 据《福布斯》称，伦敦商学院教授伊奥安努指出，人工智能虽能提升预见能力，但若机构协调不足，可能加剧不平等。他呼吁投资公共基础设施、建立合作伙伴关系并更新责任理解，以弥合预见与行动之间的差距，实现公正转型。

预见差距并非技术问题——而是一个机构协调的挑战。

Shutterstock作者：伦敦商学院战略与创业学副教授伊奥安尼斯·伊奥安努

在东非部分地区，人工智能工具越来越能够预测降雨模式、作物歉收和土壤退化。卫星图像和机器学习模型为种植计划提供信息，并及早发现害虫风险。这些由农业科技初创公司开发的工具正越来越多地被整合到跨国农业企业的采购策略中，通过预见提供韧性。

但尽管全球企业调整采购并规避风险，生产世界上约三分之一粮食的小农户往往缺乏采取相同见解行动的能力。灌溉、信贷和制度支持稀缺。预见不是限制因素，能力才是。这种不对称性指向了一个更深层次的挑战：能够预见破坏的人与有能力应对的人之间的差距正在扩大。

人工智能正在重塑我们评估气候风险、优化资源利用以及应对供应链波动的方式。但它也可能加剧现有的不平等——不是直接伤害低能力行为者，而是加速那些已经领先者的适应优势。

随着预见成为可持续发展战略的核心，问题从谁能看到风险转变为谁能采取行动应对它——以及谁比其他人更有能力这样做。这一转变的核心在于我所说的“预见差距”：洞察力与行动力之间距离的扩大。

问题不在于数据可用性。许多行为者——市政当局、农业合作社、供应商——现在可以访问预测、仪表板和模型。问题是，在缺乏资金、技术支持和制度保障的情况下，洞察力往往让行为者认识到风险却无力应对。结果是韧性分布不均，一些人快速发展，而另一些人则难以跟上。

这种不对称性指向了一个更深层次的挑战：能够预见破坏的人与有能力应对的人之间的差距正在扩大。人工智能正在重塑我们评估气候风险、优化资源利用以及应对供应链波动的方式。但它也可能加剧现有的不平等——不是直接伤害低能力行为者，而是加速那些已经领先者的适应优势。

随着预见成为可持续发展战略的核心，问题从谁能看到风险转变为谁能采取行动应对它——以及谁比其他人更有能力这样做。农业展示了这种动态，但这种模式远超农业范围。有能力投资于人工智能集成基础设施规划的城市正在提高能源效率和应急响应能力。其他城市，特别是在南半球，使用过时的系统和技术能力有限。

在保险领域，人工智能正在重塑气候风险定价，将高风险地区的保费推高或取消覆盖。而在供应链方面，预测分析允许企业绕过中断进行重新路由，而处于前线的企业仍然面临风险。

这些变化引入了一种经常被低估的系统性风险。当只有部分行为者适应时，中断的成本会在行业和地区间传递。边缘的脆弱性——如小农、分包商或过度紧张的公共机构——可能波及其他。考虑2022年的巴基斯坦洪水：极端天气迫使全球零售商转移订单并重新规划物流，但较小的供应商面临数月的运营瘫痪和收入损失。如果没有足够的能力在各个层面吸收冲击，整个系统会变得更加脆弱。集中化的韧性无法保证整体稳定性。

这揭示了一个核心矛盾点。人工智能常被宣传为包容的力量，但如果治理不与这一目标对齐，它可能会适得其反。预见差距并非偶然。它反映了资本、能力和制度设计上的根本差异。如果不刻意关注如何分配预见力以及如何促进行动，这一差距将会进一步扩大。

在这些条件下，公正的转型应该是什么样的？传统的框架主要聚焦于成本、收益和保护——尤其是对工人和社区而言。这些问题依旧重要。但在人工智能背景下，正义同样意味着具备适应能力。转型不能仅仅依靠已有工具应对的人。它必须帮助其他人获得这些工具。

这不是单纯公平的问题。这是在互联世界中管理共同风险的前提。这种观点对机构有着直接影响。

首先，我们需要投资于公共预见基础设施。预测工具的设计和部署必须以广泛适用为目标。这包括开放获取的气候模型、数据协作平台以及适合资源匮乏环境的分析工具。国家适应计划和韧性战略应基于反映现实约束的智能制定。

至关重要的是，这种基础设施不应局限于部委或多边组织内。它必须向处于中断前沿的人开放——地方政府、合作社和具有行动信誉和动员信任的民间组织。

其次，我们需要人工智能到行动的合作伙伴关系。使用人工智能管理自身风险的公司应为供应商、承包商和当地社区的适应能力做出贡献。这不是单纯的慈善行为。这是一种降低价值链风险集中度的实际方法。一些公司已经开始探索与供应商共享数据平台或将适应项目作为更广泛的ESG相关目标的一部分。但这些努力仍然是零散的。需要的是思维方式的转变——从风险提取到风险共管。

第三，我们需要更新对受托责任的理解。董事会和投资者必须问AI驱动的战略是否在构建系统级韧性，还是仅仅加强公司级保护。公司是在重新分配较弱环节的风险，还是在投资更广泛的能力建设？

这些问题属于战略范畴，而非合规事务。在这种情况下，受托责任应包括注意预见工具如何影响风险分配——以及它们是否有助于长期稳定、包容且可信的价值创造。

值得注意的是，人工智能不仅仅是预测工具。生成模型和大型语言系统正在越来越多地塑造知识获取、决策支持和战略完善的方式。这些技术也可能扩展适应能力的形式，尤其是在为公众利益设计或融入一线决策时。

但这种潜力的存在并不能消除预见差距。它改变了差距的轮廓。随着人工智能在公司战略和公共基础设施中更加深入，问题依然存在：谁能有意义地使用这些工具——以及在什么条件下？

人工智能在可持续性领域的轨迹并非预先确定。它将反映治理、设计和问责的选择。

预见差距并非技术的问题——而是一个机构协调的挑战。

值得注意的是，人工智能不仅仅是预测工具。生成模型和大型语言系统正在越来越多地塑造知识获取、决策支持和战略完善的方式。这些技术也可能扩展适应能力的形式，尤其是在为公众利益设计或融入一线决策时。但这种潜力的存在并不能消除预见差距。它改变了差距的轮廓。

随着人工智能在公司战略和公共基础设施中更加深入，问题依然存在：谁能有意义地使用这些工具——以及在什么条件下？

塑造人工智能在过渡中角色的人——企业领导者、投资者、监管者——定义的不仅是工具。他们塑造的是路径。

关键问题不再是人工智能能否增强预见力。这个问题已经解决。真正的问题是，我们是否将预见力与行动能力对齐——广泛地、有意地、紧迫地。

这就是领导力的衡量标准。不是看谁最早看到风险，而是看谁确保他人在风险到来时做好准备。

伊奥安尼斯·伊奥安努是伦敦商学院战略与创业学副教授。他的研究重点是公司可持续性和企业在公司和资本市场中战略性整合ESG问题。