复旦大学管理学院院长陆雄文：人类对AI的长期想象越宏大越可能实现，无论需要20年还是30年

如同两条河流交汇时有奔涌向前的时刻，也会产生瞬间的逆流，现代商科教育不止希望学生们在全球化迭代中拥有崭新的世界观和跨文化链接能力，也期待他们勇于打破不同领域的知识壁垒，于AI已能自主学习的时代，把握住人类不可替代的实践落地能力。

在全球多个商学院领头人眼中，AI已能胜任许多日常指令性任务。可目前老师和学生群体对AI的使用率存在显著差距，外界也容易将学生借AI作弊来简单定义“AI与教育”。

“1995年我去海外做访问学者，有教授向我讲述互联网在未来会如何改变世界。彼时讨论的像视频通话等场景如今都已实现，只是一些具体的技术细节存在偏差。”被问及当前商科教育场景的AI应用正处于从L1到L5的大模型能力哪一等级，复旦大学管理学院院长陆雄文表示自己并不纠结这些细枝末节和AI是否已产生自主意识的“哲学危机”。其以上一轮互联网浪潮为参照，相信AI带来的伟大愿景都是真实的，只是目前仍处于早期阶段。

“AI的发展基于算法，可所有算法都是‘收敛’的。偶尔出现‘眩晕’，在发散性思考逻辑上存在局限。”陆雄文坦言，目前AI还无法逃出现有框架来实现真正的原创，商科教育的AI应用也处于非常早期阶段，行业应实事求是的跟踪其发展路径。不过，人类对AI的长期想象越宏大就越有可能实现。“无论是20年还是30年。”

全球商科教育的当下挑战：跨文化与跨学科协作能力日益并重

自1917年创设商科的复旦大学，于1929年正式成立商学院。作为中国近代商科教育的开拓者之一，复旦大学管理学院在1985年正式恢复建院。正值复旦管院恢复建院四十周年，复旦管院邀请全球多个知名商学院负责人齐聚上海，讨论当前商科教育面临的挑战。

“商学院过去常被质疑能否为真实世界培养真正的管理人才。且这些人才究竟是为社会进步、经济发展努力，还是仅追求个人利益？”复旦大学管理学院院长陆雄文直言道。而在将ESG议题纳入商学院普遍重视的课程之外，全球商科教育也遇到了新秩序下，是否还有机会继续合作的不确定性。

“其实，我们和今天到场的许多全球顶尖商学院负责人，最近两周内见面了三次。这一频率足以说明双方都有强烈的合作意愿。更直观的是，这么多国际友人愿意从欧洲、北美飞十几个小时来到中国。对照一下，我自己都不太愿像以前那样长途飞行了。”陆雄文感慨，“这些朋友到来，本质上是因为大家面临着共同挑战，肩负着共同使命——我们始终倡导以开放包容的态度推动国际科技交流与合作，共同应对全球技术发展中的共性问题。”

而对中国的商科教育来说，如何主动适配需求，培育优质科创企业、助力中国企业在技术创新与市场应用中实现突破，是更为迫切的议题。

地处上海，放眼全球。持续落地科创战略的复旦管院，期望帮助更多科学家、工程师、教授转型为企业家。

“很多科研人员已开始创业，但当他们普遍缺乏足够的管理知识，会导致失败概率显著升高。”谈及复合型人才的匮乏，陆雄文表示，无论是生物医药、电子工程，还是新能源、自动驾驶领域，管理都能为科技进步提供关键支撑。毕竟技术要转化为生产力，离不开商业化落地与可持续盈利模式的构建。但跨领域合作的难点，往往不在于管理学科的主动性，而在于跨学科协作本身的复杂性。且即便在同一所大学内部，要打破学科边界也并非易事。

“连与工程学院联合培养，或推动会计、金融与管理科学、信息管理等相近学科合作时，都面临不少阻碍，更不用说跨越大的学科门类。”陆雄文指出，世界范围内，成功的跨学科合作案例确实存在，但数量并不多。

“以复旦为例，我们曾多次与理科、工科院系沟通合作，对方在态度上都很开放，也认可管理学科对技术商业化、盈利的价值，但真正推进具体合作时，往往会遇到各种阻力。比如多数教授更聚焦自身研究领域的深耕，对跨领域协作所需的额外时间投入、知识体系适配缺乏足够意愿。他们或许认为，凭借技术本身的优势就能实现商业化，却忽略了管理在资源整合、市场对接中的作用。这种对自身专业的高度自信，有时会形成一定的知识壁垒，导致跨领域合作中难以充分开放与互学。”陆雄文认为，商学院始终都做好了准备，愿意为理工科教授们提供技术转化、创业赋能等支持，但要让合作真正落地，还需要双方打破认知壁垒，建立互信。

据悉，近期刚刚开营的复旦管院第十一期科创企业家营里，33名学员中有7位是 00 后、13-14 位是90 后，还有5位是副教授及以上职称的教授。“看到年轻工程技术人员和资深教授愿意投身创业，我非常振奋。即便当前环境承压，但只要有人愿意创业投资，再加上庞大的市场需求支撑，这便是我们必须坚持的方向。”

依托“走出去、引进来”的国际化战略，复旦管院已与全球115所知名院校及机构建立合作。“直面科技革命，引领管理前沿探索；深耕中国实践，引领管理思想创新；拓展全球链接，领航文明互鉴。”这正是当前形势下，复旦管院对商科教育的前路思考。而以更广泛的视野理解跨文化协作和专业背景知识的运用契机，亦是全球商科教育的共同目标。

“当我们教那些来巴西学习的国际学生时，我会告诉他们，仅关注传统新闻平台是不够的。”巴西圣保罗商业管理学院副院长Julia von Maltzan Pacheco指出，若想建立完整的世界观、了解世界动态及自身所处的商业环境，必须保持开放心态，接纳更多元的信息渠道——不仅来自欧洲、北美，也要来自于亚洲、非洲。“通常这种观念的转变，对很多国际学生而言，是一个很大的认知突破。”

其坦言，“整个全球化进程的方向目前也尚未完全清晰，可也已呈现出一些明确特征。所以商学院的核心任务有两个：一是知道我们正往哪个方向流动，二是助力学生克服可能的‘逆流’。”在Julia von Maltzan Pacheco看来，“未来全球化会更加多元化、多面化，涌现出很多新的中心，而传统的中心需要重新定义自己，才能适应新版图与新秩序。”

以“提供影响世界的教育”为宗旨的伦敦商学院，也将实现路径依托于批判性思维和同伴情谊。“在多元社群中，既要保持独立思考，又要学会协作。这是我们特别看重的价值取向。像伦敦商学院体量较小，MBA学员只有约500人，可生源地超66个国家。”伦敦商学院副院长Gary Dushnitsky相信，身处这样的环境，学生能自下而上建立同伴情谊、达成共识。并学会倾听不同视角人的观点，再达成共识解决问题。“而这种技能在AI时代显得尤其有用。”

AI时代的商科教育演化路径：不运用便过时，如何有效控制系焦点

AI对商科教育的赋能已初步走出了确定性的路径。数字教育委员会会长Danny Bielik认为， 管理流程变革的首要目标，便是提升教师的AI应用能力。此外，AI还能帮课程实现快速迭代，甚至直接辅助重新设计课程内容。

“像教学评审环节，AI也能高效生成各类问卷，同时创造更多师生互动的机会。在学生能力评估未来报告当中，也已有免费的AI工具可以使用。即便AI并不完美，提出的问题也不一定准确，但它有持续改进的能力。商学院借此也能大规模追踪学生群组的学习进展，这对后续优化教育模式、提升教学质量都是个非常好的机会。”Danny Bielik总结道。

其亦指出，一些资源匮乏地区的教育者，过去很难获取优质的教学资源、专业书籍，也没机会接受系统教学培训。但如今，可以通过AI免费获取很多可直接使用的资源。且无论是学习“如何教数学”，还是设计“八周内让学生掌握自主就业技能” 之类的课程，往往不需花费太多时间，就能借使用AI工具来搭建教学计划。

当然，AI于教育场景的应用也存有不少争议。“如果在街上随机问路人对AI与教育的看法，很多人可能会反问一句，‘AI 不就是用来作弊的吗？’毕竟存在着学生用AI投机的情况。”Danny Bielik直言，教育界必须先厘清认知误区。

其随即阐述了AI应用群体的错配现象。据一项数字教育委员会的调研显示，一年前已有86%的全球学生表示会定期用AI 辅助研究；而今年年初对全球教师的调研结果表明，该群体里仅有60%会使用 AI，可同期学生的使用率已接近甚至达到 100%。

“我们需推动教师做好准备、学生做好规划、全行业做好适配以应对这些变革。比如，目前课程大纲的研发流程往往很漫长，需要逐点梳理、集体审议，最终达成架构共识。可 AI的发展速度极快，绝不会放慢脚步，这就导致当前商学院的运作节奏与流程，已跟不上世界变革的步伐。”Danny Bielik表示，商科教育必须创新思路，加快课程大纲的迭代速度，将适应力、批判性思维培养融入教学，优化现有学分体系。

“可也不能因存在学生利用 AI 作弊的情况，就彻底禁止使用 AI。”国际精英商学院协会(AACSB)总裁兼首席执行官Lily Bi提醒，商科教育要建立更科学的评估方式，来确保学生真正掌握知识。毕竟，商学院教授们在传授供应链、营销、谈判等课程时，若无法结合实际案例也不运用AI工具，教学内容会显得过时。

“AI在部分维度已展现出显著的优势。比如AI的知识储备远超单一的人类个体。逻辑推理能力方面也在持续进步——以 GMAT 考试为例，六个月前 AI的考试分数还处于60分档位，如今已位列99分高分段。”Lily Bi也强调，当前仍有两个维度是人类独有而AI无法替代的，即人类的实践落地能力与独特存在价值。“我认为未来对 AI 的关注重点，不应仅停留在它具备哪些能力、能做什么，更要思考如何对AI进行有效控制。”

按照行业当前流行的将AI能力从L1-L5划分为聊天机器人（Chatbot）、推理者（Reasoner）、智能体（Agent）、创新者（Innovator）和组织者（Organizer）五个等级，教育领域的AI应用阶段行至何处，始终是热议焦点。

“AI 的演进速度实在太快，我们短期可能根本跟不上，所以相比纠结‘它是否有意识’，更该聚焦如何跟上技术发展，才是更务实的方向。”美国圣路易斯华盛顿大学奥林商学院高层管理教育副院长Markus Baer如此谈到。

“我觉得AI会学习不等于它有自主意识。”陆雄文表示，虽然现阶段AI已经具备很强的自我学习能力，比如在考试中若做对题目，系统会不断增加难度，反之则会就降低难度，以此评估应试者的真实水平。但这种能够持续调整题目难度的机制，本质上是由算法驱动的。“这类技术早在十多年前就已开始应用，是一种非常成熟的算法表现。”

陆雄文举例道，当前AI已能胜任许多日常指令性任务，但如果和它讨论需深层理解、推演的话题，往往AI只能从已有的数据库进行推理，超越范围的就没法反应。

“AI技术的演进是很长期的过程，目前它仍然是技术性的——AI的所有发展都基于算法，可算法都是收敛的，即当它预测下一个答案时，会在庞大变量的情况下收敛成唯一答案。而偶尔出现‘眩晕’，系一旦进行发散性思考，遭遇了局限。”陆雄文分析道，一如艺术能否被AI代替的命题里，AI可以模仿已存在的艺术技法，却无法创作与达芬奇、梵高等同影响力的全新、原创艺术作品。因此，AI即便能发散，也无法逃出现有的框架，还没有自主意识。

发现AI的局限并不意味着否认它未来的愿景。想起30年前自己在美国与一位教授交流互联网将如何改变世界的情景，陆雄文回忆，当初对方描绘的视频通话等场景如今都实现了。彼时担忧的“网页加载速度过慢导致用户会在几十秒内流失”的顾虑，也早已不再是问题。

“因此我们依然可以对AI寄予无限希望。甚至对AI的长期想象，越宏大越可能实现，无论需要20年还是30年。”陆雄文比喻道，“如同一个刚出生没多久的婴儿，AI还处于非常早期的阶段，我们要观察它的天赋所在，更要实事求是。”

林辰/文

徐楠/编辑

(编辑：林辰)