窘境还是困境？-人工智能对商学研究颠覆与推动

人工智能具备的特殊科研能力，使过去的研究范式、研究能力、研究发表，需要进行重构，甚至颠覆，而这也将会让传统商学院研究面对一种尴尬的“窘境”和“困境”；脱离这样的“窘境”甚至“困境”，核心是深入“真实践”、凝练“真问题”、创造“真价值”、创新“真研究”。

‍‍‍‍‍

文|魏航*

“GPT-4，起飞！”2023年3月15日凌晨1点，OpenAI正式推出GPT-4文本生成AI系统。

GPT-4是一个多模态大型语言模型，即支持图像和文本输入，以文本形式输出；扩写能力增强，能处理超过25000个单词的文本；更具创造力，并且能够处理更细微的指令。

3月16日晚,微软正式宣布推出Microsoft 365 Copilot。用户可以通过文字命令和互动的方式，让Copilot帮你润色Word文档、分析Excel表格、快速生成PPT幻灯片、写一份Outlook工作周报等。

与此同时，对于商学研究者来说，研究创新也将面临巨大的挑战。传统的试错式、模拟式、简单交叉式的创新将被大量替代。传统的研究者将面临明显的“窘境”，甚至是“困境”。

一般来说，对于传统的研究者来说，存在一定的基本要求，这就是“有理论、会方法、熟文献、能写作”。目前，商学院对于博士生的训练，也基本上按照这样的套路。

首先，学习本领域的经典教材，对已有的理论进行熟练掌握；其次，进行研究方法训练，比如：管理科学方法、计量经济学、博弈论、田野调查方法、行为实验方法、计算机模拟方法等等。

然后，进行研究领域的文献阅读，通过大量阅读本领域的经典文献、最新文献，掌握研究动态。最后，由于研究工作还需要通过文字的形式进行表达，还需要学会运用专业语言进行写作的能力。

显然，以上四个方面“有理论、会方法、熟文献、能写作”对于GPT这样的多模态大型语言模型来说，是完全可以掌握的。尽管这样的掌握会需要一定的时间进行训练，目前短时间不会立刻对我们的研究者们产生替代。但是，GPT具备“有理论、会方法、熟文献、能写作”专业能力的时代一定会到来。

那么，对于商学院的研究者们来说，是否会面临着很难做研究窘境？甚至到了无法做研究的困境呢？

这就需要我们从研究的本源开始寻找。那么什么是研究？研究就是探求事物的真相、性质、规律等。英文research=re+search，也就是反反复复寻找的意思。因此，研究指人对事物真相、性质、规律等进行的无穷尽的积极探索，由不知变为知，由知少变为知多。

简单地说，就是一个认真的提出问题，并以系统的方法寻找问题答案的过程。因此，传统的研究范式为：想问题、建模型、找方法、验结果、构理论。显然，若是对比GPT的能力，其中的“找方法”可能是GPT最具有能力的部分，也是目前大部分博士生、青年学者耗费大量时间和精力在进行的“脏活、苦活”。

同时，由于大量的研究者耗费了大量的时间在方法寻找、结果验证上，导致研究者缺乏对于研究问题的思想性的缺失，构建理论成为几乎不可完成的任务。特别地，在2018年中国人民大学首届中国管理模式全球论坛上，徐淑英老师发出了让商学院教授们大为震动的演讲“商学院教授们，别躲在象牙塔里”，让中国的商学院教授们大为震动。

在演讲中，徐淑英教授谈到，目前的商科“研究的科学严谨性其实是退步了，因为是象牙塔研究，不跟企业打交道，不去采访企业，实践连带性越来越退步了。”徐淑英老师提出“我们应该真正了解企业，去企业中研究到底它面临什么困难，然后再抽出它们的逻辑，提出一个核心的理论，再去验证这个理论，重复地去验证这个理论，不对的把它推翻，对的就留下来继续地去验证，这样才是一个科学的方法。”从中可见，商学的研究，离“实践”越来越远，离“认真的提出问题”渐行渐远。

与此同时，由于人工智能具备的特殊科研能力，过去的研究范式、研究能力、研究发表，需要进行重构，甚至颠覆。

颠覆与推动1：研究模式。过去的研究处于“中间大两头小”的模式，就是想问题的时间少、做问题的时间多、实践问题的时间更少。未来的研究将改变为“中间小两头大”的模式，就是想问题的时间多、做问题的时间少、实践问题的时间多。

颠覆与推动2：研究能力。目前的大量的博士生工作、研究助理的工作、似是而非的一些商学研究、自编自演的研究等等，将不可避免地被替代。

颠覆与推动3：研究成果。由于有了这样的快速研究工具，使得过去需要一定的“有理论、会方法、熟文献、能写作”才能够写出学术论文的能力瓶颈一下子被打破，导致人人都可以成为专家，人人都可以做研究，“灌水”型的论文突然大量涌现。

颠覆与推动4：研究出版。过去的研究出版，需要通过各种复杂评审之后才能够出版，也许不远的将来，变成了“自媒体”公开网站式的论文张贴，通过市场、同行、企业、政府等来检验论文的学术性、有效性。

因此，面对新的因为人工智能带来的颠覆与推动，将会让传统的商学院研究面对一种尴尬的“窘境”和“困境”。如何面对研究中的“窘境”，并进一步走出“困境”？我想，应该回到商科自身的特点上来，那就是商学不仅具有科学性，还有具有实践性。

简单的科学性的方法、理论、手段，将不可避免地被GPT为代表的人工智能所取代，若是不进行重构以及迭代，商学教授的研究将不可避免地需要面对“窘境”，并进一步走近“困境”。商学教授的研究脱离这样的“窘境”甚至“困境”，，核心是深入“真实践”、凝练“真问题”、创造“真价值”、创新“真研究”，具体可以从以下几个方面开展：

1、观察现象，凝练问题。当实践在不断进行中时，问题就会随着并存。但是，如何敏锐的从实践中发现问题、提出问题、凝练问题，也许是未来研究者们需要去做的第一件事情。

也许，对于所有的商科教授来说，是一件非常好的事情，因为，之前的商科教授，由于各种原因，喜欢呆在象牙塔，而脱离实践。大量的学术论文都是从“论文到论文”的研究，很多研究者的研究都是“为赋新词强说愁”，只是为了完成工作量或者为了晋升而自己“编造”的研究，而不是一个真问题，做成了真研究。因此，研究者们需要更多地去贴近实践，观察实践，并从实践中获取“灵感”，提出研究问题。

2、设计模型，检验结果。在完成现象观察和问题提出之后，如何能够将这样的问题进行结构化、抽象化，形成科学的语言，构建科学的模型，可能是未来的研究者们主要重点关注的领域。

当然，在构建模型中，可以借助人工智能，对已有研究进行总结，提供模型构建的参考方式。但是，如何能够精确构建与科学问题贴切的模型，还是需要研究者们自己深入思考，浓缩提炼的科学工作。

特别的，人工智能可以利用其强大的计算能力和试错能力，从方法论上对模型进行试错式、模拟式的试验，大大加快了过去人工计算、试错的成本和时间，可以极大地提高研究的效率。同时，对于人工智能获得的结果，可能还需要研究人员进行检验，检验其正确性、合理性、科学性。

3、价值判断，实践应用。目前对于商科的研究，存在巨大的弊端，这样的弊端主要体现在“研究结果不具有重复性”和“研究结果不具有很强的实践性”。

这样的情况，一方面是由于期刊标准造成，另一方面由于大学晋升方式导致。然而，当研究者们从繁重的研究推导中脱离出来，那么对于研究结果的价值判断以及实践应用就成为需要考虑的核心工作了。如何能够体现“你”的研究工作的价值？如何能够体现“你”的研究结论的应用性？都将是未来研究者们需要改变和推动的新工作、新任务。

4、综合集成，构建理论。目前，大量的研究工作都是在一些细枝末节上的研究，甚至是自我虚构的问题，耗费了大量的时间和精力。这就导致了大量的研究者只见树木不见森林，甚至是“海市蜃楼”。因此，除了在某些方向上进行深入研究之外，还需要对已有理论进行集成，形成和构建这一领域的理论集成。

总之，GPT的出现，为研究者提供了一种可以进行快速试错式、模拟式的研究的能力，使得大量的研究人员可以从繁重的“体力式”研究工作中脱离出来，以“实践”为核心，推动商学研究面向“真实践”、“真问题”、“真价值”。只有这样，商学院研究者才有更多的时间去贴近实践、提出问题，有更多的时间思考成果的应用价值，有更多时间把理论进行集成。

显然，旧的商学研究必定会面对“窘境”甚至“困境”。这样的颠覆与推动必将到来，需要商学院的研究者，改变旧思路、冲破旧藩篱，从“书斋”为核心走向以“企业”为核心，深入“真实践”、凝练“真问题”、创造“真价值”、创新“真研究”。

*作者系上海财经大学商学院教授 常务副院长

如涉及版权请告知删除，我们对文中观点保持中立