Mark Cuban：警惕AI替代试错能力
Mark Cuban发文将当下围绕AI与数学教育的讨论，类比到商业世界里"领域知识"的习得问题上。
他提出，在公司里，新员工入职后最重要的能力不是已经掌握了多少专业知识，而是"如何弄清楚问题该怎么解决"（figure out how to figure things out）这项能力。
他强调，领域知识本身正是通过反复经历"自己摸索出解决办法"这一过程积累出来的，而不是被直接告知答案就能获得的。
基于此，他提醒企业方必须谨慎地持续督促和训练员工自主摸索解决问题的能力，避免这一关键的成长环节被跳过或被工具替代。
他将这一商业观察与当下AI/数学教育领域正在发生的讨论相类比——核心关切是一致的：当工具（无论是AI还是计算器、公式）可以直接给出答案时，人是否还有机会真正锻炼出独立解决问题的思维过程。
从组织机制上看，这一观点隐含的利害关系在于：如果企业用AI直接替代初级员工"摸索弄清问题"的环节，短期内确实能提高效率、降低人力成本，但长期会切断资深领域专家的培养路径，导致未来的人才梯队出现断层；而坚持让新人经历"自主试错"过程的企业，则更有可能保住向上输送资深人才的能力，在这场关于AI与人才培养的博弈中占据结构性优势。
来源：公开信息
ABAB AI 解读
Mark Cuban自身的职业经历就是"在实践中弄清楚问题"这套逻辑的例证——他并非科班出身的技术专家，而是从卖软件、开酒吧起步，通过不断试错积累起跨领域的商业判断力，最终创立Broadcast.com，并于1999年以约57亿美元的股票交易被雅虎收购，这段经历本身就体现了他所说的"领域知识靠现场摸索积累"。
作为《创智赢家》(Shark Tank)投资人和NBA达拉斯独行侠队老板，Cuban长期在投资决策中偏好那些创始人具备"从零摸索出商业模式"实战经历的初创公司，而不仅仅是拥有名校背景或纯理论知识的团队，这也是他资本配置逻辑中重视"自主试错能力"的具体体现。
这与硅谷长期流传的"T型人才"培养逻辑，以及高盛、麦肯锡等机构历史上坚持用高强度实战轮岗取代纯理论培训来锻造初级分析师的做法逻辑相通——真正的专业判断力往往不是课堂或工具直接给出的，而是在大量真实场景中反复试错习得的。当前行业正处在AI工具大规模介入基础性信息检索与初步分析任务、可能压缩这类"实战试错"窗口的阶段。
这本质上是技术替代带来的隐性风险：当AI开始替代原本由初级员工承担的"弄清楚问题"这一过程时，企业看似提高了短期效率，实际上可能切断了培养未来资深领域专家的必经路径。其发生机制在于，领域知识不是一次性传授的静态信息，而是通过反复面对不确定问题、自主寻找路径所形成的动态能力，一旦这一习得过程被工具代劳，企业的人才梯队将出现结构性断层。
ABAB News · 认知定律
答案可以被工具给出，判断力不能
省掉试错的一代，会成为断层的一代
领域知识不是学来的，是摸索出来的