AI新知(四)：伯克希尔的AI三原则，为什么值得认真看一看

5月2日，伯克希尔股东大会，接替巴菲特的新任CEO Greg Abel说了一句话："We're not going to do AI for the sake of AI."（我们不会为了AI而AI。）

同一时期，Musk、Altman、Zuckerberg各自宣布数千亿美元的AI基础设施投入，叙事框架是"不押注AI就会输掉整个十年"。在这种氛围下，Abel这句话很容易被当成"老派企业不懂AI"的又一个例证。

但如果你正在被"竞争对手都在用AI""我们是不是投入不够"这类焦虑裹挟，建议把这句话认真读两遍。

一、三条原则：效率、安全、决策

Abel给出了三条判断标准：AI必须在效率、安全或决策三个方面产生实际改善，伯克希尔才会部署。不满足其中任何一条，不投。

效率——进攻性维度，指向成本和产出比。BNSF铁路已经在用AI优化运营调度，在相同资源投入下提升吞吐能力。这是AI落地最成熟、最容易量化的方向。

安全——防御性维度，指向风险和防损。伯克希尔的保险业务用AI识别欺诈和深度伪造威胁。Abel在会上播放了一段AI生成的巴菲特"深伪"视频，然后告诉股东："这就是我们每天都在管理的风险。"这类场景的价值不体现为"赚了多少"，而是"避免了多少损失"。很多企业评估AI价值时只算进攻不算防守，这条原则是个提醒。

决策——核心竞争力维度，三条里最难实现，也最具门槛。BNSF的铁路调度不是简单的排班，而是对气象、设备损耗、能源成本、线路拥堵、货物优先级等数千个变量的实时求解。AI的决策优势不在于"比人聪明"，而在于它能处理人类感官无法覆盖的参数规模，在大规模协同下保持判断的稳定性。对管理者而言，这意味着角色的转变——从"亲自寻找答案"变成"定义约束条件，让系统求解"。

三条原则的共同特征：每一条都指向可验证的业务结果，而不是"AI本身的能力有多强"。

二、焦虑是最贵的决策成本

Abel这句话之所以值得重视，是因为它直接戳中了当下企业AI投入的最大问题——大量投入是焦虑驱动的，不是需求驱动的。

"竞争对手都在搞AI，我们不搞就落后了。""老板从行业会议回来，说必须加大AI投入。""供应商说这个方案能改变我们的业务。"——这些是多数企业启动AI项目的真实起点。不是因为想清楚了要解决什么问题，而是因为怕不做会错过什么。

焦虑驱动的投入有一个典型特征：说不清楚要解决什么问题，但觉得"先用起来再说"。战术上的勤劳，掩盖战略上的懒惰。结果就是工具买了、团队建了、项目立了，到年底没人说得清这些投入到底改善了什么。

Abel的三条原则本质上是一个反焦虑工具。它不问"要不要做AI"，只问"这个具体场景的AI投入，改善了效率、安全还是决策中的哪一个？"回答不了的，就不是当下应该投入的。

三、"增益"而非"颠覆"

Abel在会上说，伯克希尔旗下的AI应用必须是"additive to our businesses"（对业务有增益的）。他刻意选择了"增益"而非"颠覆"这个词。

这个用词背后有一层值得细想的管理逻辑：好的AI落地不是推翻现有业务然后重来，而是在不改变底层业务架构的前提下，把AI作为一个功能模块嵌入现有流程中，让关键环节的运行质量上一个台阶。这种"嵌入式改善"的组织摩擦小、技术适配风险低，对多数传统企业来说，成功率远高于"颠覆式变革"。

Abel在会上展现出对AI技术的充分了解——他谈到大语言模型、BNSF的AI运营工具、数据中心的能源机会。一位在场的基金经理评价他"对技术和AI明显非常自如"。所以他的立场不是"不懂所以不做"，而是"懂了之后选择性地做"。

See's Candies、Dairy Queen、Brooks Running这些伯克希尔旗下公司的CEO也印证了这个思路：用AI节省时间、提升效率，而不是替换核心功能或做大额资本下注。没有宏大叙事，只有具体场景中的具体改善。

四、一个实用的过滤器

下次有人给你推一个AI方案，或者你自己在考虑一个AI项目时，试着问三个问题：

它具体改善了哪个环节的效率？它降低了什么风险？它让哪个层面的决策变得更准确或更快？

如果三个问题一个都答不清楚，大概率不值得现在投入。不是不做AI，是不做说不清楚为什么要做的AI。

伯克希尔的这种"保守"，本质上是对资本效率的极致尊重——如果一笔AI投入无法在损益表上体现为效率提升或风险降低，它在逻辑上就不成立。在这个所有人都在喊"all in AI"的时刻，最稀缺的能力不是拥抱AI的魄力，而是判断哪些AI值得拥抱的定力。

这是「AI新知」系列的第四篇。欢迎关注这个系列。