埃森·莫里克：AI 或可解答创业学未解难题

沃顿教授埃森·莫里克指出，数学之外许多领域同样存在未解难题，若 AI 足够强大，或可实证解答并创造巨大社会价值。

他以创业学为例，列举了创业成功成因、增长可预测性、干预措施有效性等未解问题，认为 AI 有望在这些领域带来突破。

沃顿教授埃森·莫里克认为，AI若能足够强大，或可实证解答创业学等领域的未解难题，创造巨大社会价值。

• 埃森·莫里克认为AI可解答创业学未解难题。
• 创业成功成因、增长可预测性等仍待实证。
• AI有望提供数据驱动的突破性洞见。
• 需谨慎处理相关性不等于因果性。
• 创业者应关注AI分析工具与学术前沿。

这条信号来自沃顿商学院教授埃森·莫里克的观点，核心是：AI 的潜力可能远超当前工具化应用，它有望成为处理“非数学领域”复杂难题的实证工具。他特别以创业学为案例，指出该领域存在诸多长期以来无法用传统方法解答的基础性问题，例如：创业成功的真正成因是什么？增长是否可以预测？哪些干预措施真正有效？

为什么重要？ 这些问题之所以长期悬而未决，是因为创业学涉及高度动态、多变量交互的系统，传统统计和理论建模难以覆盖。若 AI 能通过海量数据挖掘和模式识别，为这些问题提供近似答案，不仅将重塑管理学研究范式，更可能为企业决策、投资评估和政策制定提供实证基础。

对谁有价值？ 直接受益者是创业者、风险投资机构、创业教育者和政策制定者。创业者可基于 AI 洞见优化战略；投资机构可提高项目筛选的准确率；教育者可将 AI 辅助研究引入课堂；政策制定者能更科学地设计创业扶持政策。

可以怎么行动？ 具体落地路径有三条：一是建立创业全流程的数据标准，积累高质量、可清洗的数据集；二是开发针对创业问题的 AI 预测模型，并与传统研究方法结合；三是推动学术界与产业界协同，将 AI 分析结果转化为可操作的框架。对个体而言，创业者应开始关注 AI 驱动的商业分析工具，并持续跟踪学术前沿。

风险与限制。 目前 AI 的“解答”往往基于相关性，而非因果性；且数据偏差可能导致误导性结论。创业环境具有历史性和情境性，AI 模型难以完全捕捉“时机”“人脉”等隐性因素。此外，过度依赖 AI 可能抑制人类的创造性判断。因此，应谨慎对待 AI 给出的“确定性”，保持批判性思维。

信息差价值： 大多数人对AI的认知仍停留在生成文案、画图等应用层，而埃森·莫里克提出的是AI作为“科学发现引擎”的潜力。这种视角转换，能帮助读者提前意识到AI在管理研究领域的颠覆性机会，从而在认知层面建立先发优势。

业务启发： 对创业服务类企业而言，可探索研发“AI创业诊断”工具，利用公开数据和算法给出结构化建议；对咨询公司，可构建行业智能数据库，提供基于证据的决策支持。所有依赖经验判断的领域，都可能被AI重塑。

可沉淀动作： 建议读者收藏本文观点，并每周花30分钟关注AI在商业研究中的新应用；尝试用AI工具分析自己所在行业的典型成功案例，并记录其结论的局限；加入相关学术或产业社区，追踪这类前沿课题的进展。

• @emollick 原帖