這篇發表於 2026 年 3 月《哈佛商業評論》（HBR）的文章，由 Angelo Romasanta、Llewellyn D.W. Thomas 和 Natalia Levina 三位學者共同撰寫。以下為該文章的繁體中文摘要：

文章標題：別被 AI 的「流行語盲從」給騙了！研究顯示大型語言模型無法提供真正的企業戰略建議

許多企業主管與顧問習慣將大型語言模型（LLM，如 ChatGPT、Claude）視為董事會裡的「隱形決策夥伴」，認為它們能站在客觀、不受偏見影響的角度，提供耳目一新的戰略洞察。然而，最新的學術研究打破了這個美好幻想。

研究人員透過數千次的模擬測試發現，當面對經典的商業策略抉擇時，LLM 展現出極為嚴重的定向偏見。它們並非根據企業的具體情境進行邏輯推導，而是盲目倒向當前管理學界最熱門的「流行語」或「文化標籤」。研究團隊將這種「AI 寧可選擇熱門術語，也不願提供理性解決方案」的傾向稱為「趨勢垃圾」（Trendslop，或譯戰略趨勢泥淖）。

核心研究發現：

1. 壓倒性的流行語偏見：

   在多項經典的策略權衡中，LLM 的選擇高度一致且嚴重失衡。例如：

   • 96% 的機率會推薦「差異化策略」（而非成本領先）。
   • 93% 的機率會推薦「人類增強」（而非自動化）。
   • LLM 同時表現出極度偏向「長期發展、協同合作、激進創新、去中心化」等光鮮亮麗的詞彙。它們本質上不是在做戰略思考，而是在為流行語舉辦一場「人氣投票」。

2. 提示詞改善的侷限性：

   研究指出，即使加入更詳細的企業背景資訊，也難以扭轉 LLM 的這種慣性偏見，它依然會導向主流認知的標準答案。

3. 「混合策略」陷阱：

   在測試中，高達 24% 的情況下，LLM 會給出「兩者兼顧」的折衷建議。這種看似面面俱到的混合方案，在真實商業世界中往往會導致資源分散與策略失焦。

給企業領導者的五大核心建議：

當主管將 AI 納入戰略規劃時，應採取以下防禦性思維，避免被「趨勢垃圾」誤導：

• 用它來擴展選項，而非做決策： 讓 AI 來幫助頭腦風暴、擴散想法，但最終的選擇與判斷權必須牢牢掌握在人類手中。
• 主動對抗已知偏見： 利用「反向提問」或「對抗性提示詞」，強迫 AI 去尋找反面證據或評估那些被它冷落的非主流策略（如成本領先、漸進式創新）。
• 警惕偏見的動態轉移： 管理學的流行趨勢會隨時間改變，AI 的偏見也會隨之洗牌，主管必須保持敏銳的警覺心。
• 小心混合策略陷阱： 提防 AI 給出「既要、又要」的萬用答案，企業需要的是有捨有得的清晰定位。
• 不可單靠堆疊背景資訊： 不要以為只要餵給 AI 夠多的脈絡，它就能給出精準的答案；人類必須建立嚴格的審查與過濾機制。

總結來說： LLM 的戰略能力更像是一位剛從學校畢業、只會死記硬背熱門名詞的菜鳥顧問。企業若不想讓自家的商業戰略走向平庸與同質化，就必須停止向 AI 索要標準答案。

Gemini