在人工智能浪潮席卷全球商业版图的今天，大模型正以前所未有的速度嵌入企业决策链条——从市场预测、财报解读到战略推演、人才画像，CEO办公桌上的方案数量激增三倍以上。然而一个耐人寻味的悖论正在浮现：信息越丰富，信任越稀薄；算力越强大，判断越犹疑。当数十个由不同大模型生成的战略路径并列呈现在一页PPT上，CEO指尖悬停于“采纳”按钮之上，迟迟无法落下——这不是选择困难，而是一场悄然发生的“信任断层”。

这种断层，并非源于技术不可靠，而恰恰始于技术过于“可靠”。大模型擅长基于海量数据生成逻辑自洽、语言流畅、结构完整的方案。它能用经济学原理解释为何应进军东南亚，也能援引组织行为学模型论证扁平化改革的必要性；它甚至可同步输出三套财务模拟、五种风险对冲策略与七种文化适配方案。问题在于：所有方案都“看起来合理”，却无一附带可验证的因果锚点。传统咨询报告尚有项目编号、访谈纪要、原始数据附录；而大模型输出常如雾中楼阁，漂亮、完整，却难以溯源——谁提供了关键假设？哪条数据被加权？哪个隐含前提未经挑战？当CEO追问“这个增长预测的底层敏感性区间是多少”，系统可能优雅地生成一份新表格，却无法指出原始训练数据中东南亚消费信心指数的采样偏差。

更深层的裂隙，在于决策权责的模糊化。CEO签署一份由麦肯锡团队署名的建议书，意味着他认可其方法论、背书其专业声誉、并愿为结果承担最终责任。但当他采纳由内部AI平台生成的“最优解”，责任归属骤然失焦：是算法开发者？是提示词工程师？是批准采购该模型的CIO？还是按下回车键的自己？某跨国制造企业曾因大模型推荐的供应链重构方案导致区域库存错配，复盘时发现：模型正确识别了海运成本趋势，却未纳入地缘政治突变这一非结构化信号——而该信号早在三周前已出现在高管晨会纪要中。模型没读过那次会议记录，因为它从未被设为输入源；而人类却默认“AI已全知”，于是主动让渡了交叉验证的职责。

值得警惕的是，信任断层正催生一种新型决策疲劳。当每个业务单元都提交“AI增强版”方案，当每次汇报都叠加三层模型推演，当董事会材料自动附带“置信度热力图”却无人解释热力算法——CEO的时间正被大量用于甄别“可信度幻觉”，而非聚焦“实质不确定性”。一位科技公司CEO坦言：“我现在花40%精力教AI怎么理解我们真正的约束条件，30%精力验证它有没有编造数据引用，剩下30%，才轮到思考战略本身。”

破局之道，不在于退回经验主义，亦非盲目拥抱自动化，而在于重建“人机契约”的新范式。首先，必须确立“可问责接口”：所有AI生成方案须强制标注核心假设来源、关键参数敏感区间、未覆盖变量清单及人工复核节点。其次，推动“逆向提示工程”——要求高管团队定期反向设计测试用例，专门暴露模型盲区，而非仅优化输出质量。更重要的是，将“信任校准”纳入高管必修课：学习识别统计显著性与业务重要性的鸿沟，理解概率输出与确定性行动之间的伦理张力，重拾对模糊性、不完整性与人性直觉的正当性确认。

大模型从不承诺真理，它只承诺相关性。而领导力的本质，从来不是在完美信息中做选择，而是在残缺认知里担起判断。当CEO重新学会在方案末尾手写一句“我仍相信X，尽管模型倾向Y”，那道信任断层，才真正开始弥合——不是靠更强的算力，而是靠更清醒的主体性。