技术领导者的新超能力是提出更好的问题
大多数领导者对待 AI 的方式是错误的。他们向它要答案，用提示词索取输出，把它当作更快完成任务的手段。
可以理解。我们被训练去重视答案。答案能关闭工单，能解除团队的阻塞，能让你在会议上显得很聪明。但在 AI 时代，答案是廉价的，稀缺的资源是问题。
为什么现在问题更重要
在 AI 之前，限制因素是执行力。我们能把它做出来吗？我们能把它发布出去吗？能给出答案的领导者，就是能创造价值的领导者。
AI 颠覆了这一点。如今任何一个会用提示词的工程师，都能对大多数技术问题生成一个像样的答案。仍然稀缺的，是知道该问哪些问题。
一个会提出更好问题的领导者，之所以能产生更好的结果，不是因为他懂得更多，而是因为他能更有效地引导注意力。「这取决于哪些假设？」能揭示出任何提示词都无法暴露的风险。「要发生什么，这件事才会失败？」能识别出任何 code review 都抓不到的失效模式。
最重要的三类问题
我注意到三类能产生最大杠杆效应的问题。框架型问题划定边界——「我们究竟在解决什么问题？」「成功是什么样子的？」这些问题能防止团队高效地构建错误的东西。
约束型问题揭示隐藏的限制——「我们对这个依赖项做了什么假设？」「如果这个系统不可用，什么会崩溃？」这些问题能抓住那些会演变成事故的假设。
传承型问题把现在与过去连接起来——「这种方法以前试过吗？」「我们上次学到了什么？」这些问题能防止组织重复那些没人记录过的错误。
我现在会问的最好的问题
在一场评审之前，我会问 AI：「关于这份提案，我应该问哪些问题？」它给出的答案，很少是我自己能想到的问题。它们更好，因为它们基于我脑子里装不下的数据和历史。
结果是，我通过提出三个好问题所贡献的价值，比我给出十个答案还要多。这是一个来之不易的教训。我的本能仍然是给出答案。但数据不会说谎——得到最好问题的团队，比得到最好答案的团队做出更好的决策。
这对你的角色意味着什么
如果你是一位以拥有答案而自豪的技术领导者，这种转变会让人不舒服。你的身份建立在「我是那个懂的人」之上。而转向「我是那个提问的人」，需要放下那个身份。
但杠杆效应是真实的。一个学会提出更好问题的团队，每一次都胜过拥有更好答案的团队。好的问题带来更好的理解，更好的理解带来经得起考验的决策。
AI 时代最优秀的技术领导者，不会是那些拥有最好答案的人，而是那些提出问题、让其他所有人的答案都变得更好的人。
没有人教授的最有价值技能
我们花多年时间教工程师产出好答案：编写整洁的 code，设计稳健的架构，高效地调试。所有这些都是「答案技能」，是有价值的技能。但它们恰恰是 AI 最擅长的技能。
提问技能——能够提出重构问题、揭示隐藏假设、把过往经验与当下决策联系起来的问题——才是区分卓越领导者和优秀领导者的东西。而这些几乎从未被教授。
我是通过惨痛教训学会这一点的。职业生涯早期，我以为自己的价值来自比别人懂得更多。我就是那个拥有答案的人。这在一段时间里行得通，直到问题变得过于复杂，超出了任何一个人能独自把握的范围。于是我不得不学会提出更好的问题——而那是一次谦卑的历程。
一个实用的练习
下次你在技术讨论中，试试这个：不要给出解决方案，而是提出三个能帮助团队自己找到方案的问题。留意场上的氛围会如何改变。团队会更有归属感，决策会更牢固，而你在没有增加工作量的情况下，把影响力放大了数倍。
这就是问题之于答案的杠杆效应。
为什么这对技术领导者来说很难
技术领导者是因为有能力回答难题而被选中的。这正是你获得晋升的方式。你懂很多东西，你能提供方向，你的答案值得信赖。
用提问代替给答案，会让人感觉像是一种倒退，会让人觉得你好像不懂。但我合作过的最优秀技术领导者都明白，他们的角色不是成为唯一的知识来源，而是创造出让最好的知识从团队中涌现的条件。
这把工作从「我有答案」转变为「我知道哪些问题能把我们引向最好的答案」。这是一项更难的技能，它需要更多而非更少的自信，而且它是一项真正能在整个组织中扩展的技能。
日常练习
我努力以问题而非答案来开启每一次设计评审、每一次架构讨论、每一次战略对话。这些问题很少是完美的，但它们定下了一种基调。它们告诉团队，目标是达成共识性的理解，而不是认同我的立场。
这种基调，比我做过的任何单个技术决策都更重要。