《Futures》：Exploring Experts’ discourses in Corporate Foresight: Unveiling the temporal tension between past-present-future
编辑推荐：
专家通过将过去的经验、当前的问题和愿景联系起来构建未来。专家知识表现为一种展演性的、情境化的、受物质影响的实践。人工智能（AI）生成输入使专家的叙事转向反应性的未来取向。物质工具不仅影响内容，还影响专家话语的时间结构。前瞻应侧重于促成主动的未来建构，而不仅仅是
专家通过将过去的经验、当前的问题和愿景联系起来构建未来。专家知识表现为一种展演性的、情境化的、受物质影响的实践。人工智能（AI）生成输入使专家的叙事转向反应性的未来取向。物质工具不仅影响内容，还影响专家话语的时间结构。前瞻应侧重于促成主动的未来建构，而不仅仅是预测准确性。
企业前瞻（Corporate Foresight, CF）领域长期以来将专家视为预测未来的关键资源，但近期研究表明专家预测常不准确，其权威受到质疑。实践理论视角的兴起将CF重新概念化为一种“未来建构”（future-making，指通过日常实践主动创造未来可能性的过程），强调话语与物质因素在构建未来中的核心作用。然而，现有研究较少关注专家作为情境化行动者如何通过日常话语活动构建未来，以及外部刺激如何影响其话语的时间结构。为填补这一空白，该研究在医疗保健领域开展了一项CF练习，主题为“患者赋权”（Patient Empowerment，指个体管理自身健康并参与相关决策的能力），探讨专家如何构建未来导向话语，以及人工智能生成输入如何改变这些话语的时间结构。
研究人员将21名意大利医学专家分为两组，一组接受ChatGPT生成的附加信息，另一组不接受任何额外信息，通过半结构化访谈收集数据，并采用Gioia方法论对转录文本进行定性主题编码。研究发现，专家并非中立的预测者，而是通过在过去、现在与未来三个时间范畴之间动态切换来构建未来。ChatGPT输入使专家的叙事更倾向于反应性评价，而开放式引导则促进基于经验的探索性建构。该研究为未来建构视角提供了实证支持，表明专业知识是一种展演性的、情境化的实践，物质工具（如生成式人工智能）不仅影响话语内容，还重塑话语的时间结构。相关成果发表于期刊《Futures》。
在技术方法上，该研究采用准实验设计，通过雪球抽样从意大利多个地区招募了21名具有至少5年专业经验且直接参与患者赋权活动的医学专家，分为无ChatGPT输入组（10人）和有ChatGPT输入组（11人）。数据通过在线半结构化访谈收集，单次约35分钟，采用“讲故事”方式引导专家自由表达。所有访谈被逐字转录后，使用Gioia方法论进行归纳式主题编码，先形成一阶类别与二阶主题，再比较两组在叙事建构上的差异。
研究结果分为五个主题。第一，“现在”：两组专家都从当前状况出发，但无输入组提供更广泛的叙事，将现在视为从过去到未来的转折点；有输入组则更集中于对输入内容的直接反应，例如具体描述技术风险、治理挑战和现存的系统性障碍。第二，“过去作为个人经验”：无输入组大量使用个人临床案例作为证据，构建因果叙事以支撑其对未来的判断；有输入组虽然也引用个人经验，但更多是作为对输入观点的示例或补充。第三，“未来”：专家通过负面后果、正面机会和可行行动三种方式讨论未来。无输入组倾向于从当前趋势中推断未来，而有输入组则围绕输入中预定义的未来情景进行展开，表现出更强的反应性。第四，“时间张力”：专家在叙述中频繁地在过去、现在和未来之间来回移动，但两组的起始点不同。无输入组从过去或现在开始，自下而上地构建未来；有输入组则从未来的输入出发，自上而下地评估其与现实的契合度。这揭示了两种不同的时间推理机制，即基于经验的建构和基于提示的建构。第五，“基于输入的建构”：收到ChatGPT输入的专家都与之进行了互动，反应从直接认同、扩展阐述到明确反对和重新定义不等。例如，一些专家直接确认输入观点，另一些专家则通过指出制度惰性或对患者压力有效性的怀疑来质疑输入内容。这表明物质刺激塑造了话语空间，并影响了专家对自身能动性的定位。
在讨论部分，该研究提出四项理论贡献。第一，将专业知识重新定义为展演性和情境性的成就，补充了以预测准确性为导向的传统观点。第二，指出专业知识不是静态属性，而是通过话语、时间框架和评价性判断在具体实践中被动态地执行。第三，展示了时间范畴在专家话语中是如何被灵活调用的，过去作为合法性资源，现在作为实现未来的物质与关系基础，未来则被规范性而非描述性地讨论。第四，阐明了物质刺激（例如AI生成的输入）如何微妙地重新分配前瞻话语中的能动性，使专家采取更主动或更被动的未来建构取向。在实践层面，开放与结构化的引导方式各有价值，设计者应根据具体前瞻阶段的目标选择适当的刺激形式，并注意将AI生成内容视为引发反思的临时工具，而非权威的未来表述。
研究结论部分翻译如下：本研究考察了专家如何在与外部信息刺激互动的情况下构建未来导向话语。分析表明，专家并不把未来当作可预测的固定对象，而是通过调动经验、情境知识和评价性判断来积极建构未来。该研究为将前瞻视为使未来具有意义和可操作性的实践提供了新证据，并补充了强调学习、准备和战略导向的传统观点。同时，两组专家的对比表明，外部刺激的存在不仅影响专家谈论的内容，还影响其推理的构建方式。人工智能生成的输入倾向于将专家锚定于预定义的未来框架，鼓励评价性和反应性参与；而开放式引导则有助于发展探索性和基于经验的未来建构。这些发现拓展了对前瞻过程中人工制品和刺激作用的理解。研究也存在局限性：样本规模较小且限于意大利，排除了管理者、政策制定者等更广泛的利益相关者，且仅测试了单一类型的AI输入。未来研究可在跨国背景下扩展，比较不同类型参与者和刺激设计对前瞻实践的影响。
