上周听一个老板问AI："我们公司销售业绩下滑，怎么办？"
AI回了大概三百字，"优化产品、拓展渠道、提升服务、关注竞品"这些内容，全都有。你说它错了吗？没错。但你知道这三百字里，有多少是能直接落地执行的吗？
几乎为零。
问题出在哪？问题本身太模糊了。AI不知道你卖什么、客户是谁、下滑了多少、是持续下滑还是突然跳水。信息量不够，它只能给你通用框架。
我自己用大半年AI做项目分析，最大的感受就一条：问对了，它是个好搭档；问错了，它输出的就是一堆正确的废话。
后来我用了一个两千多年前的方法——苏格拉底提问法。效果出奇地好。
核心逻辑：先拆问题，再要方案
苏格拉底从来不直接给答案。他一直问问题。问到最后，对方自己把答案找出来了。
用在AI协作上，就是一个原则：不要一上来问"怎么解决"，先把问题的边边框框摸清楚。
不急着要答案，先把问题拆解——这是苏格拉底法的精髓。下面这5个提问方向，我每次做项目分析都会用。
方向一：往细节挖——把模糊变具体
当AI给了一个很"大"的判断时，用这三个追问把它拉下来：
"具体是哪个环节出了问题？"
"能给我一个具体的数字吗？"
"这个情况从什么时候开始的？"
听起来简单，但很管用。模糊的问题被具体化之后，解决路径就清晰了。很多时候想不清楚，不是因为不够聪明，是因为问题本身太模糊——就像让你在雾里找路，给你一把万能钥匙也没用。
方向二：往历史看——找规律
问题从来不是凭空出现的。顺着历史摸，能摸到根：
"这种情况以前出现过吗？"
"上次发生的时候是怎么解决的？"
"从那次到现在，发生了什么变化？"
AI的知识库里藏着大量历史案例，但你不引导它，它不会主动调出来。问历史问题，就是在帮AI把相关记忆拽出来。
方向三：找反例——有些地方为什么没问题？
这个方向很多人想不到，但特别有用：
"有没有哪个区域、哪个时期，这个问题不明显？"
"什么条件下，这个问题不会出现？"
"如果存在'没问题'的情况，说明什么？"
反例里往往藏着答案。当AI开始分析"为什么这个区域没这个问题"的时候，其实是在帮你定位核心变量。很多销售问题的解决方案，最后发现不是产品问题，是某个特定环节的变量在作祟。
方向四：挑战假设——我们以为的真相是真的吗？
有时候问题解决不了，是因为大家在用错误的框架分析。先把框架本身质疑一遍：
"我们之前默认的假设是什么？"
"这个假设现在还成立吗？"
"反过来想会怎么样？"
我见过一个典型的例子：一家公司总觉得是自己产品价格太高导致丢单，问了三个月怎么降价。最后有人问了一句"你怎么知道客户是因为价格走的"——调出历史沟通记录一看，80%的客户根本没聊过价格，首要顾虑是交期。这个"以为"一旦被戳破，解决方案完全不一样了。
方向五：拉回行动——分析是为了行动，不是为了得出结论
这三个追问把分析拽回地面：
"如果找到了根本原因，第一步做什么？"
"如果做砸了，怎么判断？"
"用最小成本验证这个判断，需要几天？"
这其实是在对抗"分析瘫痪"。很多人跟AI聊完觉得收获满满，第二天醒来发现啥也干不了——就是因为没有把分析结论转化成可执行的动作。
实战演示
之前遇到一个问题：销售团队反馈"新客户转化率很低，不知道怎么办"。
第一步，我问AI："具体哪个阶段转化率低？"
AI答："初筛到上门拜访，掉到了12%。"
第二步，我问："这个12%正常吗？"
AI答："去年同期是23%，明显下滑。"
第三步，我问："这段时间内，有什么变化？"
AI答："7月份销售团队有调整，走了3个老的，进了5个新的。"
第四步，我追问："新人和老人的转化率有差异吗？"
AI答："老人平均21%，新人只有9%。"
到这儿，问题已经很清楚了：不是产品问题，不是市场问题，是新人培育体系跟不上。新人在用老人两年前的打法，成单率自然低。
你看，从"转化率低怎么办"这个大而无当的问题，到"新人培育体系要改"，就差这几步追问。
总结一下
问AI"这个问题怎么解决"，它给你通用答案。
问AI"这个问题背后的原因是什么"，它给你更深的分析。
问AI"这个原因的具体表现是什么"，它帮你把问题缩小到一个可以落地的点。
别把AI当成直接给答案的工具。把它当成一个陪你拆问题的同事——你问得越细，它分析得越深。问题问对了，答案自己就浮出来了。
怎么问AI才能得到有用的答案
不要一上来问"怎么解决"，先把问题拆解。五步法：往细节挖（具体哪个环节出问题）、往历史看（以前出现过吗）、找反例（哪些地方没问题）、挑战假设（我们以为的真相对吗）、拉回行动（第一步做什么）。问得越细，AI分析得越深。
用AI分析业务问题的具体步骤
从模糊问题到具体可执行的结论，只需要几步追问。比如从"转化率低怎么办"开始，逐步问"哪个阶段低、对比历史数据、期间有什么变化、新老员工差异"，最终定位到"新人培育体系要改"这个具体可执行的结论。每一步追问都在缩小问题范围。
常见问题
Q：为什么问AI总是得到通用废话？
问题太模糊。AI不知道你的具体业务场景。应该先问"是什么"（拆解问题），再问"怎么办"（解决方案）。给的信息越多，答案越精准。
Q：和AI协作分析问题的5个提问方向？
1.往细节挖（具体哪个环节？）2.往历史看（以前怎么解决的？）3.找反例（哪些地方没问题？）4.挑战假设（我们以为的对吗？）5.拉回行动（第一步做什么？）
Q：如何避免"分析瘫痪"？
分析完必须追问三个行动问题：第一步做什么？做砸了怎么判断？最小成本验证需要几天？把分析结论转化为可执行动作。
Q：能否演示一个完整的AI分析过程？
从"转化率低怎么办"开始，逐步追问"哪个阶段低→对比历史数据→期间有什么变化→新老员工差异"，最终定位到"新人培育体系要改"这个具体可执行的结论。