要用 AI 进行情景分析，先定义一个决策问题和期限，建立与证据相连的假设登记，再把少数关键不确定性组合成二至四个内部一致的情景。所有数值影响在受控模型中计算，而不是由语言模型心算。记录领先指标和复核触发条件，让人们能挑战假设，而不把任何情景当作预测。

情景分析探索合理条件，不自动预测或选择方案。单一的滚动预算属于预测流程，价值比较则属于成本效益分析。更大的治理边界见通用的如何使用 AI。

关键要点

从决策问题、期限、范围和负责人开始。

区分事实、假设、不确定性和决策。

使用二至四个定义和单位一致的情景。

检验依赖关系和边界条件，而不只是写戏剧化的故事。

在 AI 之外的确定性模型中计算定量影响。

不编造概率，也不把情景说成预测。

跟踪领先指标、触发条件、负责人和复核计划。

情景分析要为哪个决策提供依据？

写下分析要支持的决策，但不让模型替你决定。写明负责人、期限、范围、排除的决策、约束和有用的证据。

字段	记录
Analysis ID/版本	稳定编号和修订号
决策问题	具体的选择或准备问题
决策负责人	获授权的个人或小组
期限	开始、结束和复核节奏
范围	纳入的实体、市场、产品和流程
排除项	本次分析不回答的问题
共同衡量	单位、币种、期间和定义
约束	政策、产能、安全或合同边界

OECD 把战略前瞻描述为探索可能未来、挑战假设、让政策更能应对不确定性的结构化方法。［1］它不是宣称确定性的方法。问题要宽到能呈现不同选项，又窄到团队能定义变量和指标。

情景假设登记应包含哪些信息？

把已核实事实和工作假设分开。假设登记应写明相信什么、为何相信、适用于哪里、依赖什么、谁负责、何时必须复核。

字段	用途
Assumption ID	稳定引用
变量/基线	变化的对象和当前规划值
范围/单位	合理边界和维度
证据	原始来源和核对日期
依赖	约束它的其他变量
边界条件	超出后不应再使用的条件
不确定性	数值或关系可能变化的原因
负责人	负责验证的人
领先指标	可观察的信号
复核触发条件	要求重新评估的阈值或事件

使用合成或去标识的示例。不要把机密的客户、账户、财务或审批数据粘贴到未获批的模型中。处理来源时，遵循安全使用 AI 研究的做法。

怎样识别关键不确定性？

并非每个变量都值得成为一条情景轴。先列出实质影响决策的因素，再评估不确定性和可控性，区分既定因素、趋势、关键不确定性和管理层可控的决定。

优先考虑在期限内既重要又真正不确定的因素。不要只因能起醒目名字就选某条轴。记录每个因素入选的理由和排除项。

因素	影响	不确定性	依赖	角色
合成的需求时点	高	高	产能和交付周期	情景驱动因素
已签约的产能下限	高	低	合同	边界条件
团队的应对选择	高	可控	治理	决策，而非情景事实

OECD《前瞻工具包》介绍了扫描、情景、压力测试及把前瞻与决策相连的实用方法。［2］可借用作结构，同时按实际组织调整证据和治理。

定义一致的变量范围

为每个情景驱动因素记录基线、上下界或类别状态、单位、证据、依赖和负责人。范围不是概率分布，而是供探索的受控输入边界。

拒绝违反物理规律、合同、会计恒等式、产能或其他既定约束的组合。两个变量相关联时，写明关系，而不是各自独立变动。

合成数值示例：

变量	状态 1	状态 2	单位	依赖
需求时点	4	8	距峰值周数	必须在规划期限内
供应交付周期	3	7	周	不得低于合同最低值
可用产能	90	110	单位/周	受获批人员配置约束

这些数字只用于演示表格，不是概率、预测或建议。

建立二至四张情景卡

两个情景可暴露一个关键反差；三到四个能揭示组合，又不至于变成难读的目录。情景多不等于分析好。每个情景都用同样的决策问题、期限、单位和共同事实。

情景卡：

字段	记录
Scenario ID/名称	中性标识，不用“最好”或“最坏”
叙述	对条件的简洁解释
变量组合	Assumption ID 及状态
依赖	必须成立的关系
边界条件	限制和排除项
定量输入	传给受控模型的数值
模型位置	工作簿版本、查询或脚本运行
影响	锁定输出和定性后果
领先指标	可观察的信号
复核触发条件	阈值或事件
反证	会削弱该情景的证据
负责人	复核责任

使用 S1-earlier-demand 这类中性名称，而不是暗示好坏的标签。情景是一组一致的条件，不是围绕任意数字编出来的故事。

用 AI 进行情景分析时，让它挑战结构而不是决定真相

受约束的提示可以让模型找出缺失的依赖和矛盾：

审阅所提供的决策框架、假设登记和变量状态。
只使用列出的假设，提出 2–4 张内部一致的情景卡。
不得加入事实、概率、预测、成本、效益或建议。
每句陈述都引用 Assumption ID。把不相容的组合、缺失的依赖、
越界情况和无依据的叙述标为 [VERIFY]。
返回给人类负责人的问题；不要选择情景或方案。

把输出当作挑战清单。模型可能重复熟悉模式、夸大因果或制造虚假对称；什么合理、有依据，由假设负责人决定。

怎样检查情景的内部一致性？

逐个情景、逐行审阅，也跨情景比较。问：

所有输入的单位和期间是否一致？
相关联的变量是否按站得住脚的关系变动？
是否有状态突破了产能、政策、合同或物理限制？
叙述是否引入了登记中没有的原因？
共同事实是否保持不变？
是否把决策错写成了外部条件？
去掉标签后，这个情景是否仍然说得通？

记录每个冲突、负责人、决定和由此产生的版本变化。不要用文字把矛盾掩盖过去。

在语言模型外计算影响

把获批的情景输入表交给受保护的电子表格、模拟、数据库查询或经过审查的脚本。定义公式、空值处理、舍入、币种、时间步长和依赖关系。用已知的合成用例测试，并保留运行 ID。

AI 可以起草代码或公式供人审查，但执行过且经过测试的模型才是计算来源。独立核对输入和输出。语言模型不得推断缺失值、在文字中估算总额，或覆盖锁定结果。

用 AI 分析表格只能作为辅助模式；确定性公式和负责人仍是权威。

比较影响但不选择方案

用相同的衡量和定义建立跨情景视图：

衡量	S1	S2	S3	来源/模型	解读负责人
期限末合成积压	20	45	10	模型运行 R-12	运营
产能突破的周	无	6	无	模型运行 R-12	运营
所需复核触发条件	T-02	T-01	T-03	触发条件登记表	决策负责人

描述敏感性、瓶颈、可逆性和对准备工作的影响，不要把表格变成成本效益结论或建议。决策者可能还需要模型之外的证据、职责和标准。

《绿皮书》讨论了英国公共决策中的不确定性、乐观偏差、情景、敏感性和透明评估。［3］它是地区框架，不是通用的法律或财务意见。适用的方法由当地财务和决策负责人确定。

不分配未经支持的概率

情景没有概率也可以有用。组织有经验证的统计证据和获批方法时，合格分析人员可在受控模型中维护概率。语言模型不应因情景听来合理就编出“30% 可能性”。

把以下概念分开：

合理性： 条件前后一致，且未被已知证据否定；
概率： 由明确方法和数据支持的量化可能性；
偏好： 决策者的价值判断；
准备度： 能在多种条件下提升韧性的行动。

绝不能让文字从合理性滑向概率，或从影响滑向建议。

哪些情景领先指标和触发条件需要启动复核？

领先指标是与某项假设相关的可观察信号。触发条件是事先约定、需要启动复核的阈值或事件；除非治理明确规定，否则它不是自动决定。

Indicator ID	假设	衡量/来源	频率	触发条件	负责人	响应
I-01	A-03 交付周期	获批的供应商报告	每月	连续两期超出上界	采购	重新评估所有情景

检查指标能否足够早被观察到、来源是否一致、是否只是最终结果本身。记录误报和滞后风险，指定负责人和升级路径。

开展跨职能挑战

邀请运营、财务、商务、风险、法务、安全或其他相关职能，在各自权限内挑战假设。请每位审阅人找出缺失的依赖、越界情况、反证，以及他们会信任的信号。

可以用 AI 项目规划安排负责人和复核日期，但不要把计划变成自动审批流程。记录少数意见和未解决的问题，而不是强求共识。

NIST 的生成式 AI 配置文件强调虚构内容、隐私和治理风险。［4］受约束的输入、可追溯的假设 ID、外部计算和人工挑战能降低这些风险，但不能证明未来的状态。

安排复核并归档版本

按固定节奏复核，并在触发条件出现、证据变化、边界失效或决策问题改变时复核。淘汰那些不再符合当前期限或定义的情景；不要悄悄改写它们的历史。

归档决策框架、假设登记、证据引用、情景卡、受控模型和运行 ID、检查报告、指标登记、挑战记录、决定和审批。不包括秘密和不必要的个人数据。

最终检查清单

决策问题、负责人、期限、范围、排除项和衡量都已写明。
事实、假设、不确定性和可控决定彼此分开。
每项假设都有证据、边界、依赖、负责人和复核日期。
二至四个情景使用一致的单位、期间、定义和事实。
每个情景都记录了变量、依赖、边界、影响、指标和触发条件。
内部矛盾和反证已有记录。
定量影响来自 AI 之外经过测试的受控模型。
没有加入无依据的概率、预测、建议或成本效益结论。
跨职能负责人已对情景提出挑战。
复核触发条件和版本归档已就位。

常见问题

应建立多少个情景？

通常二至四个就足以揭示有意义的组合，同时仍便于审阅。选择能挑战关键假设的最小集合。

情景等于预测吗？

不等于。预测是在既定假设下对预期路径的估计；情景探索一组一致的可能条件，但不声称必然发生。

如何选择假设？

从决策和证据出发，优先考虑既重要又不确定的因素。记录排除项和依赖关系。

每个情景都需要概率吗？

不需要。没有经过验证的数据、明确的方法和合格的负责人时，不要分配概率；AI 也不得编造概率。

如何检查内部一致性？

检查单位、期间、依赖、边界、共同事实和因果陈述，以及是否把可控的决定误当成外部条件。

什么是有用的领先指标？

它可观察、来源一致、及时到足以支持复核，并与某项已登记的假设有实质关系。

触发器是自动决定吗？

通常不是。它是要求按既定治理流程重新评估和升级的阈值或事件。

何时复核情景？

按固定节奏复核，并在指标越过触发器、证据变化、边界失效，或决策问题、期限改变时复核。

来源

OECD, “Strategic Foresight” — https://www.oecd.org/en/about/programmes/strategic-foresight.html
OECD, “Foresight Toolkit for Resilient Public Policy” — https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/01/foresight-toolkit-for-resilient-public-policy_9ad1cd60/bcdd9304-en.pdf
UK Government, “The Green Book 2026” — https://www.gov.uk/government/publications/the-green-book-appraisal-and-evaluation-in-central-government/the-green-book-2026
National Institute of Standards and Technology, “Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile” — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 8 月 31 日。

如何用 AI 进行情景分析并检验假设，而不把情景当成预测