（2026.04.22，新加坡）在航运业这样一个高度依赖经验、纪律与风险控制的传统行业，随着人工智能的普及运用和推广，航运业面对的已不仅是“要不要用AI”，而是“在什么环节用、由谁负责、出了问题谁来承担后果”。
今天下午，一场主题为海事中的人工智能、风险和决策（From Hype to Hard Decisions: AI, risk, and decision-making in a more volatile maritime landscape）的主题对话在凯源中心举行。来自 Seanergy海事控股的财务官斯特若(Stavros Gyftakis)、Harren Group 董事总经理尼斯（Nils Aden）、英美安全与技术平台（Anglo American）主管凯鹏特（Captain Raghav Gulati）、Orca AI首席执行官亚登（Yarden Gross），由劳埃德船级社（Lloyd’s Register）首席技术官查克布（Chakib Abi Saab）担任主持，围绕一个核心问题展开：当AI进入判断层面，行业如何从“相信技术”走向“承担后果”。
从“追逐风口”到“找准问题”
这场讨论中，嘉宾们结合各自的行业场景分享实践和看法。
人工智能的大潮袭来，Harren Group董事总经理尼斯（Nils Aden）直言不讳，企业首先要做的，不是在市场中随波逐流，追逐最炫目的技术，而是找出哪些工具能真正解决自己的问题。对传统航运企业而言，AI部署不是一次性的大替换，而是一种循序渐进的组织准备：从哪里开始学习，在哪里培训，在哪些点位先做小规模尝试，远比一上来计算宏大回报更重要。对企业而言，利润固然重要，但第一步更应是让组织学会如何与AI共处，让船上和岸上的人能借助新工具更有效率地工作，并最终提升安全。
这种理性的态度，也贯穿在其他嘉宾的回应中。亚登（Yarden Gross）指出，当前航运企业在AI上的投入大体分为两类：一类是安全系统，例如导航支持、驾驶台系统和与船员评估相关的软件，这类投资未必能立刻在损益表上体现收益，但一旦出问题，代价极大；另一类是燃油效率、技术支持和运营支持等工具，这些更容易直接反映为响应时间下降、低效率减少和成本压缩。
“也就是说，AI在航运业并不是一个单一命题，它既涉及可量化的经营回报，也涉及无法用短期财务数字简单衡量的风险管理”。亚登特别强调，判断一项AI系统是否值得采用，不是它有没有“AI”这块招牌，而是它是否容易嵌入现有工作流、责任边界是否清晰，以及人与机器之间的问责关系是否仍然明确。
正因如此，论坛讨论从一开始就把“治理”放在了与“技术”同样重要的位置。主持人查克布（Chakib Abi Saab）多次带出问题，探讨AI究竟如何在企业内部落地，如何影响人的判断，如何改变风险的吸收方式。
让AI支持决定，不是做决定
在整场对话中，凯鹏特（Captain Raghav Gulati）分享了航运的案例。按照他的说法，现代船舶每天都在产生海量数据，一艘船上可能布满数百个传感器，每几分钟就涌出成千上万的数据点。单靠人力，根本无法在日常运营中把这些信息全部读懂、吸收、再转化为有效判断。AI的价值，首先就在于把这些庞杂的数据整理成趋势、模式和可以执行的结论，让船员和管理层不必淹没在原始信息中。
他进一步指出，这种能力在驾驶台场景中尤为重要。航速、气象、海况、导航等多重信息持续流入，人类未必总能在高压环境下做出最优整理，而AI恰好擅长把高复杂度的数据压缩成更可用的判断辅助。换言之，AI在航运中最先显现价值的地方，不是“替代人”，而是帮助人减少认知负担，把注意力重新集中在真正重要的决定上。
不过，凯鹏特也明确指出，AI并非总是“减负”。当系统开始挑战人的决定，却又没有提供足够的上下文时，它反而会制造新的压力。他举例说，一个有经验的海员，当他看到前方复杂交通态势，知道将进入密集渔船区域时，会基于长期经验提前采取动作，因为他知道若不及早处理，后面会陷入更困难的局面。不过，如果把这样的判断交给AI，在缺乏完整情境推理的前提下，系统可能会认为人的动作“并不正确”。
“问题不在于AI一定错，而在于它给出的结论若不能让使用者理解背后的逻辑，就会削弱信任。对一个高风险行业来说，系统一旦失去信任，即使功能强大，也难以真正被使用。”他说。
这种“信任来自可理解性”的逻辑，也获得其他嘉宾的反馈。斯特若（Stavros Gyftakis）直言不讳，在当前阶段，AI就应该是支持决定，而不是做决定。在他看来，系统应当提供信息和洞察，但不必急于输出明确建议，因为一旦建议在复杂航行情境下被证明不合适，系统的可信度就会被迅速削弱。
他特别提到，很多航程优化系统在现实中都会碰到这种问题：系统给了建议，但船员未必照着走，原因往往不是抗拒技术，而是船员掌握着更多现场经验和额外变量。航运业眼下真正需要的，并不是把决策权交出去，而是在保持以人为本（human in the loop）的前提下，让机器把人看不完、算不过来的部分处理好。
真正危险的，是“看起来很对”的答案
随着讨论的深入，一个问题也浮现出来：在AI时代，真正危险的到底是什么？是坏数据，还是看似可靠的数据带来的错误自信？
嘉宾们的看法不一，但却提供了不同角度。凯鹏特明确站在错置自信（misplaced confidence）这一边。他的看法很直接：坏数据很多时候反而容易暴露，因为它看起来就可疑；可怕的是那些被包装成“合理答案”的输出，让人误以为自己已经掌握了真相，从而降低警惕。
他举例说，他不会做饭，因为太太要做一道菜，他就去问AI，然后他讲得头头是道，好像他自己是专家一样，但真正懂的人（他太太）一听就知道是错的。所以，当一个人借助工具获得了貌似完整的答案，很容易迅速产生“我已经懂了”的自信，可真正的专业人士往往一眼就能看出其中的问题。放到航运场景中，这意味着风险不只是数据错了，而是人开始对系统生成的结果失去必要的怀疑精神。
这一点，与亚登的分享形成呼应。他承认，如今AI输出往往带着极强的确定性口吻，这正是最容易误导使用者的地方。因此，他认为企业和管理层必须主动建立一种“挑战文化”（challenge culture）——鼓励员工质疑系统、挑战输出，不要认为AI很聪明，就默认而服从。
航运业强调纪律和层级，要实现这个文化转变并不轻松，然而却很必要。亚登说，当一个组织里几乎看不到对系统的怀疑和否认时，未必是技术做得足够好，反而可能说明人已经过度依赖机器。
Seanergy海事的斯特若则把问题推进到数据可靠性本身。他指出，行业正在经历一个明显转变：越来越多来自船上的信息开始传回岸上办公室，数据流大幅增加，但不同船型、不同传感器和不同传输条件，会造成数据质量并不一致。比如，有的传感器没有正确发送数据，有的信息没有顺利上传，在这种前提下，企业既要在船上实时处理决策，也要在办公室做战略判断，挑战显然比过去更大。“数据从来不是越多越好，关键是哪些数据真正值得信任、哪些洞察真正值得行动”。
整场论坛的嘉宾分享，客观而理性，没有仅仅停留在“AI能不能提高效率”，而是“当系统越来越强，人是否能保留足够的判断力”。对于航运业而言，AI正在成为不可回避的现实，但它并没有减轻人的责任，反而让责任变得更重。当机器越来越像是一个聪明的参与者时，人就更需要知道，什么时候该听，什么时候该怀疑，什么时候必须自己做最后的决定。
这或许正是这场论坛主题“From Hype to Hard Decisions”的含义：AI不是来替人做决定的，它迫使人们重新学习，什么是真正的决策。
