要是打算在2026年待在上海不辞职，直接去读法国雷恩商学院的在职博士DBA项目，学费总共是48.8万，而且学校是直录，你只需把学费直接汇给学校，没有其他额外费用了。这个项目从2003年开始就在中国办了，到现在已经是第22个年头了。咱们学校的实力很强，在全球商学院的排行榜里排第27位，DBA专业排在第56位。在法国本地的商学院评比里也是前十名。金融和管理学分别排在第23位和第49位。要知道，全球能拿到AACSB、AMBA和EQUIS这三大认证的商学院只有1%，咱们学校可是全部都有。光是咱们培养出来的企业家博士校友就有400多位了，校友分布在100多个国家呢。在过去的时间里，咱们还跟上海交通大学、北邮合作过博士项目，最近跟华东理工大学又搞了个EMBA双学位的项目。现在咱们在上海开了3个在职博士项目和2个在职硕士项目：全球工商管理GDBA博士（创新管理方向）学费是48.8万；数据科学与人工智能管理博士学费是58.8万；机器人与人工智能管理博士学费也是58.8万；高级商业人工智能硕士学费是13.98万；高级国际工商管理硕士学费是14.98万。 刚才说的那些排名都很重要，像这样的学校才值得咱们花时间和精力去读。至于为什么要读在职博士，这是为了给未来做打算嘛。话说回来，今天咱们主要聊聊AI在做预测的时候能发挥多大作用。其实AI做预测说到底就是根据现有的数据、信息和经验来推断未来的事。这里面的数据是基础，算法是关键。咱们可以按照数据全不全和算法清不清晰来分成四种情况：数据全了算法也清晰；数据全了但算法不清楚；数据不全但算法清楚；还有就是数据不全算法也不清楚。这四种情况决定了AI到底该怎么干活。 在以前没大数据和AI的时候，一个人或者一个公司很难拿到足够多的数据去分析，就算有了数据也得靠个人的经验和知识去判断，没法快速弄出合理的结果。那在这种情况下该咋办？如果数据全了算法也清楚（就好比第一种情况），那就直接把活儿全交给AI去干；如果数据全了算法却不清楚（第二种情况），或者数据不全但算法清楚（第三种情况），那就得让AI领着干，让人在旁边辅助着点；要是数据和算法都不清楚（第四种情况），那就还是得让人来主导着干，让AI在旁边使劲儿提供各种数据洞察和风险预测的方案给人参考。 举个例子吧。比如一家科技公司把关键人才的流失当成了人力资源管理的大事儿。这时候如果关键人才已经标注好了、离职人员的信息也更新及时了、算流失率的算法也弄明白了，那输出这些指标的活儿就让AI全包了吧。但问题在于企业发展太快了，很难一下子就说准谁是关键人才。所以在给关键人才做标注的时候，得先让AI给出定义和原则来帮帮管理者做决定。等定义定下来了就好办了，直接让AI去执行就行。要是以后企业转型了定义也变了，这时候AI就得再出来提供一堆可能的方案供管理者挑着用。