第一性原理思維

第一性原理（First Principles Thinking）是一種從最基本的物理、數學或邏輯事實出發，剝離所有假設和慣例，重新推導解決方案的思考方法。亞里斯多德最早提出這個概念，馬斯克（Elon Musk）在 SpaceX 和 Tesla 的實踐中將它發揚光大。但「回到本質」四個字太空泛，CEO 聽完還是不知道明天該怎麼做。本文提出的「直覺校準」（Intuition Calibration）框架，是第一性原理在商業決策場景的操作手冊：五層結構，從回聲到原點，30 分鐘內完成一次完整的假設拆解。

你的下一個重大決策，建立在幾個假設上？

我問過超過 50 位 CEO 這個問題。大多數人的回答是「兩三個吧」。

然後我帶他們做一次拆解。結果通常是：一個看似簡單的決策，底下藏著 15-20 個未經驗證的假設。其中至少有三到五個是錯的，或者已經過期。

決策的品質不取決於你的分析有多精密。它取決於你的假設有多堅實。在爛地基上蓋的精密建築，比在好地基上搭的簡陋帳篷更危險。這就是第一性原理思維的核心價值：它不是教你怎麼分析，是教你怎麼檢查地基。

「直覺校準」（Intuition Calibration）是一套從「大家都這樣做」到「事實到底是什麼」的操作手冊。五個問題，一層層剝掉「理所當然」，直到你碰到不可再拆的原點事實。

馬斯克怎麼用第一性原理：SpaceX 與 Tesla 的成本革命

在拆解操作框架之前，先看兩個第一性原理思維最經典的商業案例。不是為了「崇拜馬斯克」，而是為了理解：第一性原理到底在哪一步改變了決策的方向。

案例一：SpaceX 火箭成本。2002 年馬斯克想發射火箭，市場報價是一次 6,500 萬美元。傳統思路（類比推理）是找供應商殺價、優化流程、爭取量折。馬斯克做的事不一樣。他問：「火箭的原材料，鋁合金、鈦、碳纖維、航空級鎳合金，加起來值多少錢？」答案是報價的 2%。從 6,500 萬降到原材料成本不到 130 萬。

這中間 98% 的差距是什麼？是設計選擇、是歷史慣例、是「火箭不能重複使用」這個從未被質疑的假設。SpaceX 重新設計了回收系統，2024 年 Falcon 9 的發射成本已經降到 2,200 萬美元以下，而且火箭主體可以重複使用超過 20 次。

案例二：Tesla 電池成本。2006 年鋰電池組的市場價格約 600 美元/kWh。同行都在想「怎麼跟供應商談更好的價格」。馬斯克問的問題不一樣：「鋰電池的原材料，鈷、鎳、鋁、碳、鋰鹽加上分離器和電解液，在倫敦金屬交易所的現貨價加起來是多少？」答案是 80-100 美元/kWh。

所以問題從來不是「電池太貴」，而是「電池的製造和組裝流程中有哪些設計約束可以被重新設計」。到 2024 年，Tesla 的電池成本已降到約 139 美元/kWh，正在逼近原材料理論底限。

這兩個案例的核心邏輯完全一樣：先找到原點事實（原材料成本），再從原點往上重建，而不是從現狀往下殺價。這就是第一性原理思維的操作本質。

但馬斯克的案例有一個容易被忽略的前提：他在動手之前，已經完成了一次完整的「假設拆解」。他知道哪些是物理約束（材料化學特性），哪些是設計約束（製造流程、供應鏈結構、回收技術）。這個拆解過程，就是接下來要介紹的「直覺校準」五層結構。

不只是馬斯克：Netflix 和 IKEA 的第一性原理實踐

第一性原理不是矽谷科技業的專利。兩個完全不同領域的案例，證明這套思維在任何行業都能產生結構性的競爭優勢。

Netflix：從「人們怎麼消費內容」重新推導

2007 年，Netflix 的 DVD 郵寄業務正處於高峰。Reed Hastings 面對一個選擇：繼續優化 DVD 物流（類比推理），還是回到原點重新思考。

他問了一個第一性原理的問題：「人們消費影視內容的原點需求是什麼？」

原點事實：人們想要的不是 DVD 光碟，是「在想看的時候立刻看到想看的內容」。DVD 是實現這個需求的一種方式，但它受限於物流速度（設計約束）和物理媒介（設計約束）。串流技術剛好在 2007 年成熟到足以消除這兩個約束。

如果 Hastings 用類比推理，他會學 Blockbuster 開更多門市，或者學亞馬遜優化物流速度。但他選擇從原點重建：直接用網路傳輸內容，跳過所有物理媒介的約束。結果是，Netflix 從 2002 年 IPO 時市值 3 億美元，到 2024 年超過 2,800 億美元，全球訂戶達 2.6 億。而 Blockbuster 在 2010 年破產。

Hastings 在這裡做的事跟馬斯克完全一樣：找到原點需求，區分物理約束和設計約束，然後從原點往上重建。

IKEA：從「人們需要什麼樣的家具」重新推導

IKEA 創辦人 Ingvar Kamprad 在 1950 年代問了一個問題：「家具行業的成本結構裡，什麼是物理約束，什麼是設計約束？」

傳統家具行業的慣例是：工廠組裝好完整家具 → 裝上大卡車 → 運到店面 → 客戶購買 → 再用卡車送到家。每一步都在運輸「空氣」，因為組裝好的家具有大量空間是中空的。

Kamprad 的原點分析：家具的物理約束是材料（木材、金屬、布料）和功能（坐、放、收納）。但「運輸時必須是組裝好的完整形態」不是物理約束，是設計約束。

於是 IKEA 發明了平板包裝（flat-pack），把家具拆解成最小體積的零件，由客戶自行組裝。這個設計約束的重新定義，讓物流成本降低了 60%。同一輛卡車過去運 10 件家具，現在能運 60 件。

數據說明一切：IKEA 2023 年全球營收 478 億歐元，471 家門市遍布 63 個國家。一套 Billy 書櫃全球累計售出超過 1.1 億套，售價從 1978 年至今幾乎沒漲（通膨調整後甚至更便宜）。因為平板包裝讓規模效益真正兌現到價格裡。

Kamprad 的邏輯和馬斯克一模一樣：火箭原材料只佔報價 2%，家具材料成本也只是零售價的一小部分，中間的差距大部分來自可以被重新設計的物流和展示方式。

一、第一性原理的五層操作結構：你的決策地基長什麼樣

想像你的每一個商業決策是一棟建築。你以為它蓋在堅實的地面上，但其實它蓋在五層不同材質的土層上，只有最底層是原點：

第 1 層：回聲，「我們看到什麼」
第 2 層：慣性，「行業怎麼做」
第 3 層：盲點，「我們為什麼這樣做」
第 4 層：邊界，「什麼限制了我們」
第 5 層：原點，「什麼是物理/數學/邏輯上不可推翻的」

大多數 CEO 的決策停在第一層或第二層。少數人到第三層。幾乎沒有人到第五層。

而第一性原理思維的核心操作，就是從第一層鑽到第五層。馬斯克在火箭和電池上做的事，就是穿透了前四層，站在第五層（原材料成本）重新設計解決方案。

二、第一層：回聲，「我們看到什麼？」

核心問題：「具體的可觀察事實是什麼？」

這一層要做的事很簡單：把所有主觀判斷轉化為客觀描述。

錯誤示範：「我們的產品賣不動。」
正確示範：「過去三個月，新客戶轉化率從 8% 下降到 3.5%，復購率維持在 22%。」

為什麼這一步很重要？因為語言會偷渡假設。「賣不動」暗示產品有問題。但數據告訴你的是：新客戶轉化在下降，但老客戶沒走。這可能不是產品問題，是獲客管道問題。

回聲的操作指南：

• 用數字取代形容詞（不說「很多」，說「327 個」）
• 用時間序列取代靜態描述（不說「不好」，說「從 X 下降到 Y，歷時 Z 週」）
• 區分「事實」和「詮釋」（「轉化率下降」是事實，「產品不行」是詮釋）

三、第二層：慣性，「行業怎麼做？」

核心問題：「目前的做法是『行業慣例』還是『我們驗證過的最佳方案』？」

這一層要揭露的是：你的做法有多少是「因為大家都這樣」。

慣例不是壞事。它是前人試錯的結晶，能幫你避免重新發明輪子。問題是，慣例有保鮮期。

一個建立在 2019 年技術條件下的慣例，在 2025 年可能完全過期。但慣例不會自動更新。它會像化石一樣嵌在你的流程裡，直到有人刻意把它挖出來。

這就是「共識代價」的微觀版本。每一個未經質疑的慣例，都是你正在支付的一筆隱性稅。馬斯克質疑「火箭不能重複使用」就是在這一層發生的：這不是物理定律，是行業慣例。

慣性的操作指南：

• 列出你決策中涉及的所有「標準做法」
• 對每一個問：「這個做法最早是什麼時候建立的？當時的條件和現在一樣嗎？」
• 特別標記那些「所有同業都這麼做」的做法，這些是共識代價最重的地方

四、第三層：盲點，「我們為什麼這樣做？」

核心問題：「支撐這個做法的隱含假設是什麼？這些假設被驗證過嗎？」

這一層是大多數 CEO 的認知天花板。因為假設是隱形的，它們像空氣一樣包圍著你，你從來不會想到要質疑空氣的存在。

在商業模式領域，我們有一個類似的工具叫「信念清單」(Belief Inventory)，把你所有的商業假設一一列出來，標記哪些被驗證過、哪些只是你「相信」的。直覺校準的第三層做的是同樣的事，但更精準地針對單一決策的假設。

假設有兩種：

顯性假設，你知道自己在假設。「我假設目標市場規模是 X 億。」這種假設相對安全，因為你知道它需要驗證。

隱性假設，你不知道自己在假設。「當然需要 50 人的團隊才能做這件事。」這種假設最危險，因為它偽裝成事實。

如何挖出隱性假設？有一個簡單的技巧：把你的計畫講給一個完全不懂你行業的聰明人聽。每次他問「為什麼？」的時候，你的回答裡就藏著一個假設。

盲點的操作指南：

• 把決策邏輯寫成一連串的 If-Then 語句
• 每一個 If 就是一個假設。列出來。
• 區分「驗證過的假設」和「繼承來的假設」
• 繼承來的假設全部標紅，它們是最可能出錯的地方

五、第四層：邊界，「什麼限制了我們？」

核心問題：「這個約束是物理約束（不可改變）還是設計約束（可以重新設計）？」

這一層是直覺校準的轉折點，也是第一性原理思維真正產生威力的地方。因為大多數人把「設計約束」當成了「物理約束」。

物理約束：光速、熱力學第二定律、人一天只有 24 小時。這些是真的不能改的。

設計約束：「火箭不能重複使用」「SaaS 必須按月訂閱」「團隊至少需要 50 人」。這些不是物理定律，是前一代人的設計選擇。

回到馬斯克的案例：SpaceX 火箭原材料僅佔報價的 2%，這個數字揭露了一個事實：98% 的成本來自設計約束，不是物理約束。「火箭是一次性的」不是因為物理定律禁止回收，而是因為過去的工程師在當時的技術條件下選擇不做回收。Tesla 電池的邏輯完全一樣：原材料 80-100 美元/kWh vs 市場價 600 美元/kWh，80% 以上的差距都是可以被重新設計的。

AI 時代讓這一層格外重要。因為 AI 正在大規模地把「設計約束」變成「可重新設計的選擇」。

過去的約束：「客服需要大量人力」，這是設計約束，AI 已經改變了。
過去的約束：「軟體開發需要大型團隊」，這是設計約束，AI 輔助開發正在改變。
過去的約束：「高品質內容需要專業寫手」，這是設計約束，AI 加上品味的組合正在改變。

如果你的邊界裡有任何一個約束被 AI 削弱了，你整個決策的地基就需要重建。

這直接連結到「試錯成本歸零」的概念，AI 不只是降低了執行成本，它改變了「什麼是約束」這個基本問題的答案。

邊界的操作指南：

• 列出你決策中所有的「不能」和「必須」
• 對每一個問：「這是物理定律，還是某個人的設計選擇？」
• 物理約束留著，設計約束全部標記為「可重新設計」
• 特別問：「AI 有沒有改變這個約束的基本條件？」

六、第五層：原點，「什麼是不可推翻的？」

核心問題：「剝掉所有假設和慣例之後，剩下的物理/數學/邏輯事實是什麼？」

原點事實有三個特徵：

不依賴其他假設。它自身為真，不需要其他前提來支撐。

不隨環境改變。無論技術怎麼變、市場怎麼變，這個事實都成立。

可以被獨立驗證。任何人用相同的方法都能確認它。

例子：

• 原點事實：「人每天只有 24 小時。」
• 原點事實：「火箭的原材料（鋁合金、鈦等）佔報價的 2%。」這就是馬斯克找到的原點，也是 SpaceX 成本革命的起點。
• 原點事實：「我們的目標客戶在購買前平均會搜尋 4.7 次。」（這是可驗證的數據事實）
• 不是原點事實：「客戶在乎價格。」（這是詮釋，不是事實。客戶在乎的可能是「感知到的價值與價格的比值」。）

當你站在原點上，你看到的世界和站在慣性上完全不同。

站在慣性：「SaaS 應該月訂閱、價格 $29-99、freemium 模式、年約折扣。」
站在原點：「客戶需要持續解決 X 問題，每次解決的邊際成本是 Y，客戶願意為『不用想這件事』支付的最大金額是 Z。」

從原點出發，你可能會發現：月訂閱不是最佳模式。也許使用量計費更合理。也許一次買斷加年度維護更符合客戶的心理帳戶。也許根本不應該收軟體費，而是收「成果費」。

原點不會給你「正確答案」。它給你的是「正確的問題」。

第一性原理 vs 類比推理：什麼時候該用哪個

第一性原理不是萬能的。它的成本很高：需要時間、需要深度思考、需要你願意推翻自己熟悉的框架。在很多情況下，類比推理（看別人怎麼做，複製過來）反而更有效率。

什麼時候用哪一個？判斷標準很簡單：

CEO 真正需要的不是「永遠用第一性原理思考」，而是知道什麼時候該從類比切換到第一性原理。三個切換信號：你的行業正在被新技術重塑、你發現成本結構中有超過 50% 是「設計約束」、或者你的直覺告訴你「大家都在做同一件蠢事」。

七、完整案例：用直覺校準拆解一個真實決策

情境：一家 B2B SaaS 公司的 CEO 正在考慮是否擴大銷售團隊（從 10 人擴到 30 人）來達成明年營收翻倍的目標。

第一層：回聲

事實：目前 10 人銷售團隊，年營收 2,000 萬。每人平均貢獻 200 萬。過去 12 個月，新增客戶中 65% 來自銷售團隊直接開發，35% 來自自然流量和口碑。

第二層：慣性

行業慣例：B2B SaaS 的營收增長主要靠銷售團隊擴張。平均每增加一個銷售，12 個月後產出 150-250 萬營收。所以要翻倍（+2,000 萬），大約需要增加 10-15 人。

問：這個慣例是什麼時候建立的？基於什麼條件？
答：建立在「B2B 銷售需要大量人際關係和面對面溝通」的前提上。

第三層：盲點

隱含假設：

• 假設 1：銷售人均產出會維持在 150-200 萬（新人效率和老人差不多）
• 假設 2：市場需求足以消化 30 人銷售團隊的產出
• 假設 3：銷售驅動是增長的最佳路徑（vs. 產品驅動、內容驅動）
• 假設 4：「65% 來自銷售」意味著銷售是核心增長引擎

驗證狀態：假設 1 未驗證（新人的 ramp-up 時間和流失率沒有數據）。假設 3 從未被質疑。假設 4 可能是因果倒置，也許是因為沒有投資其他管道，所以「看起來」銷售是主力。

第四層：邊界

• 「B2B 銷售需要人」，設計約束。AI SDR（Sales Development Representative）正在改變這個遊戲。
• 「產品複雜度需要銷售解說」，可能是設計約束。產品是否可以簡化到自助購買？
• 「企業採購流程需要人對人關係」，部分是物理約束（信任需要人），部分是設計約束（信任建立的管道可以重新設計）。

第五層：原點

• 原點事實 1：目標客戶的核心問題是 [X]，願意為完整解決方案付 [Y] 萬/年。
• 原點事實 2：客戶在決策前平均需要 [N] 次接觸點。
• 原點事實 3：目前 35% 的營收來自非銷售管道，且這部分的獲客成本是銷售管道的 1/5。

原點的啟示：如果 35% 的營收用 1/5 的成本就能獲得，那「擴大銷售團隊」可能不是最高期望值的選擇。更好的策略可能是：用 AI 放大那 35% 的非銷售管道（內容行銷、產品驅動增長、自助試用），同時用 AI 工具讓現有 10 人銷售團隊的人均產出翻倍。

直覺校準的結論：不是「要不要擴大銷售團隊」，而是「增長的最佳槓桿點在哪裡」。問題本身被重新定義了。這就是第一性原理的力量：它改變的不是答案，是問題。

八、第一性原理怎麼用：30 分鐘完成你的第一次實戰

挑一個你正在考慮的決策。不需要是最大的那個，先拿一個中等規模的決策練手。

用 30 分鐘做一次完整的直覺校準：

1. 回聲（5 分鐘）：用數字描述現狀，不帶任何形容詞。
2. 慣性（5 分鐘）：列出這個決策裡所有「行業標準做法」，標記建立年份。
3. 盲點（10 分鐘）：把決策邏輯寫成 If-Then，列出所有 If，區分「驗證過的」和「繼承來的」。
4. 邊界（5 分鐘）：列出所有「不能」和「必須」，區分物理約束和設計約束。
5. 原點（5 分鐘）：寫下剝掉所有假設後剩下的 3-5 個不可推翻的事實。

然後問自己：「從原點出發，最佳策略和從慣性出發的策略，是同一個嗎？」

如果不是，恭喜，你剛剛省下了一筆「共識代價」。

如果你發現自己在第三層以下的剝離很困難，不要沮喪。這正常。「成功慣性」在作祟，成功的經驗會讓你把假設和事實混為一談。去讀那篇文章，你會理解為什麼越成功的人越難做到這一步。

然後帶著你的原點事實，去找到系統的槓桿點，在正確的地方施加最小的力，產生最大的改變。

你的商業計畫不需要更好的分析。它需要更好的地基。而地基只有在原點才找得到。

2012 年，Kodak 申請破產。

諷刺的是，數位相機是 Kodak 的工程師在 1975 年發明的。他們不是不知道數位化是未來，他們是第一個知道的。

但 Kodak 的膠卷業務太成功了。毛利率 60% 以上，全球市場佔有率超過 80%。每一個商業指標都在告訴管理層同一件事：我們的策略是對的。

他們錯了嗎？沒有。在膠卷時代，他們的每一個決策都是對的。問題是，時代變了，但他們的決策框架沒有跟著變。

我把這個現象叫做「成功慣性」（Success Inertia），組織和個人因為依賴既有假設而支付的隱性成本。這個稅跟你的成功持續時間成正比：你越成功，稅率越高。而最殘酷的是，你在付稅的時候完全不知道，直到帳單以「被顛覆」的形式送達。

一、成功慣性不是「懶」，是結構性的認知困境

大多數關於「為什麼成功公司失敗」的分析都太輕薄了。「他們太傲慢了」「他們反應太慢了」「他們不夠創新」。

這些都是對的，但也都是症狀，不是原因。

真正的問題是結構性的：成功會系統性地削弱你使用第一性原理的能力。不是因為你變笨了，是因為成功改變了你的認知系統。

成功慣性有四個來源。每一個都是結構性的，不是個人意志力能對抗的。

二、來源一：專業盲點

你在一個領域累積了 10 年經驗。你對這個行業的運作瞭若指掌。你能在三秒內判斷一個商業計畫是否可行。

這個「三秒判斷力」就是你最大的資產，也是你最大的負債。

因為你的判斷力建立在一組假設之上。這些假設在你累積經驗的那十年裡都是正確的。但假設有保鮮期，當外部條件改變，假設過期了，你的「直覺」就從資產變成了負債。

最危險的是：你的直覺不會告訴你它已經過期了。它感覺起來跟正確的直覺一模一樣。你不是在「忽略」新信息，你的大腦在接收新信息之前就已經用舊框架過濾掉了。

這就是「MBA 的詛咒」在個人層面的呈現。商學院教你一套框架，你用這套框架成功了十年，然後框架的前提變了，但你已經無法「看見」框架之外的世界。

專業盲點的殘酷之處：最懂行業的人，恰好是最看不見行業正在發生什麼根本性變化的人。因為他們的認知系統被過去的經驗訓練得太「高效」了，高效到自動過濾掉不符合既有框架的信號。

破局點：「初學者日」

每季度花一天時間，假裝自己是一個完全不懂這個行業的人。

不是角色扮演，是真的用初學者的方式重新看你的業務。問最基本的問題：「我們為什麼這樣定價？」「客戶為什麼選我們而不是不做？」「如果今天從零開始，我會做同樣的事嗎？」

這些問題你的老員工不會問（他們也有成功慣性）。你的新員工不敢問（組織文化的壓力）。只有你自己主動問。

三、來源二：成功公式依賴

你找到了一個有效的商業模式。你的團隊圍繞它建立了流程、系統、文化。一切運轉良好。

然後外部環境變了。你的商業模式需要調整。

但你的整個組織都是圍繞「舊公式」建立的。流程是為舊公式優化的。KPI 是為舊公式設計的。人才是按舊公式的需求招聘的。文化是在舊公式的成功中形成的。

改變公式不只是「做一個決策」，你要同時改變流程、KPI、人才結構和文化。這是四個維度的同步變革。

這就是為什麼「我們需要轉型」在大多數公司只停留在嘴上。不是因為 CEO 不想轉，是因為轉型的實際成本遠超想像。你不是在改一個決策，你是在重寫整個作業系統。

Nokia 有全球最好的手機硬體工程師。但 iPhone 出現後，手機的核心競爭力從「硬體」轉移到了「軟體生態」。Nokia 不是不知道，他們知道。但他們的整個組織是為硬體卓越而建的。要轉向軟體，他們需要換掉自己最引以為傲的能力。

這有多難？想像一個奧運級的游泳選手被告知：「從明天開始，你要改練田徑。」他不是不能跑，他是全身上下的每一塊肌肉都為游泳優化了。轉型的成本不是「學新技能」，是「放棄舊優勢」。

破局點：「平行實驗」

不要嘗試「轉型」，轉型的成本太高、風險太大。

用 AI 時代的邏輯：在不動主業的前提下，平行啟動一個基於第一性原理設計的小實驗。

給它獨立的團隊（哪怕只有一個人加 AI）、獨立的 KPI、獨立的流程。讓它在不受「舊公式」污染的環境裡驗證「新原點事實」是否成立。

這就是「試錯成本歸零」在組織層面的應用。AI 讓你可以用極低成本啟動平行實驗，不需要把整個組織推倒重來。

四、來源三：團隊回聲室

你的核心團隊是你一手打造的。他們的思維方式和你高度相似，這正是你選擇他們的原因。他們聰明、有經驗、跟你有共同語言。

問題是：他們跟你有相同的盲點。

當你說「我覺得這個方向不對」，他們不會說「你錯了」，他們會用不同的措辭重複你的觀點，讓你覺得是「團隊共識」。你以為你做了「集體決策」，其實你做的是「你的判斷 × 回聲效應」。

這不是他們的錯。組織的激勵結構決定了：同意老闆是安全的，挑戰老闆是危險的。即使你口頭上說「歡迎挑戰」，行為層面的獎懲信號比口頭宣示有力一百倍。

一個成功的 CEO 周圍，回聲室的牆壁會越來越厚。因為每一次成功都在強化「老闆的判斷是對的」這個信念。到最後，即使你明確要求「請挑戰我的觀點」，團隊也只能做到象徵性的「提出一個小質疑然後被你反駁後立刻退讓」。

破局點：「紅隊制度」

美國軍方和情報機構使用「紅隊」（Red Team），一個專門被授權攻擊己方計畫的小組。他們的 KPI 不是「同意」，是「找到漏洞」。

在你的組織裡建立一個類似的機制：每一個重大決策，必須有一個人被正式指定為「反方」。

關鍵：這個人不是「也可以提出不同意見」，他的工作就是「必須提出反對意見」。把「挑戰」從個人勇氣問題變成制度設計問題。

五、來源四：沉沒承諾

你在三年前做了一個重大戰略投資。投入了 5,000 萬、50 個人、你個人的信譽。

現在，你隱約覺得方向不對。市場信號在告訴你：基本假設可能已經改變。

但你不會承認。不是因為虛榮，是因為承認「方向不對」的成本太高了。

你要面對的不只是經濟損失。你要面對的是：

• 董事會的質疑：「為什麼三年前沒有看到？」
• 團隊的信心崩塌：「CEO 的判斷也會錯？」
• 你自己的認知失調：「我的經驗和直覺居然錯了？」

所以你會做一件非常人性但非常昂貴的事：追加投入，試圖把「已經不對的方向」救回來。

這在行為經濟學裡叫「承諾升級」（Escalation of Commitment）。它不是非理性的，在你的心理帳本裡，承認錯誤的「損失」大於繼續投入的「風險」。問題是，你的心理帳本跟現實帳本不是一回事。

破局點：「預設停損」

在做任何重大投資之前，就設定好停損條件。不是「做不好就停」，而是具體到「如果 X 指標在 Y 時間點沒有達到 Z 值，就停止」。

寫下來。給團隊看。讓它成為一個制度性的退出機制，而不是一個需要個人勇氣的決策。

這跟「期望值直覺」的第一個問題直接連結：「最壞情況能承受嗎？」在投入之前就定義好「最壞情況」的邊界，比在已經投入之後再判斷「該不該停」要容易一千倍。

六、成功慣性的計算：你正在付多少？

成功慣性不會出現在任何財務報表上。但你可以用一個簡單的方式估算：

問你自己三個問題：

1. 如果今天一個聰明的外行人接管你的公司，他會在第一週問什麼問題？，這些問題你多久沒問了？
2. 你公司裡有多少做法是「因為我們一直這樣做」？，每一個這樣的做法都是慣性的一筆稅單。
3. 上一次你推翻自己過去的一個重要決策是什麼時候？，如果超過一年，慣性稅率已經很高了。

七、AI 作為「成功慣性減免工具」

這裡有一個反直覺的觀點：AI 可能是降低這種慣性的最佳工具。

為什麼？因為 AI 沒有經驗，所以沒有慣性。

當你用 AI 做「假設檢驗」，不是問它「我應該怎麼做」，而是問它「我目前的假設有哪些前提條件？哪些可能已經過期？」，你實際上在用一個零慣性的工具來審計你的高慣性認知系統。

AI 不會說「我們一直是這樣做的」。它會說「根據當前的數據，這個假設的前提是……」。

這不是說 AI 的判斷比你好，我們在「判斷力主權」裡明確過，最終的判斷權必須留在人類手中。但 AI 可以做一件你很難自己做到的事：把你的隱性假設變成顯性假設。

一旦假設被顯性化了，你就可以用「直覺校準」一層層去驗證它。這種慣性最厲害的地方不是假設是錯的，而是你不知道那是假設。AI 幫你做的是第一步：讓你看見自己的假設。

八、行動指引：你的「成功慣性自檢清單」

今天做一件事。回答以下五個問題，每個用 1-5 分打分（1 = 完全不符合，5 = 非常符合）：

1. 「我對自己行業的判斷力，在過去五年基本沒有出過錯。」
2. 「我的核心團隊很少挑戰我的戰略方向。」
3. 「我們的商業模式在過去三年沒有做過根本性調整。」
4. 「當我聽到跟我的認知不同的觀點，我的第一反應通常是找反駁的理由。」
5. 「我們目前有至少一個重大投資我隱約覺得不對，但還沒有停下來。」

總分 15 分以上：你的成功慣性已經很高了。你需要立刻啟動「直覺校準」，對你最重要的三個戰略假設做一次深度審計。

總分 10-14 分：中等水平。建立「紅隊制度」和「預設停損」機制來系統性地降低稅率。

總分 9 分以下：要麼你的成功慣性確實很低，要麼你在打分的時候也在交這筆稅，你對自己的評估可能本身就是慣性的產物。找一個你信任但跟你觀點不同的人，讓他幫你重新打一次分。

最後一句話：你的公司不是被競爭對手打敗的。它是被你自己的成功經驗打敗的。成功是慣性最好的偽裝，它讓你相信「一直以來的做法」就是「唯一正確的做法」，直到帳單送到你面前。

降低這種慣性的唯一方法，是主動質疑你最引以為傲的判斷。這不舒服。但比被顛覆舒服。