我認識一個 CEO，他花了整整三個月評估要不要開一條新產品線。請了顧問、做了市場調研、開了十幾次會議。最後決定不做，因為「風險太高」。
那條產品線最壞的情況是虧 50 萬。
三個月後，他的競爭對手用 AI 推出了類似產品，第一年營收 5000 萬。
他不是不聰明。他是把聰明用錯了地方。他犯了一個 CEO 最常犯的錯誤，用評估一個 5000 萬決策的精力，去評估一個 50 萬的決策。
這不是決策品質的問題，是決策成本的問題。而大多數 CEO 從來沒有認真計算過：你花在「想清楚」上的時間，本身值多少錢？
一、賭場教會我們的一件事
撲克牌職業玩家有一個概念叫「期望值」（Expected Value, EV）。
簡單說：一個決策的期望值 = 每個可能結果的價值 × 它發生的機率，全部加總。
如果一個賭注有 50% 機率贏 200 元，50% 機率輸 100 元，那期望值是 +50 元。長期來看，這個賭注每下一次你平均賺 50 元。職業玩家不在乎單次輸贏，他們只在乎期望值是正還是負。
CEO 做決策的邏輯應該跟職業撲克玩家一模一樣。
但大多數 CEO 不是這樣思考的。他們的思考方式是：「這個決策有沒有可能失敗？」如果答案是「有」，就開始無止盡的評估、分析、開會，試圖把失敗的可能性從 30% 降到 25%，再降到 20%。
問題是：把失敗率從 30% 降到 20%，跟把評估時間從一週延長到三個月，哪個成本更高？
大多數情況下，是後者。
二、三問法：五秒建立期望值直覺
你不需要拿出計算機。你不需要建 Excel 模型。你只需要問自己三個問題：
問題一：最壞情況，我能承受嗎？
這是期望值計算裡最重要的一步，先看下檔。
如果最壞的情況是虧 50 萬，而你的公司年營收 5000 萬，那這個最壞情況是「不舒服但不致命」。如果最壞情況是公司倒閉，那是另一回事。
關鍵不是最壞情況有多壞，而是最壞情況是不是「可逆」的。這直接連結到「可逆性×判斷需求矩陣」的邏輯：可逆的決策天生就有較高的期望值，因為失敗的成本被天花板封住了。
判斷標準很簡單：最壞情況會不會讓你出局？如果不會，往下走。
問題二：最好情況，值得追嗎？
現在看上檔。如果這個決策成功了，回報有多大？
注意，這裡不需要精確數字。你只需要一個量級判斷：這是一個「1 倍回報」的機會，還是「10 倍回報」，還是「100 倍回報」？
大多數 CEO 低估上檔的程度，遠遠超過他們高估下檔的程度。
為什麼？因為人類的大腦天生對損失更敏感（Loss Aversion）。虧 50 萬的痛苦感，在你的神經系統裡大約等於賺 150 萬的快樂感。所以你的直覺會系統性地低估機會、高估風險。
解法是：強迫自己用數字思考上檔。 不是「這個機會看起來不錯」，而是「如果成功，三年內能帶來多少營收？」把模糊的樂觀轉化成具體的數字，你的判斷會清醒很多。
問題三：我花在評估上的時間，本身值多少錢？
這是最被忽略的一個問題，也是我認為最重要的一個。
我把它叫做「注意力的機會成本」（Attention Opportunity Cost）。
CEO 的判斷力是有限額度的。這不是雞湯，這是神經科學。你每天能做出的高品質決策有一個上限，跟你的意志力、血糖水平、睡眠品質直接相關。我在「決策額度」(Decision Quota) 的概念裡詳細拆解過這個問題。
當你花三個月評估一個 50 萬的決策，你消耗的不只是三個月的時間。你消耗的是三個月的判斷力額度。在這三個月裡，你有多少個 5000 萬級別的機會從你眼前滑過，而你甚至沒有注意力去看見它們？
評估的成本不只是時間，是你在那段時間裡錯過的所有其他可能性。
所以第三個問題的答案如果是「評估成本已經接近或超過了潛在損失本身」，那你應該立刻停止評估，做一個方向性的判斷，然後行動。
三、期望值的五秒決策樹
把三個問題串起來，你會得到一棵非常簡單的決策樹：
Q1: 最壞情況能承受嗎？
├── 不能 → 慎重評估（值得花時間）
└── 能 →
Q2: 最好情況是 10 倍以上回報嗎？
├── 是 → 立刻行動，邊做邊調
└── 不確定 →
Q3: 評估成本會超過潛在損失嗎？
├── 會 → 停止評估，做出判斷
└── 不會 → 給自己一個期限（不超過 2 週），快速評估
五秒鐘，三個問題，你就能判斷這個決策值得你花多少腦力。
注意這棵決策樹不是在幫你做「對的決策」，它在幫你做「對的資源分配」。它的目的是確保你不會把 CEO 級別的腦力浪費在不配得上這個級別的決策上。
四、一個真實案例的期望值拆解
讓我把開頭那個 CEO 的案例用三問法走一遍。
情境：是否要投入 50 萬開發一條新的 AI 輔助產品線。
問題一：最壞情況能承受嗎？
最壞情況：產品完全失敗，虧掉 50 萬。公司年營收 5000 萬，這是 1% 的營收。不舒服，但完全可以承受。而且這個決策是可逆的，不行就停。
答案：能承受。繼續。
問題二：最好情況值得追嗎？
如果成功，這條產品線可能帶來每年 500-1000 萬的營收。這是投入的 10-20 倍回報。而且 AI 產品線有可能成為公司未來三年的增長引擎。
答案：絕對值得追。
問題三：評估成本值多少？
CEO 花了三個月的時間精力，加上顧問費、團隊的會議時間，保守估計「評估」本身的成本是 30 萬。更重要的是，三個月裡 CEO 的注意力被鎖定在這個項目上，其他戰略機會被擱置。
答案：評估成本（30 萬 + 機會成本）已經逼近甚至超過了最壞情況的損失（50 萬）。
三問法的判斷：這個決策應該在一週內做出。花三個月評估，是用 CEO 最貴的資源（判斷力和注意力）去做一個不匹配的工作。
結果我們都知道了，他省了那 50 萬的「風險」，丟了 5000 萬的「機會」。
五、為什麼大多數 CEO 的期望值直覺是壞的
如果三問法這麼簡單，為什麼大多數 CEO 還是會犯開頭那個錯誤？
因為有三個系統性的偏誤在干擾你：
偏誤一：損失厭惡（Loss Aversion）
前面提過，虧 50 萬的痛感是賺 50 萬的快感的 2-3 倍。這意味著你的直覺會系統性地過度關注下檔風險，而忽略上檔機會。
解法：每次評估決策時，強迫自己花等量的時間分析上檔和下檔。如果你花了一小時想「可能會虧多少」，就必須花一小時想「可能會賺多少」。
偏誤二：確認偏誤（Confirmation Bias）
一旦你傾向於某個方向（比如「不做」），你會不自覺地只尋找支持這個方向的證據。三個月的評估時間越長，你收集到的「不該做的理由」就越多，不是因為理由真的變多了，而是因為你一直在找。
解法：給評估設定一個時間上限。如果兩週內你無法找到一個「致命理由」（最壞情況不可承受），就視為沒有致命理由。
偏誤三：沉沒成本效應（Sunk Cost Fallacy）的反面
大多數人知道沉沒成本的陷阱（已經投入了所以繼續投入）。但有一個反面很少人談，「還沒投入所以不想開始」。 當你面對一個需要投入的決策時，你會覺得「一旦開始就回不了頭」，即使事實上這個決策完全是可逆的。
解法：問自己一個反事實問題，「如果我已經在做這件事了，我會停止嗎？」如果答案是「不會」，那你現在就應該開始。
六、期望值直覺與智力槓桿
在 AI 時代，期望值直覺變得更加重要。原因很簡單：AI 是一種「智力槓桿」，它放大了你每一個決策的影響力。
過去，一個 CEO 做了一個正確的決策，需要幾十個人花幾個月來執行。現在，同樣的決策加上 AI，可能幾天就能落地。
這意味著什麼？你的決策頻率可以大幅提升。
過去一年你可能只能認真推動 3-5 個戰略決策，因為每個決策的執行都需要大量資源和時間。現在，AI 讓執行成本暴降，你一年可能可以推動 10-15 個戰略決策。
但你的判斷力額度沒有增加。
所以期望值直覺的價值在 AI 時代被放大了，你需要更快速地篩選決策，把有限的深度思考留給那些真正需要的決策，把其他的快速判斷、快速行動、快速迭代。
這跟「規模詛咒」的概念也連在一起：大公司之所以在 AI 時代反應慢，不是因為技術不行，是因為每個決策都要走流程、開會、審批。他們把所有決策都當象限 I 來處理，結果是所有決策都慢。而一個有期望值直覺的 CEO，五秒鐘就能分類：哪些值得慎重，哪些直接行動。
七、練習：本週的決策審計
拿出你的行事曆，回顧過去一週你花時間「評估」或「開會討論」的所有決策。對每一個，問自己三個問題：
- 這個決策的最壞情況是什麼？金額是多少？可逆嗎？
- 如果成功，回報倍數是多少？
- 我花在評估上的時間和精力，值多少錢？超過最壞情況了嗎？
你幾乎一定會發現：你花了 80% 的評估時間在那些「最壞情況完全可承受」的決策上。
然後做一件事：把下週的日程表清出來。 那些過度評估的決策，現在就做一個判斷。然後把省下來的時間，投入到那些你一直覺得「還沒想清楚」的大決策上。
結語：期望值直覺是訓練出來的
職業撲克玩家不是天生就知道一手牌的期望值。他們是打了幾萬手之後，建立了直覺。
CEO 的期望值直覺也一樣。你不會在讀完這篇文章後就立刻擁有它。但你可以從今天開始訓練：每一個決策，用三問法走一遍，五秒鐘做一個初步判斷。然後記錄下來，三個月後回頭覆盤，你的直覺對了幾次、錯了幾次、錯在哪裡。
這就是品味的訓練方式。品味護城河不是天賦，是高密度經驗的累積。期望值直覺不是數學能力，是反覆校準後的判斷本能。
大多數 CEO 的問題不是做了錯的決策，而是在不值得的決策上花了對的時間。
你最貴的資源不是錢，不是人才，不是技術。是你的注意力。而你正在把它浪費在不配得上它的地方。
