从判断和决策文献提取出来的每一种技巧几乎都存在这种局限性。
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：我们做任何事情都强调要三思而后行：先做好分析判断，周详计划，考虑预案，事情成功的机率才高。为此，我们发明了许多思维框架，很多时候这些思维框架确实很有用，但是这篇文章要讲的是它们的局限性的：这些框架对信息完善的假设在现实中很少成立，行动才能产生信息。这个洞察可以从另一个角度给我们启迪，文章来自编译。
你要是看过很多决策方面的文章的话，可能会认为好的决策不过是把适当的决策框架应用到世界，然后就可以收割好处了。
比方说，如果你足够幸运，可以在三条职业道路之间做选择的话，你可能会决定先做一下预期效用计算，好决定该选择这三种职业的哪一种。又或者，如果你是办公室政治内讧的旁观者的话，你可能会决定用贝叶斯分析来弄清楚到底发生了什么。
从判断和决策文献提取出来的每一种技巧几乎都存在这种局限性。
我已经讨论过很多关于这些点子的内容，而且我一般对所有这些点子都会说一些好话。但在这篇文章里，我想说一点它们的坏话，谈谈这些技巧的局限性。正如你很快就会看到那样，从判断和决策文献提取出来的每一种技巧几乎都存在这种局限性。如果你曾经试过将这些想法付诸实践，或者你已经挖掘得足够深入到发现这些想法的起源，那么这些局限性对你来说应该是显而易见的。
多少有点令人惊讶的是，对这些想法的批评可能大部分都集中在一句话里面：“行动产生信息。”请牢记这句警句；等一会儿就会派上用场的。
一些例子
为了理解经典决策框架的局限性，先看一堆现实世界例子会有所帮助。这里就有两个。
1. 职业选择
一位朋友最近打电话给我，里面谈到他即将要做出一个艰难的职业决定。他大学快要毕业了，而且有很多选项可供选择。
他说：“一方面我想创业。但一方面我又在权衡加入 FAANG 或自营交易公司的可能性。”
“为什么考虑自营交易公司？”
“哦，有钱呗。”
“你曾经在类似的公司工作过吗？”
“没有，不过我们共同的朋友在里面做过。” （确实）。
就这样我们又聊了一阵子。经过几个问题之后，我们发现我的朋友：
曾在两家大型科技公司实习过。
曾在两家大型初创公司实习过（规模一家超过 50 人一家超过 150 人）
没有任何早期初创企业的经验（<10 人，或找到产品市场匹配前的阶段），也没有任何自营交易公司的从业经历。
我的朋友确实很聪明；很显然，我们可以进行某种跟预期效用计算类似的事情来计算出他的选择。预期效用计算基本上就是我们大多数人都很熟悉的“利弊”分析的高级版。不过，我们列举的不是所有的优缺点，而是列出了一堆“效用”——也就是说，我们看重的东西，比方说：金钱、聪明的同事、具有挑战性的问题等——然后我们会给每个选项（初创公司 Vs FAANG Vs 自营交易公司）的每个效用打分来做出评估。最后，我们再写下每个选项效用的实现概率。
但我们当然没有这么做。预期效用计算假设关于每个选择的信息都是完美的。但我朋友的情况并不是这样。
在通话快结束时我说道：“似乎你掌握的信息不够。你已经知道在 FAANG 公司工作是什么感觉，而且你目前正在一家后期阶段的初创公司实习。但你不知道早期创业是什么样的，你想搞清楚也不容易，因为你目前还没有一个好的创业想法。另外，你也不知道在自营交易公司工作是什么感觉。那为什么不花一两年时间把这些事情都做一下呢？就为了获取这些信息去尝试一下不可以吗？”
我的朋友沉思道：“嗯……”
“我之所以这么说，是因为我觉得一旦掌握了更多信息，几年后做出决定会更容易。考虑到一般来说职业生涯都很漫长，一两年的时间并不算多。”
2.办公室的贝叶斯分析
贝叶斯更新是这样一种方法：“秉持一种信念，然后随着新信息的出现而更新这一信念”。在你想对世界做出判断时，这是一种很棒的技术。我之前在我的将心智模型付诸实践的系列文章中曾写过这种方法；我还写过超级预测者是如何用贝叶斯分析来对未来做出经过很好调教过的预测。
但好的分析和好的预测不能跟有效行动划上等号。
比方说，不妨想象一下，你有位同事经常迟到。但老板似乎并不关心。你其实并不清楚是怎么回事；但你觉得没人讨论这件事有点奇怪。你得出的结论是，你的同事很懒，但这里面应该存在一些政治因素，所以他迟到就没问题，但你不能迟到。
贝叶斯模型会告诉你检查一下你的先验知识，去计算你选择的解释正确的概率如何。然后，它会告诉你留意可能会改变你对这种信念的信心的新信息。这些都没问题，但要注意的是，贝叶斯更新主要是用来整合新信息；但对于新信息的生成一点都没有提及。
在决策实验里，测试对象可能会坐下来，指望在实验过程中有人向他们透露信息。地缘政治预测者可不能指望对他们要预测的事件施加影响。但如果你是现实世界的决策者，你的处境跟这些人就不一样了。你可以选择进行分析，也可以选择采取行动。换句话说，你要面临的是真正的权衡取舍：为了挖掘新信息，花在贝叶斯分析上的时间说不定还不如用到采取行动上！
我们再回到那个总是迟到的同事的例子。为了产生新信息你能做点什么吗？答案是肯定的。比方说，你可以找个时间跟这个人一起吃个午饭，然后设计一些问题来确定他们的生活是什么个情况。也许这会产生出更多的问题而不是答案，在这种情况下，你可能会再回到贝叶斯分析。但说并不多此举能产生出一个十分明确的正确答案，明确到你可以省去麻烦：“哦，我老婆刚刚生了，我之所以回来上班是因为Jon希望我参与这次部署。事情搞定之后，我会回去休一个月的陪产假。”
决策分析的成本
你从书本和博客文章看到的决策框架的主要问题是，那些都是出自判断和决策领域，而判断和决策领域又源自理性选择理论，后者则来自经济学。在这些学科里，理性选择的假设是，你面前有一堆选择，你必须从其中选择一个。而这种挑选通常发生在信息完善的环境下。
如果你选得好（意味着你的“效用”已经最大化），那么就会被认为是“理性行事”。如果你选错了，行为就会被认为是“非理性”的。
看完那份研究你很容易会得出思维框架和模型马上就可适用于现实世界的结论。但实际上，这些模型有一定的局限性，因为这些模型所做出的假设在现实世界并不是通通都成立。
首先，你的选择往往多于摆在你面前的那些。有些选择可能会因不确定性而被遮挡，或者只能通过创造性地解决问题来实现。有时候，是由于缺乏信息而被隐藏起来了。比方说，说不定我的朋友还有更好的选择；只是基于他目前所了解到的情况，他把自己限制在三种职业选择上。
其次，现实世界的决策往往对时间很敏感——你越早行动，从行动获取的价值就越大（但价值的精确数量通常也会因为不确定性而被遮挡）。大多数决策框架并不考虑时间选择的问题，因为不需要在决策实验中对时间敏感性进行建模。但在现实世界当中，每个选择的效用有时候可能要取决于你根据分析采取行动的果断程度。
第三，也是最重要的一点，行动通常会产生新的信息，从而让你能够做出更好的决策。换句话说，进行决策分析往往会产生相关成本，但决策分析框架并未考虑到这一成本。
事实上，这第三个观察，也就是行动会产生新的信息，然后让你做出更好的决策，是一个非常强大的观察结果。事实证明，判断和决策文献里的决策框架通通都不会告诉你什么时候该停止分析，什么时候该采取行动。这是因为这些框架最初是为经济建模而设计的。在决策实验里，你一般不会预期参与者采取积极行动来从所在环境中获取更多信息，你的预期是让他们进行分析！
应该指出的是，这并不是什么特别新颖的观察结果。我上面列出对判断和决策领域三项批评早就有人总结过了。心理学家乔纳森·巴伦（Jonathan Baron）还煞费苦心地将这些纳入到他那本开创性的教科书里面。
最好的创业者未必是校准最好的贝叶斯更新者
如果你知道去哪里观察的话，这些观察结果也是相当明显的。比方说，任何一群创业者如果你观察的时间足够长的话，就会发现最好的创业者未必是校准最好的贝叶斯更新者或最好的预期效用计算器。相反，最好的创业者往往会偏好行动，并用快速适应来响应新信息。
（一位跟我们有过生意往来的中国商人曾经这样对我说：“你为什么想那么多？先干起来嘛！干了再看看会发生什么。或许客户会不喜欢。或许你的竞争对手会因为你做了这个而对你做点什么。但然后跟你光是坐在这里想想想相比，你不是知道得更多了吗！”）
为什么会这样呢？就像适应性强的捕食者一样，优秀的创业者能够调整自己的行为去适应现实的轮廓，而商业的现实轮廓似乎是：
商业决策里面有相当一部分是可逆的。
来自行动的信息往往比来自分析的洞察更有价值，在行业不确定性高的情况下尤其如此。
简而言之：分析有其局限性。在完美信息的环境下，预期效用计算可以告诉你如何从有限选项当中选出最佳选项。贝叶斯更新告诉你在收到新信息时如何更新信念。但这两种技术都没有提到如何通过行动来生成最佳选择或最佳信息。因此，跟能进行最好的贝叶斯分析的人相比，有时候行动迅速并保持适应性的人更有可能胜出，对于这一点我们不应该感到惊讶。
行动的启发法
其实这篇文章的标题源自 Coinbase 创始人兼首席执行官布莱恩·阿姆斯特朗 (Brian Armstrong)。阿姆斯特朗在接受投资人帕特里克·奥肖内西 (Patrick O'Shaughnessy) 采访时曾表示：
其实你做什么并不重要，关键是要采取行动。就像我最喜欢的一句话“行动产生信息”所说那样。所以到了一定时候，你必须停止没完没了的思考，就试着开始动手吧，任何事情都行。你可能会为自己的第一个版本（V1）感到尴尬，但这正是你走出去并开始创造的时刻。产品开发过程的一部分就是大幅度收缩野心，削减功能集，好快速迭代和原型化，但关键是要开始行动。你的第一次尝试几乎肯定会失败，所以不要气馁，继续尝试下一个，然后再下一个，再下下个。全世界的新产品和新公司都是这么诞生的，这是唯一的方式。你要尝试很多次才能最终取得成功。
如果决策科学的框架的实用性有限，那么也许我们应该向真正的实践者学习，看看他们是如何管理分析与行动之间的紧张关系的。
事实证明，有很多来自商人、产品经理和实践者的例子。你只需要知道该怎么看。这里有三个例子。
Scott Berkun谈如何对产品下注
在《不穿裤子工作的一年》（The Year Without Pants）里，资深产品经理Scott Berkun 谈到了他被迫跟自己的Automattic团队做出的一个重大赌注：
完美决策公式为什么不存在？部分是因为你永远不知道自己买的保险是买多了还是买少了。你手肘有问题找对医生了吗？你问对问题了吗？你也可能会决定做对了但方式用错了。我们 的B 计划风险之一是两周的时间不够。哪怕是一个弱点，我们也可能需要花好几个月的时间来改善。对这种不确定性的恐惧，会促使你用效用成本分析或其他即便是发明人也不用的花哨方法在电子表格里面捣腾，花好几天的时间去考虑各种可能的结果。
但所有这些分析只会让你畏手畏脚。一般而言，你最好抛个硬币然后按照指示的方向走。只要动起来，不管你去的是什么地方，都能获得新数据。新数据会让下一个决定和下下个决定变得更好，而不是在没有时间机器的情况下绝望地干坐着想要预测未来。
看来那本书之后，你就会知道Berkun确实抛硬币了......而且还很幸运。但就算他运气不好，也没关系——就像Berkun所指出那样，当项目走错路已经变得很明显之后，他的团队无论如何都会纠正路线。重点是要抛硬币，然后继续前进。
加里·克莱因与冷漠区
这自然会引出一个问题：你怎么知道什么时候最好像Berkun所说那样，“抛个硬币然后按指示方向走”？主要从事军队工作的心理学家加里·克莱因（Gary Klein）有一个启发法，他称之为“接受冷漠区”。
冷漠区是指你没法判断哪个决定是最佳选择的时候。克莱因写道：
如果你面临两个选择，其中一个非常好，另一个极其糟糕的话，那你就不需要做什么分析了。这种选择起来很简单。一旦两个选项的吸引力越来越接近，做出决定就会变得越来越困难。 (...) 以购买二手车为例，我们可以看到这三个选项都非常接近——各自的优缺点都相当。选项之间没有太多区别。这些选项非常接近，只需掷硬币就足够了。 （...）我称之为“冷漠区”问题。
认识到某些决策位于冷漠区是节省决策时间的好办法：比方说，假设你在主持会议，你得在 30 分钟内对五件事做出决定。要想尽可能多地做出决定，有个办法极其有效，那就是用冷漠区来排除某些决定，这样你就有时间把注意力放在最重要、最容易处理的问题上。
克莱因继续说道：
我们往往认为，决策的目标永远是选出最好的选择。就重要性而言，很少有决定的重要性比得过在性命攸关的战场或火场做出的决定了。可是，军事领导人与火场指挥官都认识到，最好是快点做出一个好决定并准备好去执行，而不是为姗姗来迟的“完美”选择懊悔莫及。我们很少能知道什么是最佳选择，而对最佳选择的追求会让我们沉迷于无关紧要的细节。为了从一系列已经相当好的选择中找到最好的，我们有多少次陷入到吹毛求疵的困境了？最好把你的目标定为选出一个你可以接受的好选择。如果某个选项是明显的赢家，那很好。如果有两个或多个选项最终落在冷漠区，那也没关系，只需选择其中一个并继续前进即可。如果你能接受不可能做出“正确”选择的事实，就可以摆脱不必要的混乱，不用浪费时间。
杰夫·贝索斯的可逆与不可逆决定
亚马逊首席执行官杰夫·贝索斯有个公式非常相似，但更简单：如果决策是可逆的，则迅速采取行动，并将决策权下放。如果不可逆，那就想怎么分析就怎么分析。
他在 2015 年的致股东股东信里讲过这个启发法：
就像单向门一样，有些决策意义重大且不可逆转或几乎不可逆转 ， 必须深思熟虑，经过商讨，仔细、系统性地慢慢做出决定。如果你走过去，不喜欢在门的另一边看到的东西，你已经没法回到原来的地方了。我们可以把这些叫做类型1决策。
但大多数决策都不是这样的 ，是可变的、可逆的 ，是双向门。如果你做出了次优的类型2决策，不需要长期承受后果。你可以重新打开那道门回去。类型2决策可以而且也应该由判断力很强的个人或小组快速做出。
随着组织规模的扩大，似乎有种把重量级的类型1决策流程用于大多数决策（包括很多类型2决策）的倾向。这种做法的最终结果是行动迟缓、轻率就考虑风险规避、实验开展得不够充分，从而导致创新乏力*。我们必须想办法去对抗这种趋势。
*相反的情况就不那么有趣了，而且无疑存在着部分幸存者偏差。任何公司，如果习惯性地用轻量级的类型2决策流程做出类型1决策，还没等到做大就已经灭绝了。
我没法说得再言简意赅了。
译者：boxi。