本页目录

同样面对致命错误，两个行业走向了相反方向

手术失误后封锁消息，坠机事故后全行业公开调查

一位患者在手术中因已知风险未被识别而死亡。院方的处置流程是：安抚家属、内部约谈、封存记录。没有独立调查，没有跨机构通报，同类手术的风险清单没有更新。六个月后，另一家医院发生了几乎相同的事故。

同一时期，一架客机因传感器故障坠毁。事故发生 24 小时内，独立调查机构介入，黑匣子数据公开解读，初步报告向全球航空公司通报。三个月后，所有同型号飞机完成传感器改装。同类事故此后归零。

两个行业的从业者训练强度相当，工作复杂度相当，犯错后果都可能致命。唯一的结构性差异：失败信息在事后流向了哪里。航空业强制公开、独立调查、改进回写操作手册；医疗业默认保密、内部处理、改进停留在口头。

你所在的团队出了问题之后，第一反应是调查原因还是控制影响？如果是后者，你正处在医疗模式里。不是人的问题，是制度把你推到了那个位置。

一名男子被判谋杀罪入狱多年。后来 DNA 检测技术成熟，证据明确指向另一个人。面对这个结果，当年主导起诉的检察官没有承认判断失误，而是重新解释证据链，提出 DNA 可能被污染，坚持原判正确。

Syed 用这个案例展示认知失调的破坏力。检察官不是在故意作恶——他真诚地相信自己当年的判断没问题。因为承认错误意味着他把一个无辜的人关了十几年。心理代价大到大脑自动启动了防御机制，把不利证据重新解释为"不可靠"。

越是重大的判断，投入越多的心理资本，认知失调就越强。

当你发现自己面对明确的反面证据却本能地找理由维护原判断时，可能不是证据真的不够强，而是承认错误的代价太高了。先承认这个机制存在，再重新看证据。

联合利华需要一个高效的洗衣粉喷嘴。公司请来顶尖流体力学专家，根据理论设计了最优方案。效果不好。

后来换了路径：制造十个随机变体，测试，留下表现最好的，再基于它制造十个新变体，如此反复。没有专家理论指导，纯靠试错加筛选。最终得到的喷嘴性能远超专家方案。

冲击力不在于"随机比专家强"。而在于：复杂系统里，快速试错迭代经常比理论推导更快找到好方案。前提是每次试错的结果都被完整记录和利用——没有数据回收的试错只是在浪费资源。

你在一个复杂问题上反复规划、反复推演，但迟迟不动手试。可能更有效的策略是：先跑一个粗糙版本，看结果，再调整。前提是你记录和分析了每次试跑的数据。如果问题的复杂度低到专家可以直接算出最优解，这个策略就没必要——简单问题用理论推导更快。

2003 年之前，英国自行车队在奥运历史上只拿过一块金牌。Dave Brailsford 接手后，没有去找天才车手，而是做了一件看起来琐碎的事：把骑行过程拆成上百个可测量的环节，每个环节寻找百分之一的改进空间。

座垫材质、骑行服空气阻力、运输卡车内部卫生（减少感冒影响训练）、枕头和床垫选择（改善睡眠质量）——每一项单独看微不足道。

2008 年北京奥运，英国队拿了 8 块金牌。2012 年伦敦，12 块。

边际收益策略有一个容易被忽略的前提条件：每个环节的结果都被精确测量和记录。没有数据，"百分之一"就无从谈起。它的适用边界也明确——对已经接近极限的系统最有效。地基没打好的时候，修窗户框的空气阻力没有意义。

在航空安全报告系统中，飞行员可以匿名报告自己的操作失误和险情，不受处分。一位飞行员在进近过程中发现高度判断出现偏差，及时修正后安全着陆。按传统标准这不算事故——没有损伤、没有损失。但他选择提交了报告。

报告被分析后发现：该机场在特定天气条件下的进近引导信息存在歧义。管理局据此修改了引导程序。此后，同一机场的同类险情归零。

一个人的小失误报告，变成了全系统的改进。

你的团队有没有一种机制，让人可以安全地报告"差点出事但最终没出事"的情况？如果没有，学习只能来自已经造成后果的那些失败。而"差点出事"的数量远远多于出了事的数量——那才是最大的学习矿藏。