• 紧张： 整个决策工具包（优缺点列表、决策矩阵、期望值计算）都基于一个假设：您已经知道要优化的目标。当一个决定足够重要时，这种假设几乎总是错误的。
• 噪音： 在人工智能生产力社区中流传的一个提示被视为工作流程提示：要求你的模型描述什么样的人会选择每个选项。大多数报道都停留在技术上。
• 直接留言： 这不是一种技术。这是一个诊断。重大决策是披着分析外衣的性格问题。这个提示之所以有效，是因为它不再假装相反——而且这种区别所产生的影响远远超出了你如何使用人工智能的范围。

几乎所有曾经面临过真正困难的决定的人都会有一种特殊的瘫痪感：你已经列出了清单、计算了数字并查阅了矩阵，但你仍然不知道该怎么做。优点栏和缺点栏以大致相等的重量回望着你。预期值计算会为您不确定是否信任的一个选项产生边际优势。整个练习的某些部分感觉像是测量了错误的东西，但你不能确切地说出是什么。

最近在人工智能辅助思维社区中流传的一条提示给这种感觉起了个名字。正如 Wyndo 在 Substack 上（在时事通讯“AI Maker”下撰写的）所指出的那样，这种洞察力是通过对 AI 模型制定决策的特定方式得出的。提示是这样的：

“我有两个选择。与其告诉我哪一个更好，不如告诉我什么样的人会选择每一个。”

正如温多所描述的那样，这种效果是立竿见影的，从最好的意义上来说也是令人迷失方向的：“突然之间，这个决定不再是关于利弊的问题。而是关于我想成为什么样的人。最好的决定是不合逻辑的。它们是由身份驱动的。”这一观察结果很简单，足以被视为生产力格言而不予理睬。它值得更多。

标准框架出了什么问题

决策的主要词汇——利弊列表、决策矩阵、期望值计算、二阶思维——基于一个很少被检验的基本假设：你已经知道你正在优化什么。当目标明确并且变量可测量时，这些工具非常有用。采购决策、构建还是购买问题、营销支出分配：这些都适合分析框架，因为目标函数是提前定义的，并且输入至少部分是可量化的。

但是，当做出重大决定时——是否离开你创建的公司，是否在不同的国家担任职务，是否寻求能够重塑你公司业务的合作伙伴关系——框架就会崩溃，因为目标函数至关重要。你不是在两个已知的效用量之间进行选择。你正在两种可能成为的人之间做出选择。对于这个问题，利弊清单不仅不精确。这完全是错误的工具。

丹尼尔·卡尼曼 (Daniel Kahneman)、阿莫斯·特沃斯基 (Amos Tversky) 和保罗·斯洛维奇 (Paul Slovic) 等人数十年来对构建偏好的研究为这种直觉提供了正式的基础。他们的工作一致证明，一般来说，人类在记忆中并没有稳定的、预先形成的偏好，当我们需要做出决策时，我们可以访问这些偏好。相反，我们实时构建偏好——而我们用于决策的框架在很大程度上决定了我们最终的偏好。如果问某人相对于选项 B 是否更喜欢选项 A，您会得到一个答案。向他们展示选项 A 和诱饵，或者更改默认值，或者更改选项呈现的顺序，你可能会得到完全不同的答案 – 不是因为这个人改变了主意，而是因为偏好一开始就不以固定形式存在。

这不是实验心理学的怪癖。它描述了大多数人在大多数情况下实际上是如何做出决定的。它对分析决策的局限性有直接的影响：如果你的偏好是由你使用的框架构建的，那么选择纯粹的分析框架并不能让你获得更深入、更真实的偏好。它给你分析框架产生的偏好——这通常与你真正关心的事情不符。

身份框架及其运作方式不同的原因

经济学家罗尼特·博德纳 (Ronit Bodner) 和德拉赞·普雷莱克 (Drazen Prelec) 提出的自我信号概念，可以更准确地解释当决策感觉真的与身份有关时所发生的情况。他们的论点是在一系列关于行为经济学和自我概念的论文中发展起来的，即一个人做出的每一个选择同时也是对这个选择向自己发出的关于自己是谁的信号的选择。你不仅仅是选择一个结果。你正在向自己发送一个信息，告诉自己什么样的人会做出这样的选择——而这种自我信号具有激励作用，它通常独立于选择本身的物质后果，有时甚至比选择本身的物质后果更强大。

这就是为什么人们即使确定没有人在关注，也会向他们所相信的事业捐款，也是为什么创始人可能会拒绝一个让大多数理性观察者都感到惊讶的收购要约。这也是为什么在博德纳-普雷莱克的框架中，自欺欺人并不总是非理性的：它可以达到维持自我形象的目的，随着时间的推移，自我形象会产生更好的行为。你向自己发出的信号很重要，因为你与通过自己的选择构建的自我一起生活。

Wyndo 重构直接采用了这一机制。不要问“哪个选项有更好的预期结果？”但是“什么样的人会选择其中每一个？”，它将问题从结果空间转移到身份空间——这样做，它通常会产生分析方法无法做到的清晰度。并不是因为身份答案在某种客观意义上更准确，而是因为它获取了一种不同类型的知识：关于你想成为谁的知识，这通常是隐藏在表面决策中的真正决定。

这对创始人和专业人士意味着什么

对于创始人和高级经营者来说，这样做的实际后果是重大的。组织中的大量战略决策都是分析性的，从根本上来说，这是一个关于性格的问题——关于这将成为一家什么样的公司。服务哪个客户群。无论是价格竞争还是质量竞争。是否要以牺牲多年建立的关系为代价来快速抓住市场机会。这些问题可以装扮成市场分析和财务建模，但这项工作并非毫无用处。但分析很少能够解决决策，因为决策实际上与数字无关。这是关于领导团队认为他们的公司应该代表什么。

当创始人描述自己在某个决定上陷入困境时——很多人确实如此，以一种特殊的方式表明了一些比简单的事实不确定性更深层的东西——他们常常陷入困境，不是因为他们缺乏信息，而是因为他们提出了一个分析问题，而这个问题从根本上来说是一个性格问题。数据不会回答这个问题。框架不会回答这个问题。可能回答这个问题的是 Wyndo 提示提出的问题：如果您选择选项 A，您会成为一家什么样的公司？如果你选择选项B？

这也是为什么即使分析表明某些决策是正确的，但仍让人感觉它们是错误的。分析本身可能是正确的，但选择可能仍然与自我或您正在建立的组织不匹配。这种错误的感觉并不是需要克服的非理性。它是信息——具体来说，是分析框架无法捕获的信息，因为它记录的是身份不一致，只有当你通过人物镜头看待决策时才会出现这种不一致。

AI 角度：重构，而非优化

Wyndo 提出此提示的背景对于 Silicon Canals 的受众来说很重要。使用人工智能模型进行决策支持时，本能是寻求优化器——要求它权衡选项，识别你可能错过的因素，并给出建议。这并不是对这项技术的不好的利用。但它引入了限制分析方法的相同假设：目标是找到在某些隐式目标函数上得分最高的选项，并且人工智能具有或可以推断该函数是什么。

身份重构的价值并不在于人工智能知道用户不知道的事情。就是不同的问题产生不同的认知模式。当你要求人工智能比较选项的优点时，你会得到分析。当你要求它描述会做出每种选择的人的特征时，你会得到一面镜子——镜子可以向你展示记分卡无法展示的东西。重构是一种迅速的工程洞察力，但它所应用的原则要古老得多：你提出的问题决定了你能够找到什么样的答案。

这对于团队如何在战略环境中使用人工智能具有影响。这些工具越来越有能力完成分析工作——合成数据、建模场景、压力测试假设。如果提示得当，他们还可以做的是帮助个人和领导团队解决分析工作往往会压制的身份问题。这是一种不同的价值，但没有得到充分利用。

这适用于哪些决定，不适用于哪些决定

这里提出的理由并不是所有决定都应该基于身份做出，或者分析会分散人们对“你想成为谁”这个真正问题的注意力。这将是一个不同的、更站不住脚的论点。许多决定应该经过分析做出。运营决策、财务决策、许多招聘决策——这些决策都受益于严格性，而将身份考虑因素引入到不属于它们的选择中可能会产生自身的扭曲。那些因为感觉与自己大胆经营者的自我形象不符而拒绝节省成本的决定的人并没有获得卓越的智慧。他们在不适用的情况下使用身份推理。

有用的区别在于，目标函数是真正已知并事先达成一致的决策，而明显的目标函数隐藏了有关价值观和方向的更深层次问题的决策。前一类的规模比人们有时承认的要大，而且分析框架在那里运作良好。后一类——尤其是在职业生涯或公司发展的关键时刻——基于身份的推理不仅变得相关，而且优先于其他一切。

知道自己面临哪种决策本身就是一种技能，而决策建议的标准工具包对培养这种技能几乎没有帮助。信号通常是瘫痪：感觉你已经完成了分析工作，但答案仍然不存在。这种缺席通常并不是分析失败。这表明你试图通过分析来回答的问题是分析永远无法解决的问题。

提示是一个起点，而不是每个决定的公式。但对于最重要的决定（即你将成为什么样的人实际上处于危险之中），它可能是大多数框架明显缺少的正确工具。