判断决策 — 不确定下怎么真做决策

不确定下,最隐蔽的错是 resulting(Annie Duke,《Thinking in Bets》2018):拿结果好坏当决策好坏的证据。但在有运气成分的领域(投资、创业、扑克——Duke 的出身),好决策可能坏结果,坏决策可能好结果。如果你按结果奖惩自己,就是在对运气做强化学习,学到的全是噪声。决策的本质是对不确定未来的下注,该问的不是"对/错",是"我有几成把握"。下图把决策质量和运气拆成两个轴——只有分开看,才能从一小把真实决策里学到东西。

戒 resulting 的操作工具是决策日志:在结果出来之前,写下你下的注、你给的概率、你的理由。复盘时只评过程(理由站不站得住、概率校不校准),不评结果。这样"好决策 / 坏结果"的格子你能认出来、不自责,"坏决策 / 好结果"也不被侥幸蒙混——这是后面所有步骤能被诚实评估的前提。

判断决策不是灵光一闪,是一条可重复的流水线。下图是五步,后面三节分别展开(校准 / 可逆性+不对称 / 停止与行动)。这条线刻意整合了你想练的几项:问题定义(①)、概率判断(②)、停止与行动(⑤)。

• ① 定义问题 / 找 crux:先诊断那个绑定约束再生成方案。Rumelt(《Good Strategy Bad Strategy》2011 /《The Crux》2022):"Without diagnosis there is no strategy — only wish lists, budgets, or hope." 多数失败是解错了问题;说不清 crux = 还没诊断完,别急着想方案。
• ② 概率校准:用 base rate 起步,给可校准概率(§3)。
• ③ 不对称 + 封 ruin:看上行 / 下行比,永不押上输不起的(§4)。
• ④ 可逆性分流:单向门慢做、双向门快做(§4)。
• ⑤ 停止 + 实验:信息够了就停,用最便宜的实验拿现实反馈(§5)。

第②步是全流程的认知核心:把模糊的信心变成可打分的概率,否则无从校准、无从进步。

先用 outside view(外部视角)起步。Kahneman & Lovallo(1993)区分:inside view 把每件事当独特个案、从细节往上估 → 系统性过度乐观(planning fallacy / base-rate neglect);outside view 把它当某个参照类里的一员、锚在同类历史结果的分布上。Kahneman 自己的例子:写教科书的团队从内部估"约 2 年",一问同类项目的 base rate——约 40% 根本没写完,写完的要 7–10 年;实际花了约 8 年。先写下参照类与它的基率,再用个案细节微调,而不是反过来。

再做校准。Tetlock(《Superforecasting》2015):说 70% 的事就该约 70% 发生;用 Brier score(概率预测的均方误差,越低越好)给自己打分。超预测者的做法:外部视角 + base rate(对比类训练把 Brier 从约 0.26 降到约 0.17)、Fermi 拆解(把难题拆成可估的小块)、频繁小幅贝叶斯更新。注意:他们的概率精细到 0.1 才有用——把预测粗化到最近的 0.1 反而变差,说明细分概率携带真实信息。

最后加一道 pre-mortem(Gary Klein,HBR 2007):决策前假设它已经惨败,然后写"它是怎么死的"。这种 **prospective hindsight(预期性后见)**比普通风险评审更能逼出被压住的风险(Mitchell-Russo-Pennington 1989:正确指出未来结果原因的能力提升约 30%),便宜又快地压住过度自信。

落地信号:维护决策日志,给每个预测写明 % 和结算日期;攒够 50+ 个已结算的,算自己的 Brier 分 + 校准曲线(预测 % vs 实际频率分桶),目标是曲线贴近对角线、Brier 趋向 0.2 以下。

定了概率,还要看两件决定"怎么下、下多大"的结构属性。下图把可逆性和不对称收益做成两个分流闸。

可逆性(Bezos,2015/2016 致股东信):Type 1 = 不可逆或近不可逆的"单向门",必须慢、审慎、充分商议;Type 2 = 可逆的"双向门",做错能走回头路,应快做。原文:"Some decisions are consequential and irreversible … one-way doors … must be made methodically, carefully, slowly." 大组织的通病是把单向门的重流程套到双向门上 → 慢、过度规避风险、不敢试。所以:先给决策标 type,双向门别过度审议。

不对称收益(Taleb,《Antifragile》2012):用期望值思考,追求正凸性——下行封顶、上行敞开(杠铃策略:大部分极安全 + 一小撮高风险投机,避开中间)。铁律是避免 ruin:永不押上输不起的本金,因为破产不可逆(ruin 是终极单向门)。每个注先写一行"最大可能损失 / 潜在上行",只接上行/下行比够大、且最大损失能承受的;任何"小概率但会清零"的暴露一律否决,无论 EV 多诱人——因为清零了就没有"长期"可言。

这一步直接回答你的"做最重要 + 停止与行动":研究到什么时候该停、然后去做。给它一个客观闸,而不是凭感觉。

核心不对称:慢决策的成本是确定的(机会、时间、动能),可逆错决策的成本(在擅长纠错的前提下)是有限的——所以可逆决策应偏向行动。这也是 刻意练习页 的 做→读→做:产出 / 实验先行,拿外部反馈再调,而不是无限"读"。

把流程推到底前,得知道它何时不灵,否则会精确地解错问题。概率校准吃的是可重复、可结算、封闭的问题;对真正一次性、重尾 / 黑天鹅事件,它会制造虚假精确——给一个无法从稀疏历史可靠估计的概率,反而生出"我测过了"的错觉(Taleb《Black Swan》:重大稀有事件的概率本质不可计算)。所以:给每个决策打标签——可重复 / 可结算的,打分校准;一次性 / 尾部的,靠暴露结构管理(封死下行、保证活下来),不靠编一个尾部点概率。对你的 invest 引擎:校准在面包黄油级的重复决策上挣钱;尾部风险用稳健性 / 可选性兜,别让一个漂亮的 Brier 分在真正会击垮你的问题上滋生自信。另外,crux 会漂移——拿到实验反馈(§5)后要复诊,否则你会精确地解一个已经过时的问题。