熱罐小角

AI 時代創業哲學 · 25

我第一次對"失敗是成功之母"這句古老箴言產生深刻的懷疑,始於回顧SpaceX那段驚心動魄的早期歷史。

2006至2008年間,獵鷹1號火箭連續三次以絢爛的煙火告終,數千萬美元的投資在大氣層中化為灰燼。第一次,燃料泄漏導致動力中斷,發射後29秒墜毀;第二次,一二級分離時碰撞,箭體失控;第三次,複用的部件導致致命的振動與控制失穩。

SpaceX獵鷹1號火箭發射

此時最簡單的敍事莫過於"堅持就是勝利",或者是看埃隆·馬斯克的笑話。但真正扭轉乾坤的,並非是"再試一次"的匹夫之勇,而是團隊將每一次失敗都冷酷地解剖為嚴謹的方法論:將試驗與製造流程徹底數據化;將"事前驗屍"(Premortem)的風險預想制度化;將分系統的冗餘設計與邊界條件,固化為工程決策的鐵律;最終將"從異常到根因"的追溯閉環,內化為整個組織的本能習慣。

第四次發射的成功,並非因為失敗的次數終於攢夠了,而是因為團隊的集體努力和能力,升級到了足以駕馭巨大複雜性的程度。

這便是今天我想討論的核心:失敗本身,從不自動孕育成功;它更可能只是下一次失敗的精準彩排。真正決定成敗的,是我們認知和分析失敗的能力。

正如科學哲學家卡爾·波普爾所説:"像蘇格拉底一樣,漸進的社會工程師知道我們只能從錯誤中學習。"、"在科學中,我們常常能夠從錯誤中學習,正因為錯誤會被系統地批評並常常能被糾正。"控制論先驅W.羅斯·阿什比的必要多樣性法則進一步揭示:"只有足夠的多樣性,才能吸收並化解外界的多樣性。"這意味着,從失敗中學習的本質,是通過深度反思來擴充我們認知的"多樣性",用以駕馭下一次挑戰的未知與複雜。

為何我們常常無法從失敗中學習? 認知偏見的重重迷霧

如果失敗能夠輕易地轉化為成功,那麼成功就不會如此稀缺。現實是,我們的大腦為了自我保護,進化出了一系列根深蒂固的思維捷徑:認知偏見。丹尼爾·卡尼曼將其總結為一種核心錯覺:"你所見即全部"。我們依據手頭極其有限的信息,迅速構建出一個看似自洽的故事,而各式各樣的偏見,正是這個故事裏扭曲現實的無形之手。

  • 自我服務偏見(Self-serving bias):這是最常見的甩鍋機制。成功時,我們傾向於歸功於自己的才華與努力;失敗時,則下意識歸咎於外部環境或他人。心理學家米勒與羅斯的研究一針見血地指出了其代價:"自我服務歸因以犧牲學習為代價,來保護自尊。"
  • 後視鏡偏見(Hindsight Bias):一旦塵埃落定,我們總感覺自己是事後諸葛亮。分析失敗時,一句"我早就知道會這樣"便輕易地掩蓋了決策過程的真正困境。這種偏見讓我們誤以為結果是顯而易見的,從而忽略了當時信息不足、充滿變數的真實挑戰。阿莫斯·特沃斯基與丹尼爾·卡尼曼的開創性研究表明:"人們經常在事後高估自己對結果的可預見性。"巴魯赫·菲施霍夫更進一步指出,這種錯覺甚至會悄然重寫我們的記憶。
  • 確認偏見(Confirmation Bias):我們的大腦天生偏愛那些能夠證實自己既有觀點的信息,同時自動屏蔽或貶低與之相悖的證據。心理學家彼得·沃森的經典實驗早已證明:"人們更傾向於尋求證實而非證偽。"當失敗的預警信號出現時,我們可能視而不見;當覆盤失敗時,我們又只關注那些能為自己開脱的蛛絲馬跡。

此外,失敗所裹挾的羞恥、焦慮等負面情緒,是巨大的心理消耗。心理學家羅伊·鮑邁斯特等人的研究發現,"負面信息對心理和行為的影響遠強於正面信息。"這種強烈的負面衝擊,驅使我們為了儘快逃離不適,下意識地選擇遺忘、壓抑或扭曲那段痛苦的記憶,最終完美地錯過了最寶貴的覆盤環節。

核心議題:從失敗中提取"可遷移的教訓"

失敗本身並無內在價值,其唯一的價值在於我們從中提煉出的、能夠應用於未來不同情境的智慧與原則,即"可遷移的教訓"(Transferable Lessons)。這才是連接失敗與成功的唯一橋樑。

1. 建立結構化的反思框架

有效的學習始於高質量的反思。與其沉溺於情緒的漩渦,不如啓動一個結構化的思考框架。強大的"四問法"模型便是一個極佳的起點:

第一問:發生了什麼?客觀、中立地複述事實,如同記者般陳述,不帶任何感情色彩與主觀評判。

第二問:哪裏出了問題?深入分析導致失敗的根本原因。這要求我們既要誠實地面對自身,也要系統性地審視環境、流程與信息等外部因素。在此需警惕哲學家邁克爾·波蘭尼所揭示的"默會知識"陷阱:許多失敗的根源,恰恰在於那些我們知道但無法言説的隱性經驗或行業默認假設。

第三問:我學到了什麼?這是提煉"可遷移教訓"的核心。從三個維度拷問自己,以提煉出根本性洞見:

  • 關於自我:這次失敗暴露了我哪些思維定式、知識盲點或能力短板?我的決策流程是否存在系統性偏差?
  • 關於方法:我所採用的策略、流程或工具是否存在根本性缺陷?有無更優的替代方案?
  • 關於世界:我對市場、用户或人性的哪些核心假設被證偽了?如何才能構建更精準的外部認知模型?

第四問:下一步做什麼?將洞見轉化為具體的、可執行的行動計劃。正如組織理論家卡爾·維克提出的那個激進建議:丟掉你的工具。這意味着,真正的改變有時必須從放棄那些我們最熟悉、但已被證明無效的思維模式和工作流程開始。

2. 主動出擊,對抗認知偏見

在反思過程中,我們必須像偵探一樣,時刻對大腦的思維捷徑保持警惕。

  • 記錄決策日誌:為對抗後視鏡偏見,養成記錄重要決策的習慣:寫下當時的決策依據、預期結果與核心考量。當結果出現時,這本日誌就是你對抗記憶扭曲的客觀證據。有一句常被歸於戴明的質量管理格言:"In God we trust, all others must bring data."雖然未必出自他本人之口,但高度體現了戴明以數據驅動改進的思想。
  • 安全的外部環境:為打破自我服務偏見和確認偏見的桎梏,主動向你信任且敢於直言的導師、同事或朋友求教,請求他們無情地指出你的問題。正如哈佛商學院教授艾米·埃德蒙森所強調的:"沒有心理安全感,就談不上從失敗中學習。"一個讓人敢於講真話的環境是所有有效反饋的基礎。
  • 進行"事前驗屍"(Premortem):在啓動新項目前,大膽地設想它已經徹底失敗,然後與團隊一起倒推出所有可能導致失敗的原因。該方法的提出者、心理學家加里·克萊因解釋道:"事前驗屍讓團隊在行動之前就看見失敗,因此能及早佈防。"

3. 培養成長型心態(Growth Mindset)

斯坦福大學心理學教授卡羅爾·德韋克提出的成長型心態理論,是我們從失敗中學習的心理基石。擁有該心態的人堅信,能力與智慧並非天賦定型,而是可以通過努力、學習和堅持來培養的。其核心正如她所言:"如果目標是成長而不是證明自己,那麼失敗就不再是終點,而是數據、是反饋。"

Carol Dweck《終身成長》Mindset書籍封面

這種心態的轉變,會帶來三個關鍵行為:

  • 重新定義失敗:將失敗視為一次獲取寶貴數據、完善自我的實驗,而非對個人能力的終極審判。
  • 聚焦於過程:稱讚自己為克服困難所付出的努力和嘗試的策略,而非僅僅關注結果的成敗。這能極大地維持面對挫折時的心理韌性。
  • 面向未來:遇到困難時,告訴自己我只是還沒掌握這項技能,這種微小的語言調整,能極大地增強迎接挑戰的信心與耐心。

真正的成長,不僅是心態的轉變,更是行為模式的升級。正如赫伯特·西蒙定義的:

"真正有效的學習,是把親身經驗編譯成可反覆調用的做法,用得越多越熟,適應力就越強。"而最高級的學習,是學會如何學習。人類學家格雷戈裏·貝特森稱之為"二階學習"。

這也是OpenAI的CEO Sam Altman在多次訪談中強調:要學會使用AI工具,並培養適應與韌性這類元能力。"學習如何學習"將愈發關鍵。

Sam Altman

這正是我們追求"可遷移教訓"的終極目標:不斷升級我們整個學習與決策的底層操作系統。

結論:你的認知,才是成功之母

"失敗是成功之母"這句箴言的真正價值,不在於它承諾了一個必然的結果,而在於它揭示了一種寶貴的可能性。失敗為成功提供了豐富的原始數據和實踐土壤,但這片土壤能否孕育出果實,完全取決於我們能否成為一個高效、理性且勇敢的學習者。

我們可以用思想家納西姆·塔勒布的"反脆弱"概念來重新定義這個過程:"有些系統能從波動與壓力中受益。"一個具備強大認知能力的個體或組織,正是一個反脆弱的系統,它能將每一次失敗的衝擊,都轉化為自身結構性的增益。

與其盲目地信奉失敗的價值,不如將全部焦點放在構建我們從失敗中學習的能力上。

通過結構化的反思、對認知偏見的警惕與對抗,以及對成長型心態的持續培養,我們才能將每一次跌倒,都轉化為一塊堅實的墊腳石。

正如卡爾·波普爾所總結的:"科學進步依賴'猜想與反駁'。我們的個人成長也是這樣。失敗不會自動成為終點,而我們的認知才會成為通往智慧與成功的真正母親。"

本文提到的哲學家,科學家和心理學家們。

卡爾·波普爾

卡爾·波普爾(Karl Raimund Popper, 1902年7月28日-1994年9月17日),奧地利裔英國哲學家、社會學家。以其對科學哲學的批判性研究著稱。他的"證偽主義"原則,尤其在《猜想與反駁》中闡述,提出科學理論的價值不在於其可被證實,而在於其可被證偽,知識的增長源於不斷地試錯與修正。

W.羅斯·阿什比

W.羅斯·阿什比(William Ross Ashby, 1903年9月6日-1972年11月15日),英國精神病學家、控制論的奠基人之一。以研究複雜系統與適應性行為著稱。他在《控制論導論》中提出的"必要多樣性法則"是控制論的核心,指出一個控制系統的多樣性必須不小於它所要控制的系統的多樣性。

丹尼爾·卡尼曼

丹尼爾·卡尼曼(Daniel Kahneman, 1934年3月5日-2024年3月27日),以色列裔美國心理學家、經濟學家,2002年諾貝爾經濟學獎得主。以將心理學洞見與經濟學相結合,開創行為經濟學而著稱。代表作《思考,快與慢》揭示了人類決策中的系統性偏見,如"你所見即全部(WYSIATI)"效應。

阿莫斯·特沃斯基

阿莫斯·特沃斯基(Amos Tversky, 1937年3月16日-1996年6月2日),以色列認知心理學家,行為經濟學的奠基人之一。以與丹尼爾·卡尼曼合作研究人類判斷與決策中的認知偏見而著稱。他們的"前景理論"深刻揭示了人類在不確定性下的非理性選擇模式,是行為經濟學的基石。

巴魯赫·菲施霍夫

巴魯赫·菲施霍夫(Baruch Fischhoff, 1946年4月21日-),美國心理學家、決策科學家。以對風險感知和"後視鏡偏見"的開創性研究著稱。他在1975年的論文《Hindsight≠Foresight》中,首次通過實驗系統地證明了人們在知道結果後,會高估自己當初的預見能力。

彼得·沃森

彼得·沃森(Peter Cathcart Wason, 1924年4月22日-2003年4月17日),英國認知心理學家。以其在推理心理學領域的貢獻,特別是對"確認偏見"的研究而著稱。他設計的"沃森選擇任務"實驗,經典地證明了人們傾向於尋找證實自己假設的證據,而非證偽它的證據。

羅伊·鮑邁斯特

羅伊·鮑邁斯特(Roy F. Baumeister, 1953年5月16日-),美國社會心理學家。以其在自我控制、意志力、自尊及"負面效應"等領域的廣泛研究著稱。他的"壞比好強大"理論提出,負面事件、信息和情緒對人的心理衝擊遠大於同等強度的正面事物。

邁克爾·波蘭尼

邁克爾·波蘭尼(Michael Polanyi, 1891年3月11日-1976年2月22日),匈牙利裔英國物理化學家、哲學家。以其後期對科學哲學的研究,特別是"默會知識"概念而著稱。他在《個人知識》與《默會維度》中提出,我們知道的遠比我們能言説的要多,大量知識無法被語言完全表達。

卡爾·維克

卡爾·維克(Karl E. Weick, 1936年10月31日-),美國組織理論家、社會心理學家。以其對組織"意義建構"(Sensemaking)和高可靠性組織的研究著稱。他的"丟掉你的工具"隱喻,強調在應對未知危機時,必須打破常規,放棄僵化的流程和思維定式。

W.愛德華茲·戴明

W.愛德華茲·戴明(William Edwards Deming, 1900年10月14日-1993年12月20日),美國統計學家、質量管理大師。以其推動日本戰後製造業復興的"全面質量管理"哲學著稱。他的名言"我們信仰上帝,其他人請帶上數據",強調了決策和改進必須基於客觀數據而非主觀臆斷。

艾米·埃德蒙森

艾米·埃德蒙森(Amy C. Edmondson, 1959年-),美國組織行為學家,哈佛商學院教授。以其對"心理安全感"的開創性研究著稱。她的理論指出,心理安全感,即團隊成員相信他們可以表達己見、承認錯誤而不會受到懲罰,是團隊學習和創新的基礎。

加里·克萊因

加里·克萊因(Gary A. Klein, 1944年2月5日-),美國認知心理學家。以其在"自然主義決策"領域的研究,即專家在高壓真實環境下的決策過程而著稱。他提出的"事前驗屍"(Premortem)是一種風險評估工具,通過提前想象失敗來系統性地識別潛在問題。

卡羅爾·德韋克

卡羅爾·德韋克(Carol S. Dweck, 1946年10月17日-),美國心理學家,斯坦福大學教授。以其關於"思維模式"(Mindset)的理論著稱。代表作《終身成長》區分了"固定型心態"與"成長型心態",並指出相信能力可以發展的成長型心態是有效學習和應對挑戰的關鍵。

赫伯特·西蒙

赫伯特·西蒙(Herbert A. Simon, 1916年6月15日-2001年2月9日),美國經濟學家、認知心理學家,人工智能的奠基人之一,1978年諾貝爾經濟學獎得主。以其"有限理性"和決策理論著稱。他關於學習的定義:"把經驗壓縮進可調用的程序",精闢地概括了知識內化的過程。

格雷戈裏·貝特森

格雷戈裏·貝特森(Gregory Bateson, 1904年5月9日-1980年7月4日),英國人類學家、社會科學家、控制論學者。以其跨學科的系統思想,尤其在傳播學和家庭治療領域的貢獻著稱。他提出的"學習層級"理論,區分了改變具體行為的"一階學習"和改變學習模式本身的"二階學習"(學會如何學習)。

納西姆·尼古拉斯·塔勒布

納西姆·尼古拉斯·塔勒布(Nassim Nicholas Taleb, 1960年9月12日-),黎巴嫩裔美國思想家、統計學者、前交易員。以研究不確定性、隨機性和風險著稱。代表作《黑天鵝》和《反脆弱》提出了"反脆弱"概念:

脆弱的事物在衝擊下破碎,強韌的事物能承受衝擊,而反脆弱的事物則能從混亂中受益並變得更強大。

關於作者

Hotcan,80後技術老炮兒和哲學愛好者

雲計算和數字化轉型的投資人和創業者

免責申明:本公眾號不以盈利為目的,內容僅供參考,個人及所屬公司對發佈的信息不作任何保證和承諾。如需轉載,請您註明出處和保持信息完整性。如有未註明作者及出處信息或圖片,請版權所有者聯繫我們,我們將及時補上,感謝您的辛勤創作。本文部分文字、圖像和視頻由AI生成,內容經由作者審核。作者對本文原創和AI生成的內容負責。

💬 留言