算不出不确定的事。
而所有“没发生”的价值,在会计上都等于零。
先说一个现象。
在传统企业里,AI 应用这件事,几乎都是信息部门在推。从发现痛点到定义方案,到最后落地,百分之百是信息部提的。
业务部门提不出方案。这不是他们能力差,是他们只看得到痛点,看不到解法——“这个月对账太慢”是痛点,“该上什么、怎么上、上到什么程度算好”是方案,这中间隔着一次完整的翻译。
于是出现一个错位:信息部在做产品经理的活,却被按 IT 部门的尺子考核。
做产品的人,被考核“有没有人天天用”;做 IT 的人,被考核“项目交没交、系统稳不稳”。一个部门干两件事,只用一套尺子量,怎么量都不及格。
01 / 探索不是项目
项目和探索,产出形态完全不同。
项目的产出是系统,探索的产出是信息。
- 项目的成功是“按时、按预算、按范围交付”
- 探索的成功是“证明这条路能不能走”
用同一套评价去管这两件事,会逼出一个动作:把探索伪装成项目。 先编一个投入产出比去立项,做完达不到,下次没人敢提。
这就是假创新的生成机制。不是没人想做,是做的成本太高。
02 / 用收益的尺子,量期权的账
投入产出比这个公式,分子是收益,分母是成本。
探索的特点是:成本当下就能观测,收益三年后才知道,而且大概率是零。
一个可观测的分子,除以一个可观测的分母,结果永远是负的。
这个负数不代表项目不好,代表公式用错了对象——探索不是一笔投资,是一张期权。
| 对比 | 项目思维 | 探索思维 |
|---|---|---|
| 产出 | 系统、功能 | 信息、结论 |
| 成功标准 | 按时交付、稳定运行 | 证明可行,或证明不可行 |
| 失败的定义 | 延期、超支 | 没有拿到结论 |
| 该用的尺子 | 投入产出比 | 少走了多少弯路 |
把这张表看明白,很多争论就不用吵了:两边说的“成功”根本不是一回事。
03 / 排雷也是一种产出
结论是“这条路走不通”。
那它交付了什么?
它交付了一个信息:这个方向,不用再投了。
这件事的价值,用钱算不出来,但用时间算得出来——它让公司少等三个月,让老板少纠结一轮,让团队不在一个死方向上耗半年。
用一个能看见的东西去证明价值,比用一个算不清的数字安全得多。
而且探索的产出不止是排雷。两周试完,即使结论是“不行”,同时拿到三样东西:一套验证方法、一份数据现状的认知(哪些字段缺、口径乱在哪)、团队对模型边界的理解。
这三样是可复用资产,不是一次性的消耗。 这也是“有机制的探索”和“瞎试”的分界线——瞎试每次归零,有机制的探索每次积累。
04 / 真正的代价,不是算错了
这一段是这篇文章真正想说的。
要求精确测算,问题从来不在算得准不准,而在于它决定了什么被允许存在。
一旦所有事都要先算出投入产出比才能立项,评价体系就会自动筛掉那些“算不清但重要”的事。久而久之,组织里只剩下能算的事。
不是人变懒了,是做那些算不清的事的人,在考核表上永远不及格,然后自然被淘汰。
精细到只允许确定的事存在。
企业能装进利润表的东西,只有收入、成本、利润。它装不下“避免的风险”,也装不下“没发生的事故”。
而企业的存续,恰恰靠这些没发生的事。
05 / 所以这不是要放宽考核
而是要承认,有一类工作,它的产出只能用“少走了多少弯路”来衡量。
承认这一类,组织才有未来。不承认,就只能靠运气——而运气不在考核表上。
不是因为它管得差,是因为它管得太好,好到只剩确定性。
精确测算当然有用,它能让确定的事做得更省。但它同时会做另一件事:把不确定的事从组织里清出去。
而所有新东西,出生的时候都是不确定的。
注定错过所有“还没发生”的机会。