人类总爱把世界误判成自动售货机
很多人做计划的时候，脑子里默认世界像自动售货机。投一块钱，掉一瓶可乐。加班三个月，公司业绩上涨。开十个会，团队自动团结。做一套KPI，员工立刻像打鸡血一样拼命。现实却经常像那种年久失修的娃娃机，你以为已经夹住了，结果爪子一松，“啪”一下全掉回去，顺便还吞你两个币。
会议室里经常出现这种场景。一个从没离开办公室的人，正在讲一个伟大战略。PPT动画飞来飞去，流程图像地铁线路图一样复杂。讲的人眼睛发光，听的人表面点头，心里已经知道结局。三个月后，项目进入谁也不提阶段。半年后，留下满地文档、混乱流程、互相甩锅，以及一句经典废话：“方向是对的，只是执行出了问题。”最搞笑的是，有些失败项目最后还能被包装成成功。数据被重新解释，指标被重新定义，财报里挤出一点好看的数字，然后大家继续鼓掌。就像一个饭店天天赔钱，但老板说：“虽然没赚到钱，但我们提升了品牌认知度。”听起来像成功，实际上像一场高价行为艺术。
很多人不是不会努力，而是根本误解了世界运行方式。他们以为世界是线性的，以为复杂问题可以像拼乐高一样拆解处理。结果现实根本不按剧本走，最后越控制越失控，越精细越脆弱。
系统思维让人发现世界根本不是零件拼装
二十世纪早期，科学界特别迷恋拆东西。那时候大家坚信，只要把东西拆到最小单位，理解所有零件，就能理解整体。物理学和化学当年确实靠这招狠狠干出成绩。原子、电子、分子、量子，一层层扒开之后，人类突然感觉自己像宇宙管理员。问题来了，这套方法遇到生命系统的时候开始卡壳。
你把鸡拆成蛋白质、细胞、钙、碳、氢、氧，研究得明明白白，你依然解释不了鸡为什么像鸡。
你知道羽毛成分，不代表你知道它为什么会凌晨四点发疯打鸣。
就像你把一台电脑拆成芯片、电容、电线，你也解释不了为什么程序员会在凌晨三点对着报错突然想辞职。
于是系统论登场了。
奥地利生物学家 Ludwig von Bertalanffy 提出了 General Systems Theory，也就是广义系统论。他说了一个后来影响整个管理学、生态学、组织理论的观点：很多东西的本质，不在零件本身，而在零件之间的关系。
工具箱不是系统。你往里面扔钳子、螺丝刀、泡面、拖鞋，它依然是工具箱。因为里面东西彼此没关系。但汽车不一样。发动机、轮胎、变速箱、刹车，它们必须按照特定关系运作。你把方向盘换成电饭锅，车立刻变成大型废铁艺术装置。汽车的核心不是零件，而是零件之间那套协同逻辑。这就是系统。系统不是一堆东西，而是一堆互相影响的东西。
复杂系统专门暴打线性脑子
理解系统之后，更狠的一刀来了：系统之间还分简单系统和复杂系统。简单系统很乖。输入固定，输出稳定。比如流水线、打印机、银行贷款审批。你今天按按钮，明天按按钮，大概率结果一样。这类系统像老式计算器，你按二加二，不会突然给你跳出“今晚吃火锅”。复杂系统完全不是这么回事。
复杂系统最可怕的地方，就是小动作可能引爆大结果。这叫 Non-linearity，非线性。1960年代，气象学家 Edward Lorenz 在跑天气模型时，把一个小数从0.506127改成了0.506。差别看起来像蚊子腿，结果整个天气预测完全不同。后来这东西被称为 Butterfly Effect，蝴蝶效应。这玩意儿放现实世界更离谱。2022年，有个假冒 Eli Lilly 的蓝V账号在Twitter发了一句：“我们决定免费提供胰岛素。”就这么一句话，直接把 Eli Lilly 市值狠狠干掉几十亿美元。还有人冒充 Lockheed Martin，说暂停军售，股价照样跳水。
复杂系统里，经常不是大动作产生大后果，而是一颗小石头直接砸塌半面墙。这也是为什么很多公司最怕那种看起来不起眼的小事故。一个员工随手发错邮件，一个 API 多返回一个字段，一个运营写错一句话，最后都可能演变成全网爆炸。复杂系统像堆满煤气罐的厨房，你永远不知道哪颗火星会点燃整个房子。
系统里的连锁反应经常比电视剧还离谱
复杂系统还有一个特别变态的特征：Entanglement，纠缠性。简单理解，就是系统里的东西互相缠得像耳机线。你以为只动了一个地方，结果整片区域开始连锁爆炸。黄石公园狼群案例特别经典。二十世纪，美国把狼基本杀光了，因为觉得狼会伤害鹿群。结果鹿开始疯狂繁殖，然后疯狂啃植物，最后河边植被被吃烂，河道结构都开始变化。
后来科学家重新放狼进去，神奇事情发生了。狼不仅减少鹿数量，更重要的是改变了鹿的行为。鹿开始害怕某些区域，不敢长期停留，于是植被恢复，河岸稳定，鸟类回来，生态链重新运转，甚至河流形态都变了。这里面最离谱的地方不是狼吃鹿，而是狼影响河流。这就是复杂系统。你推一下第一张骨牌，最后倒下来的可能是冰箱。
英国救护车 KPI 案例更搞笑。政府规定：重症病人必须八分钟内到达。看起来特别合理吧？结果所有人开始围着八分钟表演。数据大量集中在七分五十九秒。因为奖金、考核、评价都绑在这个数字上，系统就开始自动学习怎么骗指标。最后出现一种荒诞场景：大家优化的不是救人，而是看起来像救到了。这其实就是很多互联网公司的日常。明明目标是用户体验，最后员工天天盯 DAU、CTR、停留时长。最后产品像赌场老虎机，用户越刷越空虚，公司越刷越开心。指标一旦变成目标，人类立刻开始钻规则空子。这几乎是复杂系统的自然规律。
人类组织最大的误判就是把人当零件
他年轻时候特别迷流程图，觉得组织管理和软件架构差不多。于是开始画用户流、流程图、职责结构图，感觉自己像组织界钢铁侠。纸面上非常完美。现实里三天就崩。员工绕流程、跳步骤、误解规则、偷偷搞捷径。你写得越详细，人家越懒得看。你流程越复杂，大家越想绕过去。最后组织自动长出一堆野生操作方式。
这其实是很多管理者的通病。他们总觉得员工是 CPU 核心，可以精确调度。现实里员工更像一群会自己进化的猫。你越控制，它越不按套路。
Niklas Luhmann提出：组织不是由人构成，而是由沟通构成。
Niklas Luhmann是德国社会学家，他提出组织由沟通而非人构成，用自创生理论解释系统如何自己生产自己，彻底颠覆了传统管理学的认知基础。
他说的这句话特别炸裂：很多公司最大的问题，不是员工能力差，而是语言系统完全混乱。
同一个词，每个人理解不同。同一个目标，每个部门翻译不同。老板说灵活，员工理解成随时加班。老板说扁平化，中层理解成以后背锅更快。
因为一个团队真正形成协作，不是靠流程图，而是靠大家脑子里逐渐长出同一种理解世界的方法。你会发现厉害团队经常有黑话。那些外人听不懂的词，其实是团队共享认知压缩包。它能大幅降低沟通成本。所以很多公司不是死于技术，而是死于大家以为自己在聊同一件事。
复杂性科学彻底拆了传统管理学老房子
传统管理学有个经典幻觉：只要分析够细，就能控制未来。复杂性科学直接过来一脚：“想得美。”复杂性科学其实不是一个独立学科，它更像一个跨学科大杂烩。物理学、生物学、经济学、社会学、计算机科学，全都跑来研究同一个问题：为什么很多系统无法预测？后来一群大神开始从不同角度狠狠干这个问题。
Humberto Maturana 和 Francisco Varela 提出了 Autopoiesis，自创生理论。他们说生命系统最牛的地方，不是稳定，而是能不断重新生成自己。这个观点后来被 Luhmann 拿去研究组织。组织真正持续存在的原因，不是办公室、工牌、制度，而是沟通不断复制自己。会议、邮件、汇报、决策、术语，这些东西天天循环，组织才持续存在。所以很多公司其实早就精神死亡了，只剩工商注册还活着。
Ralph Stacey 后来又搞出了 Stacey Matrix。这个模型特别适合解释为什么很多管理方法突然失灵。事情越明确、共识越高，传统管理越有效。但一旦进入高不确定、高分歧环境，计划、控制、预测开始大面积报废。比如做流水线，适合严格管理。但你让创新团队天天填审批表、写日报、周周复盘，最后创新没了，只剩 PPT。很多大公司创新部门最后都像动物园熊猫馆。养着很贵，看着挺可爱，就是不太会干活。
Cynefin框架像复杂世界里的导航地图
Dave Snowden 是英国学者，Cynefin 框架创始人。他将问题环境划分为清晰、繁杂、复杂、混沌和混淆五类，帮人们根据不同场景选择合适的管理与决策方式。
Dave Snowden 的 Cynefin Framework。这个框架特别像现实世界的地图模式切换器。它把世界分成几种状态：
- Clear，清晰领域。规则明确，照标准操作。
- Complicated，复杂但可分析领域。需要专家，但能推导答案。适合优秀生 博士从事养活自己的职业！
- Complex，真正复杂领域。只能边试边学，结果事后才看得懂。适合loser死磕！黑客狂攻，不被看见的灰色地带。
- Chaotic，混乱领域。先止血，再思考。
最危险的是中间那个 Confusion，混淆区。也就是人根本不知道自己面对什么。
现实里很多灾难都死在这里。明明是复杂问题，却硬套简单管理。明明需要实验，却非要一次规划三年。明明系统已经失控，领导还在要周报。这就像一辆车已经着火，车主还在研究油耗是不是偏高。
Cynefin 最大价值，其实不是提供答案，而是提供共同语言UL。
当团队开始能区分“这是复杂问题，不是简单问题”时，很多无意义争吵会立刻减少。因为大家终于承认：有些东西本来就不可能精准预测。
复杂世界最怕自信满满的人
复杂世界里，失败很多时候并不代表你垃圾。
过去四十年，社会特别喜欢一种成功学逻辑：成功的人一定优秀，失败的人一定懒。复杂性理论直接给这种鸡汤脑袋开瓢。
同样决策、同样努力、同样能力的人，可能因为所处系统不同，结局天差地别。有人踩中风口，猪都能起飞。有人进错周期，天才也可能被埋。这不是给失败找借口，而是提醒人类别过度神化个人意志。
复杂系统里的结果，本来就大量依赖互动、环境、时机、反馈、自组织过程。
所以真正成熟的人，反而不会特别迷信绝对正确方法。他们更倾向小步试错。软件别半年发一次，几周发一次。团队别一百人一起冲，拆成小团队。别总想着一次性设计完美未来，而是边干边修。因为复杂系统最靠谱的方法，从来不是精准预测，而是快速学习。这就像在浓雾里开车。你不可能一眼看清十公里外，但你可以慢慢往前挪，不断修正方向。
间接路线经常比硬冲更容易成功
John Kay 是英国经济学家与作家，伦敦政治经济学院教授。他提出“间接路线”概念，认为在复杂系统中直接追逐目标常会失败，通过关注过程与环境反而更容易成功。
John Kay 的一个概念：Obliquity，间接性。意思特别有意思。
很多目标，你越直接追，越容易失败。（追女人更是这样，能否有女朋友是男孩到男人的第一步前额叶考验。进化从来是大智慧！）
公司天天盯利润，反而容易把产品做烂。真正专注产品和用户的公司，利润经常自己冒出来。一个人天天研究怎样快乐，最后大概率更焦虑。真正沉浸做事的人，反而容易获得满足感。因为复杂系统不是 ATM 机。你按一下按钮，不会线性吐结果。
很多东西必须通过间接涌现出现。你种树不是为了每天拔树苗检查长高没。你把土壤、水分、阳光搞好，它自己会长。
马斯克那样的强人，当初在OpenAI时候，把AI大神卡帕西借调到自己上市公司特斯拉搞自动驾驶，特斯拉股价上去了，但是卡帕西离职沦为教员，离开世界AI第一线了，这些都是对OpenAI的拔苗助长，为什么马斯克这样的强势能为所欲为？因为OpenAI当时是非赢利的组织，没有其他资本介入角力，没有各路资本平衡制约，一个组织如果只有一个强势力介入，必然被这个强势力引导到不可控结果。
马斯克的特拉斯自动驾驶成功，得益于他从OpenAI借调了卡帕西等世界第一线AI战将，同时也削弱了OpenAI自身的战斗力，OpenAI的非赢利组织的特点正是纵容了他的强势，所以，OpenAI为了保护自己血脉发展，引入多方资本，才必须转为赢利组织，而马斯克竟然指控对方从非赢利转为赢利，违背初心，所谓初心只是道德名词，从道德看，如果没有OpenAI的非赢利性，马斯克的特斯拉自动驾驶恐怕没有这么快成功，他自己捞到了好处，反而指责对方的自我保护，这也解释为何他的大儿子变性原因，他们这些老登指责是多元化害了自己儿子，其实是他们想继续盘剥年轻人的智商税。
治大国如烹小鲜
复杂世界里，真正厉害的人，经常不像指挥官，更像园丁。他们不幻想控制一切。他们更关注环境、反馈、沟通、节奏、试验、安全失败空间。因为他们知道，世界从来不是一台可完全操控的机器。它更像一锅正在沸腾的火锅。你能调火候，能加菜，能控制节奏。但你永远别以为自己能精准控制每一颗丸子下一秒会漂到哪里。
对待毫无戒备心善良的人群，你的“为他好”初心反而害了他，为何师徒、父子反目成仇？因为你以为教会了他，其实那是你喜欢的一条路，不是你徒弟或孩子喜欢的一条路，徒弟、孩子走了你指定的那条路，那么他就无法走自己的那条路，这不是否定了自己，哪有一个人活着被别人否定是最不人道呢？不仇恨你仇恨谁呢？你还以为你的拔苗助长试验成功，为自己的自私成功洋洋得意，以上帝自居呢，其实就是你已经变成上古神灯了。
治大国如烹小鲜，好为人师，三人行必有我师，只要你脑子里有“师”概念，说明你被洗脑了，因为你有“师”这个概念，这个词会误导你，去AI味=去老师味。
相关：